Nomograma de predicción para la estratificación del riesgo en pacientes con COVID-19

• Published in: European journal of health research Vol. 7; no. 2; pp. 1 - 19
• Main Authors: Herrera, Carlos, Lage Dávila, Agustín, Betancourt Cervantes, Julio, Barreto Fiu, Eligio, Sánchez Valdés, Lizet, Crombet Ramos, Tania
• Format: Journal Article
• Language: English; Spanish
• Published: 06.07.2021
• Subjects: 19 severo; COVID; nomogram; nomograma; prognosis; pronóstico; riesgo; risk; severe COVID
• ISSN: 2445-0308; 2444-9067; 2445-0308
• DOI: 10.32457/ejhr.v7i2.1592

La COVID-19 puede progresar a formas severas de la enfermedad con una elevada mortalidad, por lo que ha sido necesario identificar factores predictivos que permitan estratificar el riesgo en los enfermos. Se realizó un estudio retrospectivo analítico en una cohorte de 150 pacientes del hospital Manuel Fajardo de Villa Clara, Cuba, en el periodo de marzo a junio de 2020. Con la información obtenida se construyó un índice pronóstico de severidad mediante un modelo de regresión logística binaria multivariada, en el que se expresó la probabilidad de que el paciente evolucionara hacia la severidad en función del conjunto de variables que fueron identificadas como predictoras del evento de salud de interés. Para el resumen de los datos y la aplicación de las pruebas de hipótesis se utilizó el software R versión 4.0.2. Con los resultados finales se elaboró un índice pronostico a través de una ecuación matemática en la cual se sustenta el modelo. Para facilitar su interpretación se construyó el nomograma de predicción, que constituyó la salida principal de este estudio. Las variables con mayor poder predictivo, que definitivamente quedaron en el modelo y con las cuales se construyó el nomograma fueron: edad (p=0.049), hipertensión arterial (p=0.013), índice neutrófilos/linfocitos (p=0.004), deshidrogenasa láctica (p=0.039) y saturación arterial de oxígeno (p=0.044). El resultado del estadígrafo del test de Hosmer-Lemeshow fue p= 0.976 y la capacidad discriminatoria dada por el área bajo la curva ROC (receiver operating characteristic curve) fue igual a 0.988 (AUC: 0.9882, 95% CI: 0.9756-1). El punto de corte óptimo fue 0. 099.Se concluye que nuestro nomograma constituye un instrumento de gran utilidad para identificar precozmente los pacientes con riesgo de progresar a formas severas de COVID-19. De esta manera, facilita una mejor estratificación y adecuación de tratamientos oportunos, capaces de frenar la progresión de la enfermedad.