Algoritmos para la estratificación del riesgo en pacientes con COVID-19
Palabras clave:
COVID-19, riesgo, nomograma, algoritmos, estratificación, tratamientoResumen
Introducción: la predicción del riesgo y los modelos predictivos son conocidos por su utilidad para estimar la planificación y la actuación en torno a las enfermedades. El presente trabajo tiene como objetivo desarrollar un sistema de algoritmos para la estratificación del riesgo en el proceso de atención a pacientes enfermos con COVID-19.
Objetivo: desarrollar un sistema de algoritmos para la estratificación del riesgo en el proceso de atención a los pacientes con COVID-19.
Métodos: los algoritmos se diseñaron a partir de un modelo predictivo desarrollado en una cohorte de 150 pacientes del Hospital “Manuel Fajardo” con el diagnóstico de COVID-19 en el período de marzo a junio de 2020. Fueron construidos con los resultados que se obtuvieron en las diferentes etapas de la investigación y el criterio de expertos de los autores. Incluye la aplicación del nomograma de predicción de riesgo creado con las variables que forman parte de los resultados definitivos del modelo.
Resultados: para la evaluación inicial de los pacientes se tuvieron en cuenta la edad, las comorbilidades, las manifestaciones clínicas y la escala pronóstica Quick SOFA, que definen dónde ingresa el paciente. En las salas de hospitalización se incluyen la radiografía de tórax y la aplicación del nomograma de predicción que clasifica a los pacientes en alto o bajo riesgo. Se establecen pautas para el manejo del paciente alto riesgo y se realizan recomendaciones en el tratamiento una vez determinadas las alteraciones en los exámenes complementarios.
Conclusiones: los algoritmos para la estratificación del riesgo constituyen una herramienta para el tratamiento a pacientes con COVID-19 y ofrecen intervenciones terapéuticas que detienen la progresión de la enfermedad.
Descargas
Citas
1.Gispert E, Castell-Florit P. Respuestas desde la salud pública a la pandemia por el coronavirus SARS-CoV-2. Rev Cubana Salud Pública [Internet]. 2020 [citado 05/05/2021];46(Suppl 1):e2568. Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S0864-34662020000500010
2.Medina-Mendieta J, Cortés-Cortés M, Cortés-Iglesias M, Pérez-Fernández A, Manzano-Cabrera M. Estudio sobre modelos predictivos para la COVID-19 en Cuba. Medisur [Internet]. 2020 [citado 02/05/2021];18(3):431-442. Disponible en: http://medisur.sld.cu/index.php/medisur/article/view/4703/3164
3.Vélez M, Velásquez Salazar P, Acosta Reyes J, Vera Giraldo CY, Santiago Franco J, Jiménez C, et al. Factores clínicos pronósticos de enfermedad grave y mortalidad en pacientes con COVID-19 [Internet]. Medellín: Universidad de Antioquia; 2020 [citado 20/05/2021]. Disponible en: https://es.cochrane.org/sites/es.cochrane.org/files/public/uploads/COVID-19/udea-uned_sintesisrapida_covid-19_pronostico_22abril2020.pdf
4.Cummings MJ, Baldwin MR, Abrams D, Jacobson SD, Meyer BJ, Balough EM, et al. Epidemiology, clinical course, and outcomes of critically ill adults with COVID-19 in New York City: a prospective cohort study. Lancet [Internet]. 2020 [citado 20/05/2020];395(10239):1763-1770. Disponible en: https://www.sciencedirect.com/science/article/pii/S0140673620311892. https://doi.org/10.1016/s0140-6736(20)31189-2
5.Zhou F, Yu T, Du R, Fan G, Liu Y, Liu Z, et al. Clinical course and risk factors for mortality of adult inpatients with COVID-19 in Wuhan, China: a retrospective cohort study. Lancet [Internet]. 2020 [citado 22/05/2021];395(10229):1054-1062. Disponible en: https://www.sciencedirect.com/science/article/pii/S0140673620305663. https://doi.org/10.1016/S0140-6736(20)30566-3
6.Wynants L, Van Calster B, Collins GS, Riley RD, Heinze G, Schuit E, et al. Prediction models for diagnosis and prognosis of COVID-19: systematic review and critical appraisal. BMJ [Internet]. 2020 [citado 22/05/2021];369:m1328. Disponible en: https://www.bmj.com/content/369/bmj.m1328. https://doi.org/10.1136/bmj.m1328
7.Organización Panamericana de la Salud. ¿Por qué los modelos predictivos son cruciales en la lucha contra la COVID-19? [Internet]. Washington, D.C.: OPS; 2020 [citado 20/05/2021]. Disponible en: https://iris.paho.org/bitstream/handle/10665.2/52440/OPSEIHISCOVID-19200007_spa.pdf
8.Herrera Cartaya CE, Betancourt Cervantes J, Lage Dávila A, Barreto Fiu EE, Sánchez Valdés L, Chávez González E, et al. Variables associated with severity in COVID-19 patients. Int J Med Surg Sci [Internet]. 2021 [citado 27/08/2021];8(3):1-15. Disponible en: https://revistas.uautonoma.cl/index.php/ijmss/article/view/1612. https://doi.org/10.32457/ijmss.v8i3.1612
9.Herrera Cartaya CE, Lage Dávila A, Betancourt Cervantes J, Barreto Fiu EE, Sánchez Valdés L, Crombet Ramos T. Nomograma de predicción para la estratificación del riesgo en pacientes con COVID-19. Eur J Health Res [Internet]. 2021 [citado 27/08/2021];7(2):1-19. Disponible en: https://revistas.uautonoma.cl/index.php/ejhr/article/view/1592. https://doi.org/10.32457/ejhr.v7i2.1592
10.Albitar O, Ballouze R, Ooi JP, Sheikh Ghadzi SM. Risk factors for mortality among COVID-19 patients. Diabetes Res Clin Pract [Internet]. 2020 [citado 27/08/2021];166:108293. Disponible en: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7332436/. https://dx.doi.org/10.1016/j.diabres.2020.108293
11.Li G, Liu Y, Jing X, Wang Y, Miao M, Tao L, et al. Mortality risk of COVID-19 in elderly males with comorbidities: a multi-country study. Aging (Albany NY). [Internet]. 2021 [citado 22/05/2021];13(1):27-60. Disponible en: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7835001/. https://dx.doi.org/10.18632/aging.202456
12.Kang SJ, Jung SI. Age-Related Morbidity and Mortality among Patients with COVID-19. Infect Chemother [Internet]. 2020 [citado 22/05/2021];52(2):154–164. Disponible en: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7335648/. https://dx.doi.org/10.3947/ic.2020.52.2.154
13.Zhang JJ, Dong X, Cao YY, Yuan YD, Yang YB, Yan YQ, et al. Clinical characteristics of 140 patients infected with SARS-CoV-2 in Wuhan, China. Allergy [Internet]. 2020 [citado 22/05/2021];75(7):1730-1741. Disponible en: https://pubmed.ncbi.nlm.nih.gov/32077115/. https://doi.org/10.1111/all.14238
14.Li B, Yang J, Zhao F, Zhi L, Wang X, Liu L, et al. Prevalence and impact of cardiovascular metabolic diseases on COVID-19 in China. Clin Res Cardiol [Internet]. 2020 [citado 22/05/2021];109(5):531-538. Disponible en: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7087935/. https://dx.doi.org/10.1007/s00392-020-01626-9
15.Sharma Paudel S. A meta-analysis of 2019 novel coronavirus patient clinical characteristics and comorbidities [Preprint]. Res Square [Internet]. 08 April, 2020 [citado 22/05/2021]:[aprox. 11 p.]. Disponible en: https://www.researchsquare.com/article/rs-21831/v1. https://doi.org/10.21203/rs.3.rs-21831/v1
16.Argenziano MG, Bruce SL, Slater CL, Tiao JR, Baldwin MR, Barr RG, et al. Characterization and clinical course of 1000 patients with coronavirus disease 2019 in New York: retrospective case series. BMJ [Internet]. 2020 [citado 20/05/2021];369:m1996. Disponible en: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7256651/. https://dx.doi.org/10.1136/bmj.m1996
17.Berlin DA, Gulick RM, Martinez FJ. Severe Covid-19. N Engl J Med [Internet]. 2020 [citado 24/05/2021];383(25):2451-2460. Disponible en: https://pubmed.ncbi.nlm.nih.gov/32412710/. https://doi.org/10.1056/nejmcp2009575
18.Ghimire S, Sharma S, Patel A, Budhathoki E, Chakinala R, Khan H, et al. Diarrhea Is Associated with Increased Severity of Disease in COVID-19: Systemic Review and Metaanalysis. SN Compr Clin Med [Internet]. 2021 [citado 24/05/2021];3(1):28-35. Disponible en: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7787639/. https://dx.doi.org/10.1007/s42399-020-00662-w
19.Singer M, Deutschman CS, Seymour CW, Shankar-Hari M, Annane D, Bauer M, et al. The Third International Consensus Definitions for Sepsis and Septic Shock (Sepsis-3). JAMA [Internet]. 2016 [citado 25/05/2021]:315(8):801-810. Disponible en: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4968574/. https://dx.doi.org/10.1001/jama.2016.0287
20.Lalueza A, Lora Tamayo J, de la Calle C, Sayas Catalán J, Arrieta E, Maestro G, et al. Utilidad de las escalas de sepsis para predecir el fallo respiratorio y la muerte en pacientes con COVID-19 fuera de las Unidades de Cuidados Intensivos. Rev Clin Esp [Internet]. 2020 [citado 22/05/2021]:358-363. Disponible en: https://www.sciencedirect.com/science/article/pii/S0014256520302800. https://doi.org/10.1016/j.rce.2020.10.004
21.Herrera Cartaya CE, Betancourt Cervantes JR, Lage Dávila A. El paciente alto riesgo en la COVID-19, definición para mejorar las oportunidades de las intervenciones terapéuticas. Medicentro Electrónica [Internet]. 2021 [citado 08/10/2021];25(3):542-548. Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1029-30432021000300542
22.Ji D, Zhang D, Xu J, Chen Z, Yang T, Zhao P, et al. Prediction for Progression Risk in Patients With COVID-19 Pneumonia: The CALL Score. Clin Infect Dis [Internet]. 2020 [citado 08/04/2021];71(6):1393-1399. Disponible en: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7184473/. https://dx.doi.org/10.1093/cid/ciaa414
23.Du RH, Liang LR, Yang CQ, Wang W, Cao TZ, Li M, et al. Predictors of mortality for patients with COVID-19 pneumonia caused by SARS-CoV-2: a prospective cohort study. Eur Respir J [Internet]. 2020 [citado 08/04/2021];55(5):2000524. Disponible en: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7144257/. https://dx.doi.org/10.1183/13993003.00524-2020
24.Ponti G, Maccaferri M, Ruini C, Tomasi A, Ozben T. Biomarkers associated with COVID-19 disease progression. Crit Rev Clin Lab Sci [Internet]. 2020 [citado 23/05/2021];57(6):389-399. Disponible en: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7284147/. https://dx.doi.org/10.1080/10408363.2020.1770685
25.Xie J, Covassin N, Fan Z, Singh P, Gao W, Li G, et al. Association Between Hypoxemia and Mortality in Patients with COVID-19. Mayo Clin Proc [Internet]. 2020 [citado 23/05/2021];95(6):1138-1147. Disponible en: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7284147/. https://dx.doi.org/10.1016/j.mayocp.2020.04.006
26.Mokhtari T, Hassani F, Ghaffari N, Ebrahimi B, Yarahmadi A, Hassanzadeh G. COVID-19 and multiorgan failure: A narrative review on potential mechanisms. J Mol Histol [Internet]. 2020 [citado 23/05/2021];51(6):613-628. Disponible en: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7533045/. https://dx.doi.org/10.1007/s10735-020-09915-3
27.Parra Gordo ML, Buitrago Weiland G, Grau García M, Arenaza Choperena G. Aspectos radiológicos de la neumonía COVID-19: evolución y complicaciones torácicas. Radiología [Internet]. 2021 [citado 23/05/2021];63(1):74-88. Disponible en: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7687358/. https://dx.doi.org/10.1016/j.rx.2020.11.002
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Aquellos autores/as que tengan publicaciones con esta revista, aceptan los términos siguientes:
- Los autores/as conservarán sus derechos de autor y ceden a la revista el derecho de primera publicación de su obra, el cuál estará simultáneamente sujeto a una licencia Creative Commons Atribución/Reconocimiento-NoComercial 4.0 Internacional — CC BY-NC 4.0 que permite a terceros compartir la obra siempre que se indique su autor y su primera publicación esta revista.
- Los autores/as podrán adoptar otros acuerdos de licencia no exclusiva de distribución de la versión de la obra publicada (p. ej.: depositarla en un repositorio institucional o publicarla en un volumen monográfico) siempre que se indique la publicación inicial en esta revista.
- Se permite y recomienda a los autores/as difundir su obra a través de Internet (p. ej.: en archivos telemáticos institucionales o en su página web) antes y durante el proceso de envío, lo cual puede producir intercambios interesantes y aumentar las citas de la obra publicada. (Véase El efecto del acceso abierto).
15 junio 2025
