Nomograma de predicción para la estratificación del riesgo en pacientes con COVID-19
Barra lateral del artículo
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
La publicación se distribuye bajo la licencia Creative Commons Attribution-NonCommercial-Non Derivatives 4.0 International ( CC BY-NC-ND 4.0). Los derechos de los trabajos publicados en esta revista son propiedad del autor, los cuales son libres de distribuir y difundir las mismas, siempre que cite correctamente la fuente, no se generen obras derivadas y estos actos no tengan fines comerciales.
Contenido principal del artículo
Resumen
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.
Citas
Beigel, J. H., Tomashek, K. M., & Dodd, L. E. (2020). Remdesivir for the Treatment of Covid-19 - Preliminary Report. Reply. The New England journal of medicine, 383(10): 994. Disponible en: https://doi.org/10.1056/NEJMc2022236
Cecconi, M., Piovani, D., Brunetta, E., Aghemo, A., Greco, M., Ciccarelli, M., Angelini, C., Voza, A., Omodei, P., Vespa, E., Pugliese, N., Parigi, T. L., Folci, M., Danese, S., & Bonovas, S. (2020). Early Predictors of Clinical Deterioration in a Cohort of 239 Patients Hospitalized for Covid-19 Infection in Lombardy, Italy. Journal of clinical medicine, 9(5): 1548. Disponible en: https://doi.org/10.3390/jcm9051548
Chen, N., Zhou, M., Dong, X., Qu, J., Gong, F., Han, Y., Qiu, Y., Wang, J., Liu, Y., Wei, Y., Xia, J., Yu, T., Zhang, X., & Zhang, L. (2020). Epidemiological and clinical characteristics of 99 cases of 2019 novel coronavirus pneumonia in Wuhan, China: a descriptive study. Lancet (London, England), 395(10223): 507–513. Disponible en: https://doi.org/10.1016/S0140-6736(20)30211-7
Gong, J., Ou, J., Qiu, X., Jie, Y., Chen, Y., Yuan, L., Cao, J., Tan, M., Xu, W., Zheng, F., Shi, Y., & Hu, B. (2020). A Tool for Early Prediction of Severe Coronavirus Disease 2019 (COVID-19): A Multicenter Study Using the Risk Nomogram in Wuhan and
Guangdong, China. Clinical infectious diseases : an official publication of the Infectious Diseases Society of America, 71(15): 833–840. Disponible en: https://doi.org/10.1093/cid/ciaa443
Goyal, P., Choi, J. J., Pinheiro, L. C., Schenck, E. J., Chen, R., Jabri, A., Satlin, M. J., Campion, T. R., Jr, Nahid, M., Ringel, J. B., Hoffman, K. L., Alshak, M. N., Li, H. A., Wehmeyer, G. T., Rajan, M., Reshetnyak, E., Hupert, N., Horn, E. M., Martinez, F. J.,
Gulick, R. M., … Safford, M. M. (2020). Clinical Characteristics of Covid-19 in New York City. The New England journal of medicine, 382(24): 2372–2374. Disponible en: https://doi.org/10.1056/NEJMc2010419
Grasselli, G., Zangrillo, A., Zanella, A., Antonelli, M., Cabrini, L., Castelli, A., Cereda, D., Coluccello, A., Foti, G., Fumagalli, R., Iotti, G., Latronico, N., Lorini, L., Merler, S., Natalini, G., Piatti, A., Ranieri, M. V., Scandroglio, A. M., Storti, E., Cecconi, M., …
COVID-19 Lombardy ICU Network (2020). Baseline Characteristics and Outcomes of 1591 Patients Infected With SARS-CoV-2 Admitted to ICUs of the Lombardy Region, Italy. JAMA, 323(16): 1574–1581. Disponible en: https://doi.org/10.1001/jama.2020.5394
Guan, W. J., Liang, W. H., Zhao, Y., Liang, H. R., Chen, Z. S., Li, Y. M., Liu, X. Q., Chen, R. C., Tang, C. L., Wang, T., Ou, C. Q., Li, L., Chen, P. Y., Sang, L., Wang, W., Li, J. F., Li, C. C., Ou, L. M., Cheng, B., Xiong, S., … China Medical Treatment Expert Group for COVID-19 (2020a). Comorbidity and its impact on 1590 patients with COVID-19 in China: a nationwide analysis. The European respiratory journal, 55(5): 2000547. Disponible en: https://doi.org/10.1183/13993003.00547-2020
Guan, W. J., Ni, Z. Y., Hu, Y., Liang, W. H., Ou, C. Q., He, J. X., Liu, L., Shan, H., Lei, C. L., Hui, D., Du, B., Li, L. J., Zeng, G., Yuen, K. Y., Chen, R. C., Tang, C. L., Wang, T., Chen, P. Y., Xiang, J., Li, S. Y., … China Medical Treatment Expert Group for Covid-19 (2020b). Clinical Characteristics of Coronavirus Disease 2019 in China. The New England journal of medicine, 382(18): 1708–1720. Disponible en: https://doi.org/10.1056/NEJMoa2002032
Gupta, R. K., Marks, M., Samuels, T., Luintel, A., Rampling, T., Chowdhury, H., Quartagno, M., Nair, A., Lipman, M., Abubakar, I., van Smeden, M., Wong, W. K., Williams, B., & Noursadeghi, M., (2020). Systematic evaluation and external validation of 22 prognostic models among hospitalised adults with COVID-19: an observational cohort study. The European respiratory journal, 56(6): 2003498. Disponible en: https://doi.org/10.1183/13993003.03498-2020
Henry, B. M., Aggarwal, G., Wong, J., Benoit, S., Vikse, J., Plebani, M., & Lippi, G. (2020). Lactate dehydrogenase levels predict coronavirus disease 2019 (COVID-19) severity and mortality: A pooled analysis. The American journal of emergency medicine, 38(9): 1722–1726. Disponible en: https://doi.org/10.1016/j.ajem.2020.05.073.
Horby, P., Lim, W. S., Emberson, J. R., Mafham, M., Bell, J. L., Linsell, L., Staplin, N., Brightling, C., Ustianowski, A., Elmahi, E., Prudon, B., Green, C., Felton, T., Chadwick, D., Rege, K., Fegan, C., Chappell, L. C., Faust, S. N., Jaki, T., … Landray, M. J. (2021). Dexamethasone in Hospitalized Patients with Covid-19. The New England journal of medicine, 384(8): 693–704. Disponible en:https://doi.org/10.1056/NEJMoa2021436
Imam, Z., Odish, F., Gill, I., O'Connor, D., Armstrong, J., Vanood, A., Ibironke, O., Hanna, A., Ranski, A., & Halalau, A. (2020). Older age and comorbidity are independent mortality predictors in a large cohort of 1305 COVID-19 patients in Michigan, United States. Journal of internal medicine, 288(4): 469–476. Disponible en: https://doi.org/10.1111/joim.13119
Ji, D., Zhang, D., Xu, J., Chen, Z., Yang, T., Zhao, P., Chen, G., Cheng, G., Wang, Y., Bi, J., Tan, L., Lau, G., & Qin, E. (2020). Prediction for Progression Risk in Patients With COVID-19 Pneumonia: The CALL Score. Clinical infectious diseases : an official publication of the Infectious Diseases Society of America, 71(6); 1393–1399. Disponible en: https://doi.org/10.1093/cid/ciaa414
Ji, W., Wang, W., Zhao, X. and Zai, J.,&Wong K. (2020). Cross-species transmission of the newly identified coronavirus 2019-nCoV. Journal of medical virology, 92: 433– 440. https://doi.org/10.1002/jmv.25682
Kamyshnyi, A., Krynytska, I., Matskevych, V., Marushchak, M., & Lushchak, O. (2020). Arterial Hypertension as a Risk Comorbidity Associated with COVID-19 Pathology. International journal of hypertension, 2020, 8019360. Disponible en: https://doi.org/10.1155/2020/8019360
Kermali, M., Khalsa, R. K., Pillai, K., Ismail, Z., & Harky, A. (2020). The role of biomarkers in diagnosis of COVID-19 - A systematic review. Life sciences, 254, 117788. Disponible en: https://doi.org/10.1016/j.lfs.2020.117788.
Liang, W., Liang, H., Ou, L., Chen, B., Chen, A., Li, C., Li, Y., Guan, W., Sang, L., Lu, J., Xu, Y., Chen, G., Guo, H., Guo, J., Chen, Z., Zhao, Y., Li, S., Zhang, N., Zhong, N., He, J., … China Medical Treatment Expert Group for COVID-19 (2020). Development and Validation of a Clinical Risk Score to Predict the Occurrence of Critical Illness in Hospitalized Patients With COVID-19. JAMA internal medicine, 180(8): 1081–1089. Disponible en: https://doi.org/10.1001/jamainternmed.2020.2033
Lippi, G., & Plebani, M. (2020). Laboratory abnormalities in patients with COVID-2019 infection. Clinical chemistry and laboratory medicine, 58(7): 1131–1134. Disponible en: https://doi.org/10.1515/cclm-2020-0198
Lipsitch, M., Swerdlow, D. L., & Finelli, L. (2020). Defining the Epidemiology of Covid-19 - Studies Needed. The New England journal of medicine, 382(13): 1194–1196. Disponible en: https://doi.org/10.1056/NEJMp2002125
Lu, H., Stratton, C. & Tang, Y., 2020. Outbreak of pneumonia of unknown etiology in Wuhan, China: The mystery and the miracle. Journal of medical virology, 92(4): 401-402. Disponible en: https://doi.org/10.1002/jmv.25678.
Naciones Unidas. (2020) Informe de políticas: Los efectos de laCOVID-19 en laspersonas de edad. New York: Naciones Unidas; Disponible en: https://www.un.org/sites/un2.un.org/files/old_persons_spanish.pdf
Schiffrin, E. L., Flack, J. M., Ito, S., Muntner, P., & Webb, R. C. (2020). Hypertension and COVID-19. American journal of hypertension, 33(5): 373–374. Disponible en: https://doi.org/10.1093/ajh/hpaa057
Singer, M., Deutschman, C. S., Seymour, C. W., Shankar-Hari, M., Annane, D., Bauer, M., Bellomo, R., Bernard, G. R., Chiche, J. D., Coopersmith, C. M., Hotchkiss, R. S., Levy, M. M., Marshall, J. C., Martin, G. S., Opal, S. M., Rubenfeld, G. D., van der Poll,
T., Vincent, J. L., & Angus, D. C. (2016). The Third International Consensus Definitions for Sepsis and Septic Shock (Sepsis-3). JAMA, 315(8): 801–810. Disponible en: https://doi.org/10.1001/jama.2016.0287
Song, C., Xu, J., He, J., & Lu, Y. (2020). COVID-19 early warning score: a multi-parameter screening tool to identify highly suspected patients. medRxiv.Disponible en: https://doi.org/10.1101/2020.03.05.20031906.
Song, F., (2020). Emerging 2019 Novel Coronavirus (2019-nCoV) Pneumonia. Radiology, 295(1): 210-217. Disponible en: http://doi: 10.1148/radiol.2020209021
Szarpak, L., Ruetzler, K., Safiejko, K., Hampel, M., Pruc, M., Kanczuga-Koda, L., Filipiak, K. J., & Jaguszewski, M. J. (2020). Lactate dehydrogenase level as a COVID-19 severity marker. The American journal of emergency medicine, S0735-6757(20)31034-2. Advance online publication. Disponible en: https://doi.org/10.1016/j.ajem.2020.11.025.
Tatum, D., Taghavi, S., Houghton, A., Stover, J., Toraih, E., & Duchesne, J. (2020). Neutrophil-to-Lymphocyte Ratio and Outcomes in Louisiana COVID-19 Patients. Shock (Augusta, Ga.), 54(5): 652–658. Disponible en: https://doi.org/10.1097/SHK.0000000000001585.
Vélez, M., Velásquez Salazar, P., Acosta-Reyes, J., Vera-Giraldo, C., Franco, J. and Jiménez, C., 2020. Factores clínicos pronósticos de enfermedad grave y mortalidad en pacientes con COVID-19. [ebook] Antioquia: Unidad de Evidencia y Deliberación para la Toma de Decisiones (UNED), p.6. Disponible en: https://es.cochrane.org/sites/es.cochrane.org/files/public/uploads/COVID-19/udea-uned_sintesisrapida_covid-19_pronostico_22abril2020.pdf
Wynants, L., Van Calster, B., Collins, G. S., Riley, R. D., Heinze, G., Schuit, E., Bonten, M., Dahly, D. L., Damen, J., Debray, T., de Jong, V., De Vos, M., Dhiman, P., Haller, M. C., Harhay, M. O., Henckaerts, L., Heus, P., Kammer, M., Kreuzberger, N., Lohmann, A., …&Smeden, M. (2020). Prediction models for diagnosis and prognosis of covid-19 infection: systematic review and critical appraisal. BMJ (Clinical research ed.), 369, m1328. Disponible en: https://doi.org/10.1136/bmj.m1328
Yang, J., Zheng, Y., Gou, X., Pu, K., Chen, Z., Guo, Q., Ji, R., Wang, H., Wang, Y., & Zhou, Y. (2020). Prevalence of comorbidities and its effects in patients infected with SARS-CoV-2: a systematic review and meta-analysis. International journal of infectious diseases : IJID : official publication of the International Society for Infectious Diseases, 94: 91–95. Disponible en: https://doi.org/10.1016/j.ijid.2020.03.017
Yang, X., Yu, Y., Xu, J., Shu, H., Xia, J., Liu, H., Wu, Y., Zhang, L., Yu, Z., Fang, M., Yu, T., Wang, Y., Pan, S., Zou, X., Yuan, S., & Shang, Y. (2020). Clinical course and outcomes of critically ill patients with SARS-CoV-2 pneumonia in Wuhan, China: a single-centered, retrospective, observational study. The Lancet. Respiratory medicine, 8(5): 475–481. Disponible en: https://doi.org/10.1016/S2213-2600(20)30079-5
Zahorec R. (2001). Ratio of neutrophil to lymphocyte counts--rapid and simple parameter of systemic inflammation and stress in critically ill. Bratislavske lekarske listy, 102(1): 5–14.
Zhou, F., Yu, T., Du, R., Fan, G., Liu, Y., Liu, Z., Xiang, J., Wang, Y., Song, B., Gu, X., Guan, L., Wei, Y., Li, H., Wu, X., Xu, J., Tu, S., Zhang, Y., Chen, H., & Cao, B. (2020). Clinical course and risk factors for mortality of adult inpatients with COVID-19 in Wuhan, China: a retrospective cohort study. Lancet (London, England), 395(10229): 1054–1062. Disponible en: https://doi.org/10.1016/S0140-6736(20)30566-3
Zhou, Y., He, Y., Yang, H., Yu, H., Wang, T., Chen, Z., Yao, R., & Liang, Z. (2020). Development and validation a nomogram for predicting the risk of severe COVID-19: A multi-center study in Sichuan, China. PloS one, 15(5): e0233328. Disponible en: https://doi.org/10.1371/journal.pone.0233328
Zhou, Y., Yang, Z., Guo, Y., Geng, S., Gao, S., Ye, S., Hu, Y., and Wang, Y.
(2020). A New Predictor of Disease Severity in Patients with COVID-19 in Wuhan, China. medRxiv. Disponible en: https://doi.org/10.1101/2020.03.24.20042119.