..Redacción.
Un estudio ha delineado cuatro nuevos subgrupos de Covid-19 que pueden identificarse dentro de las 24 horas posteriores al ingreso de la UCI. Asimismo, ayuda a emparejar a los pacientes con tratamientos específicos, mejorando su atención y resultados generales. Dicho proyecto se ha publicado en la ‘Journal of the American Medical Informatics Association’. Los investigadores pertenecen a Mount Sinai Health System (Sistema de Salud Monte Sinaí), que es una red de hospitales de Nueva York.
Un estudio delinea 4 subgrupos de Covid-19 en pacientes en UCI que ayuda a emparejar tratamientos específicos
Los investigadores han utilizado el análisis de agrupación de secuencias para identificar subfenotipos clínicos en pacientes con Covid-19 gravemente enfermos que tenían patrones temporales distintos durante las primeras 24 horas y diferentes resultados clínicos a los 30 días. Estas características temporales son evidentes solo cuando se consideran múltiples características durante un período de tiempo. Este análisis de agrupación de una nueva técnica de extracción de datos que puede detectar patrones de progresión de la enfermedad.
“Si bien los pacientes hospitalizados con Covid-19 pueden tener características iniciales similares, sus trayectorias clínicas y resultados de salud a lo largo del tiempo pueden ser muy diferentes. Nuestro estudio demuestra la importancia de revelar similitudes temporales de enfermedades para identificar subfenotipos reproducibles y clínicamente relevantes y sugiere que se justifica una mayor exploración de las progresiones temporales de estas características clínicas”, ha explicado el autor Girish N. Nadkarni, jefe de la División de Medicina Digital y Controlada por Datos.
Concretamente, el estudio ha analizado datos de más de 1.000 pacientes críticamente enfermos con infección confirmada y fueron ingresados en la UCI. Transformaron diez biomarcadores y siete tratamientos durante las primeras 24 horas de la admisión en la UCI en una secuencia que consta de 16 intervalos de intervalo no superpuestos, cada uno de 1,5 horas de duración y caracterizado como uno de 10 estados distintos.
El estudio ha analizado datos de más de 1.000 pacientes críticamente enfermos con infección confirmada y fueron ingresados en la UCI
Los investigadores identificaron cuatro subfenotipos: el subfenotipo I que incluyó a pacientes con signos vitales irregulares pero con menor necesidad de intervenciones invasivas dentro de las primeras 24 horas; El subfenotipo II, que representó a los pacientes con el menor grado de dolencias, una mortalidad relativamente baja y la mayor probabilidad de alta hospitalaria; El subfenotipo III, aquellos pacientes que experimentaron un deterioro clínico durante las primeras 24 horas que condujo a malos resultados; Y, por último, el subfenotipo IV, que representó una trayectoria de síndrome de dificultad respiratoria aguda con una necesidad casi universal de ventilación mecánica.
“El Covid-19 se ha estudiado extensamente. Sin embargo, todavía tenemos un conocimiento limitado de la atención clínica eficaz para pacientes críticamente enfermos. Los métodos de aprendizaje automático de última generación nos permiten revelar nuevos subfenotipos temporales a partir de registros médicos con resolución de una hora. Estos subfenotipos temporales brindan nuevos conocimientos sobre las afecciones subyacentes de los pacientes y el curso de la progresión de la enfermedad durante la estadía en la unidad de cuidados intensivoo. Y, en última instancia, facilitan la atención clínica personalizada de los pacientes con una decisión informada”, ha explicado Wonsuk Oh, miembro del Instituto Hasso Plattner de Salud Digital.
Noticias complementarias:
- La tercera dosis frente al Covid-19 es segura y aumenta los anticuerpos, aunque con «grandes variaciones» entre vacunas
- Javier Urzay (Farmaindustria): «Tenemos la oportunidad de convertir a España en una potencia en investigación farmacéutica»
- Investigadores del CSIC apuestan por la fagoterapia como alternativa a los antibióticos para frenar las resistencias
