| Tesis Doctorales de la Universidad de Alcalá |
| VALIDACIÓN DE UN MODELO DE PREDICCIÓN CLÍNICA DE MORTALIDAD O INGRESO EN UCI POR COVID-19 | | Autor/a | Varela Plaza, Álvaro | | Departamento | Biología de Sistemas | | Director/a | Torralba González de Suso, Miguel | | Fecha de defensa | 24-03-2025 | | Calificación | Sobresaliente cum laude | | Programa | Ciencias de la Salud (RD 99/2011) | | Mención internacional | No | | Resumen | Introducción: en diciembre de 2019 se notificaron en la ciudad china de Wuhan una agregación de casos de neumonía de origen desconocido, con un nexo epidemiológico en el mercado de pescado y marisco de Huanan. El día 7 de enero de 2020, se identificó como agente etiológico un betacoronavirus desconocido hasta el momento; SARS-CoV-2. La infección, que pasó a denominarse COVID-19, presenta un espectro clínico amplio, que varía entre una infección respiratoria leve y un cuadro de distrés respiratorio agudo. Los casos se extendieron a nivel mundial rápidamente, causando hasta la fecha más de 776 millones de infecciones en todo el mundo y más de 7 millones de fallecidos.
En una situación de colapso sanitario es esencial determinar el riesgo de progresión y la probabilidad de fallecer de los pacientes infectados, pero los modelos pronósticos de neumonía adquirida en la comunidad tienden a infraestimar la gravedad en la COVID-19. Durante los últimos años, se han desarrollado múltiples modelos pronósticos específicos para esta entidad, muchos con elevado riesgo de sesgos, problemas de generalización y variables escasamente reproducibles o subjetivas, por lo que resulta esencial desarrollar un modelo sencillo, reproducible y ajustado al riesgo particular los pacientes con COVID-19, que permita identificar de forma precoz cuál es el riesgo de fallecer o ingresar en UCI/UCRI, y de esta forma, mejorar la gestión de recursos y la atención sanitaria.
Hipótesis: existen variables clínicas, analíticas, epidemiológicas y radiológicas, que son capaces de predecir de forma precoz qué pacientes evolucionarán hacia formas graves de la enfermedad, desarrollando un cuadro de ARDS que precise ingreso en UCI o que condicione la muerte del paciente. Se postulan como variables predictoras de este end point combinado la edad, el sexo, el hábito tabáquico, la presencia de comorbilidades, la afectación radiológica multilobar, la linfopenia, el ascenso de PCR, dímero, ferritina, LDH y CPK, la saturación de oxígeno disminuida, la SpFiO2, la taquipnea y la fiebre.
Objetivos: el objetivo principal es desarrollar y validar un modelo pronóstico que estime el riesgo de muerte o ingreso en UCI/UCRI de pacientes ingresados por COVID-19, que sea aplicable desde la primera atención recibida en urgencias.
Material y métodos: se propone un estudio de cohortes retrospectivo, seleccionando todos los pacientes ingresados con un diagnóstico confirmado de COVID-19 mediante PCR-TMA entre 27/02/2020 y el 31/05/2021 en el Hospital Universitario de Guadalajara. Se analizarán los datos mediante regresión logística y regresión de COX para identificar las variables relacionadas independientemente con mortalidad/ingreso en UCI/UCRI. La capacidad de discriminación se analizará mediante curvas ROC. Para la validación del modelo se dividirá la muestra al 50% de forma aleatoria y se repetirá el proceso a partir de las variables identificadas en la cohorte general. Se propone un modelo pronóstico desarrollado mediante Phyton con XGBOOST e imputación de valores perdidos por la técnica de KNN.
Resultados y discusión: se reclutaron un total de 1134 pacientes. El 62,3% fueron varones (707 pacientes) con una mediana de edad de 68.9 años (RIC 55,9-82,2). Un 26,5% (300 pacientes) alcanzaron el end point combinado (UCI/UCRI/muerte). 770 individuos pudieron ser analizados en la regresión logística multivariable (364 missing values). La edad, el sexo (varón), el hábito tabáquico, la afectación radiológica multilobar, la taquipnea, la SpFiO2 disminuida y el ascenso de LDH y CPK se relacionan independientemente con mortalidad o ingreso en UCI/UCRI. El modelo presenta adecuada discriminación (AUC 0.831; IC95% 0.798-0.864). En la cohorte de derivación (N=398), la edad, ser varón, el hábito tabáquico, afectación multilobar radiológica, taquipnea, SpFiO2 baja y LDH elevada, se relacionaron independientemente con mortalidad o ingreso en UCI/UCRI. El modelo presentó adecuada discriminación, con un AUC de 0.827 (IC95% 0.78-0.87) y 0.823 (IC95% 0.77-0.86) en la cohorte de derivación y validación respectivamente, no hubo diferencias significativas. El modelo con imputación de valores perdidos describe las mismas ocho variables que la regresión logística sin imputación. Aunque permite validar el modelo, no mejora la capacidad de discriminación (AUC imputado 0.798, 0.747 derivación y validación respectivamente). El modelo desarrollado con IA analizó 1134 pacientes e identificó fundamentalmente 11 variables relacionadas con mortalidad e ingreso en UCI/UCRI (índice ROX, afectación radiológica multilobar, valores elevados de ferritina, PCR, dímero D, LDH, CPK y AST, hipertensión, edad y neutrofilia). El modelo queda validado, y presentó una adecuada discriminación en la cohorte de derivación y validación (AUC 0.8 y 0.75 respectivamente).
Conclusiones: se propone un modelo pronóstico sencillo, validado y aplicable desde urgencias para estimar la mortalidad y el ingreso en UCI/UCRI de los pacientes COVID-19 atendidos en urgencias. La IA permite identificar variables relacionadas con progresión de la enfermedad, que son difíciles de recoger por el ámbito en el que se desarrolla este modelo, y añade información al perfil de riesgo de los pacientes COVID-19. |
|
