Estratégias Preditivas na Detecção do Agravamento do Quadro Clínico de Pacientes com COVID-19: Uma Revisão de Escopo / Predictive Strategies in Detecting the Worsening of the Clinical Condition of Patients with COVID-19: A Scoping Review / Estrategias predictivas para detectar el empeoramiento de la condición clínica de los pacientes con COVID-19: Una Revisión de Alcance

Objetivo: Este artigo apresenta uma Revisão de Escopo (RE) para identificar estratégias preditivas na detecção do agravamento do quadro clínico de pacientes com a COVID-19. Método: A RE foi conduzida com a busca de trabalhos indexados em seis fontes de busca usando uma string de busca, critérios de inclusão e exclusão. Resultados: Mediante a execução do protocolo da RE, 329 estudos foram retornados, dos quais 9 foram selecionados ao final da análise. Na avaliação dos estudos, foi possível identificar os algoritmos utilizados na construção dos modelos de predição, as linguagens e ferramentas, a origem dos dados, bem como as variáveis mais relevantes. Conclusão: A partir dos resultados alcançados, pode-se concluir que modelos preditivos estão sendo desenvolvidos com o objetivo de auxiliar os profissionais de saúde na detecção de fatores relacionados ao agravamento da doença, mas poucos estão sendo disponibilizados, o que dificulta a utilização em um contexto real.

Objective: This article presents a Scope Review (ScR) to identify predictive strategies for detecting the worsening of the clinical picture of patients with COVID-19. Method: ScR was performed by identifying indexed articles in six search sources through a search string, inclusion, and exclusion criteria. Results: When the protocol was executed, 329 studies returned, from which 9 were summarized at the end of the analysis. Through the evaluation of the studies, it was possible to identify the algorithms used in the construction of the predictive models, the programming languages and tools, the origin of the data, as well as the most relevant variables. Conclusion: Based on the results, we conclude that predictive models developed to help health professionals detect factors related to the worsening of the disease, but few are available, which makes it complicated to use in real work contexts.

Objetivo: Este artículo presenta una Revisión del Alcance (RA) para identificar estrategias predictivas para detectar el empeoramiento del cuadro clínico de los pacientes con COVID-19. Método: La RA se realizó en la búsqueda de trabajos indexados en seis fuentes de búsqueda mediante una cadena de búsqueda, criterios de inclusión y exclusión. Resultados: Tras la ejecución del protocolo ER, se devolvieron 329 estudios, de los cuales se seleccionaron 9 al final del análisis. A través de la evaluación de los estudios, fue posible identificar los algoritmos utilizados en la construcción de los modelos de predicción, los lenguajes y herramientas, el origen de los datos, así como las variables más relevantes. Conclusión: De los resultados obtenidos se puede concluir que se están desarrollando modelos predictivos con el objetivo de ayudar a los profesionales de la salud en la detección de factores relacionados con el agravamiento de la enfermedad, pero pocos se están poniendo a disposición, lo que dificulta su uso. en un contexto real.

Fatores para não-adesão ao programa de controle da hipertensão arterial em Campo Grande, MS / Factors for nonadherence to the Arterial Hypertension Control Program in Campo Grande, MS, Brazil

A adesão ao tratamento farmacológico em doenças crônicas como a hipertensão arterial, é fundamental para o controle, prevenção de complicações e diminuição da mortalidade. Identificar os fatores que levam a não adesão ao programa de controle de hipertensão arterial, em Unidades Básicas de Saúde de Campo Grande, MS e produzir um modelo de predição desta condição foi o objetivo do presente estudo. Utilizou-se o método de caso-controle, aninhado a coorte de pacientes cadastrados no programa, no período de 2002 a 2005. Foi utilizada regressão logística tendo como variável-resposta ?adesão ao programa?. As associações significativas identificadas na análise univariada foram: características socioeconômicas, da doença, do tratamento e as relacionadas ao programa. Para prever a adesão, mantiveram-se no modelo as seguintes variáveis: dificuldade em ir ao programa, renda familiar, presença de diabetes, escolaridade e viver com companheiro. Com base no modelo, a probabilidade do paciente ser classificado corretamente como aderente, é de aproximadamente, 80% e como não aderente, 67%. O modelo identifica precocemente, pacientes vulneráveis à não adesão ao programa propiciando que este institua medidas voltadas aos prováveis, não aderentes.

Adherence to the pharmacological treatment of chronic diseases such as arterial hypertension is decisive in their control, in preventing complications, and in decreasing mortality rates. To identify factors that led patients to drop out of an arterial hypertension control program available at local district clinics of the government-run National Health Service in Campo Grande, MS, Brazil, and to design a model to predict adherence. A nested case?control study was conducted on subjects selected from within a cohort of patients enrolled in the above program, from 2002 to 2005. Binary logistic regression was used, with ?adherence to program? as the binary response variable. Data were subjected to logistic regression analysis to generate a model capable of predicting adherence. Factors identified: difficulty in going to the venue where the program was available, family income, presence of diabetes, level of education and living with a partner. When the logistic regression model was used, the probability of a patient being correctly classified as adherent and nonadherent was approximately 80% and 67%, respectively. The model enables early identification of patients prone to nonadherence to the control program, thus making it possible to implement measures directed at potentially nonadherent participants.