Aplicación de un modelo cubano predictivo de mortalidad en pacientes graves por covid-19 en Lombardía, Italia / Application of a Cuban mortality-predictive model in seriously-ill patients with Covid-19 in Lombardy, Italy
Rev. medica electron
;
43(2): 3047-3060, mar.-abr. 2021. tab, graf
Artículo
en Español
| LILACS, CUMED
| ID: biblio-1251925
RESUMEN
RESUMEN Introducción:
la neumonía por covid-19 es la enfermedad infecciosa que ha revolucionado al mundo en los últimos meses. El diagnóstico pasa por varios momentos el cuadro clínico, la analítica sanguínea y las imágenes. La estratificación del riesgo de muerte es muy importante para optimizar los recursos.Objetivos:
validar un modelo matemático cubano predictivo de mortalidad en pacientes ingresados por covid-19. Materiales ymétodos:
estudio de cohorte con 191 pacientes, que ingresaron graves en el Hospital Mayor de Crema, en la provincia de Cremona, región de Lombardía (Italia), en el período de abril a mayo de 2020. El universo estuvo constituido por 191 pacientes, y no se tomó muestra alguna. Las variables fueron edad, estado del paciente, niveles de creatinina plasmática, frecuencia respiratoria, frecuencia cardiaca, presión arterial, niveles de oxígeno y de dióxido de carbono en sangre, valor del sodio y de hemoglobina.Resultados:
mortalidad del 22 % en pacientes graves y críticos, con media de la edad (grupo 1 59 años) (grupo 2 73 años); t-Student = 0,00. Test de Hosmer-Lemenshow (0,766) con elevado ajuste. Sensibilidad = 93 %. Área bajo la curva = 0,957. Porcentaje de aciertos en la regresión logística de 86,4 % y en la red neuronal de 91,2 %. Media del modelo por grupos (grupo 1 4 458) (grupo 2 2 911) t-Student = 0,00.Conclusiones:
el modelo demostró ser muy útil en el flujograma de pacientes atendidos con la covid-19. Permitió detectar tempranamente (a los cinco días del ingreso) los pacientes con alto riesgo de muerte y discriminar aquellos que no tendrían este riesgo, de manera que pudieran ser tratados en unidades de cuidados mínimos (AU).ABSTRACT
ABSTRACT Introduction:
COVID-19 pneumonia is an infectious disease that has revolutionized the world in the last months. The diagnosis goes thought several moments clinical features, blood analytic and images. Death risk stratification is very important to optimize resources.Objective:
to validate the Cuban mathematic predictive model of mortality in patients admitted due to COVID-19. Materials andmethods:
cohort study with 191 seriously-ill patients who were admitted to Maggiore di Crema Hospital, Cremona, Lombardy region, Italy, in the period April-May 2020. The universe were 191 patients and no sample was chosen. The variables were age; patient's status; plasma creatinine levels; respiratory rate; heart rate; arterial pressure; blood oxygen and carbon dioxide levels; values of sodium and hemoglobin.Results:
22 % of mortality in seriously-ill and critical patients, with average age in Group 1 59 years, in Group 2 73 years; t-Student = 0.00. Hosmer-Lemenshow test (0.766) with high adjustment. Sensitivity= 93 %. Area below the curve=0.957. Success percentage in logistic regression of 86.4 % and 91.2 % in the neuronal net. Model media per groups Group 1= 4 458; Group 2= 2 911, t-Student = 0.00.Conclusions:
the model showed to be very useful in the flow chart of patients attended with COVID-19. It allowed to early detect the patients at high death risk five days from admission and discriminating those who were not at risk, in a way that they could be treated in minimal care units (AU).
Texto completo:
Disponible
Índice:
LILACS (Américas)
Asunto principal:
Infecciones por Coronavirus
/
Gravedad del Paciente
/
Predicción
Tipo de estudio:
Estudio diagnóstico
/
Estudio observacional
/
Estudio pronóstico
/
Factores de riesgo
Límite:
Femenino
/
Humanos
/
Masculino
País/Región como asunto:
Cuba
/
Europa
Idioma:
Español
Revista:
Rev. medica electron
Asunto de la revista:
Medicina
Año:
2021
Tipo del documento:
Artículo
País de afiliación:
Cuba
Institución/País de afiliación:
Hospital Militar Dr. Carlos J. Finlay/CU
Similares
MEDLINE
...
LILACS
LIS