ABSTRACT
Introducción y objetivos: Los programas de telemedicina entre clínico y paciente se han desarrollado con fuerza durante la pandemia de enfermedad por COVID-19, pero no hay datos de experiencias entre clínicos. Nuestro objetivo es analizar el impacto de la pandemia por COVID-19 en la actividad y resultados en salud de un programa de consulta electrónica universal (e-consulta) para todas las derivaciones de pacientes entre médicos de atención primaria y el Servicio de Cardiología de nuestra área. Métodos: Analizamos mediante regresión logística 25121 pacientes con al menos una e-consulta entre 2018 y 2021 realizada con el Servicio de Cardiología de nuestra área sanitaria. También se realizó el análisis de regresión logística del impacto de la pandemia por COVID-19 sobre la resolución de la e-consulta y tiempo de espera de la atención, hospitalizaciones y mortalidad, tomando como referencia las consultas realizadas durante 2018. Resultados: Observamos que una menor demora en la atención y resolución de la e-consulta (sin necesidad de atención presencial) se asociaba a un mejor pronóstico. Los períodos de pandemia COVID-19 presentaron similares resultados a los del 2018. Conclusiones: Los resultados de nuestro estudio muestran una significativa reducción de las derivaciones a través de e-consulta durante el primer año de la pandemia por COVID-19 con recuperación posterior de la demanda asistencial sin que los períodos de pandemia se asociasen con peores resultados en salud. La reducción del tiempo de demora de resolución de la e-consulta y el grupo sin necesidad de consulta presencial se asociaron a un mejor pronóstico.
ABSTRACT
BACKGROUND: Healthcare systems are under prominent stress due to the COVID-19 pandemic. A fast and simple triage is mandatory to screen patients who will benefit from early hospitalization, from those that can be managed as outpatients. There is a lack of all-comers scores, and no score has been proposed for western-world population. AIMS: To develop a fast-track risk score valid for every COVID-19 patient at diagnosis. METHODS: Single-center, retrospective study based on all the inhabitants of a healthcare area. Logistic regression was used to identify simple and wide-available risk factors for adverse events (death, intensive care admission, invasive mechanical ventilation, bleeding > BARC3, acute renal injury, respiratory insufficiency, myocardial infarction, acute heart failure, pulmonary emboli, or stroke). RESULTS: Of the total healthcare area population, 447.979 inhabitants, 965 patients (0.22%), were diagnosed with COVID-19. A total of 124 patients (12.85%) experienced adverse events. The novel SODA score (based on sex, peripheral O2 saturation, presence of diabetes, and age) demonstrated good accuracy for adverse events prediction (area under ROC curve 0.858, CI: 0.82-0.98). A cut-off value of ≤2 points identifies patients with low risk (positive predictive value [PPV] for absence of events: 98.9%) and a cut-off of ≥5 points, high-risk patients (PPV 58.8% for adverse events). CONCLUSIONS: This quick and easy score allows fast-track triage at the moment of diagnosis for COVID-19 using four simple variables: age, sex, SpO2, and diabetes. SODA score could improve preventive measures taken at diagnosis in high-risk patients and also relieve resources by identifying very low-risk patients.