Los resultados de la investigación, basada en datos de 14 260 pacientes del ‘Registro SEMI-COVID-19′ recogidos entre febrero y septiembre de 2020, se publican en la revista Medicina Clínica. Al respecto, los investigadores aclaran que estudios iniciales de series extranjeras arrojaron resultados contradictorios o no concluyentes sobre la relación entre el tabaquismo y la covid-19.

Por ello, los internistas piden que se entienda el tabaco como «un factor de riesgo de mala evolución de covid-19″, y realizar «una valoración adecuada del antecedente de tabaquismo al ingreso». Reiteran que ello «podría ayudar a plantear la estrategia de manejo de los pacientes hospitalizados».

En la investigación se describen y exploran, de forma comparativa, las características clínicas y pronóstico en covid-19 de los pacientes hospitalizados por SARS-CoV-2 incluidos en la investigación, que fueron divididos en dos grupos: con hábito activo o pasado de tabaquismo o no fumadores. A todos ellos se les realizó un seguimiento hasta un mes después del alta.

La mediana de edad de los pacientes incluidos en el estudio fue de 68,6 años, con un 57,7 por ciento de varones. El grupo con tabaquismo presentó mayor edad (69,9 años), predominio masculino (80,3 %) y mayor índice de comorbilidad de Charlson.

La evolución fue peor en los pacientes con hábito activo o pasado de tabaquismo, puesto que presentaron una mayor tasa de ingreso en UCI (10,4 frente a 8,1 %), mayor mortalidad intrahospitalaria (22,5 frente al 16,4 %) y reingreso al mes (5,8 % frente al 4,0 %) que el grupo sin tabaquismo.

Respecto a la clínica que presentaban, la disnea (sensación de falta de aire) era más frecuente en los pacientes con tabaquismo, mientras que la fiebre y los síntomas gastrointestinales en los pacientes sin tabaquismo.

Además, los pacientes con tabaquismo ingresaban con saturación de oxígeno de 90 por ciento en un porcentaje mayor que los pacientes sin tabaquismo. Los pacientes con tabaquismo también presentaban un porcentaje mayor de parámetros analíticos de mal pronóstico.

Globalmente, un 8,8 por ciento precisaron ingreso en UCI, siendo más frecuente en los pacientes del grupo tabaquismo (10,4% frente al 8,1%). La necesidad de ventilación mecánica no invasiva o invasiva fue también mayor en los pacientes del grupo de tabaquismo (6,5 % frente al 4,5 %, y 8 % frente 6,6 %, respectivamente).

Además, estos también recibieron antibioterapia empírica (91 frente a 88,6) y tratamientos inmunosupresores o inmunomoduladores en porcentajes superiores, como los corticoesteroides en un 41 por ciento en el grupo de tabaquismo frente al 33,8 por ciento en el de sin tabaquismo.

Distrés respiratorio agudo, la complicación más frecuente

El grupo con tabaquismo presentó más complicaciones y mortalidad durante el ingreso que el grupo sin tabaquismo (52,5 % frente al 48,3 %, y 22,5 % frente al 16,4 %, respectivamente). El síndrome de distrés respiratorio agudo fue la complicación más frecuente en ambos grupos (con un 28,8 % de distrés moderado-severo en el grupo de tabaquismo frente al 22,2 % en el de sin tabaquismo).

También presentaron más frecuentemente empeoramiento radiológico y progresión de la enfermedad los pacientes del grupo con tabaquismo que los del grupo sin tabaquismo (42,6 % frente al 36,5 % y 30,2 % frente al 23,0 %, respectivamente). Tras el alta, hubo más reingresos al mes, pero no más mortalidad, en el grupo con tabaquismo.

Respecto a las diferencias entre fumadores y exhumadores, en el estudio se observó que los exhumadores eran de mayor edad, con un mayor porcentaje de varones, índice de comorbilidad de Charlson y de dependencia moderada-severa. También tenían más factores de riesgo cardiovascular y comorbilidades (aunque no hubo diferencias en las enfermedades respiratorias ni en insuficiencia renal).

Los síntomas clínicos y parámetros analíticos fueron similares, al igual que los ingresos en UCI y la necesidad de ventilación. Sin embargo, los exhumadores precisaron en mayor porcentaje tratamiento inmunomodulador y antibiótico y tuvieron más complicaciones en el ingreso (23,6 frente al 17,6 %), empeoramiento radiológico y progresión de la enfermedad, así como reingresos.

enero 06/2021 (Europa Press) – Tomado de la Selección Temática sobre Medicina de Prensa Latina. Copyright 2019. Agencia Informativa Latinoamericana Prensa Latina S.A.

Referencia:

Sierra Navas Alcántara M. , Montero Riva L., Guisado Espartero M., Rubio-Rivas M., Ayuso García B., Moreno Martinez F., Ausín García C., Taboada Martínez M.L., Arnalich Fernández F., Martínez Murguih R., Molinos Castro S., Ramos Muñoz M.E., Fernández-Garcésk M., Carreño Hernández C., García García G.M., Vázquez Piqueras N., Abadía-Oteron J., Lajara Villaro L., Lumbreras- Bermejou C.: Influencia de la historia de tabaquismo en la evolución de la hospitalización en pacientes COVID-19 positivos: datos del registro SEMI-COVID-19Influence of smoking history on the evolution of hospitalized in COVID-19 positive patients: results from the SEMI-COVID-19 registry. Rev. Medicina Clínica. 2021. doi.org/10.1016/j.medcli.2021.10.011Get rights and content

Neumólogos e investigadores españoles han desarrollado, mediante el uso de inteligencia artificial, un novedoso modelo predictivo que identifica tres factores (edad, fiebre y taquipnea) asociados al perfil de paciente de coronavirus que debe ingresar en la Unidad de Cuidados Intensivos.

Los resultados, publicados en Journal of Medical Internet Research, forman parte de la investigación internacional Big COVIData, con cerca de 150 hospitales de Europa, Estados Unidos, Canadá y Latinoamérica, dirigida por José Luis Izquierdo, del Hospital Universitario de Guadalajara, y Joan B. Soriano y Julio Ancochea, del Hospital La Princesa de Madrid, junto con el equipo de Savana, la empresa española de investigación clínica mediante el uso de inteligencia artificial.

El modelo predictivo de ingresos en UCI, ya a disposición de la comunidad médica de todo el mundo, ha sido desarrollado gracias a la lectura automatizada de historias clínicas anonimizadas de más de un millón de pacientes de los cuales 10 500 tenían la COVID-19, con técnicas de procesamiento del lenguaje natural de los datos en tiempo real en pleno pico de la primera ola de la pandemia.

El sistema combina tres indicadores muy fáciles de detectar: edad superior a 58 años, fiebre por encima de 39 grados Celsius (o inferior, pero acompañada de problemas respiratorios, especialmente cuando son crepitantes) y taquipnea, es decir, más de 20 respiraciones por minuto. “Los profesionales sanitarios pueden incorporar fácilmente estos datos a su práctica clínica, para remitir de inmediato a los pacientes con peor pronóstico a los hospitales, antes de que empeore su condición”, explica Ignacio H. Medrano, fundador y director médico de Savana.

Para el desarrollo del modelo, que está siendo incorporado ya en los protocolos de actuación para la COVID-19 de varios hospitales españoles, se han aplicado técnicas de aprendizaje automático o machine learning y procesamiento del lenguaje natural NLP. Esta tecnología permite detectar de forma automática asociaciones significativas entre variables. La iniciativa es fruto del trabajo titulado Características clínicas y factores pronósticos de ingreso en Unidad de Cuidados Intensivos (UCI) de pacientes con la COVID-19: estudio retrospectivo usando aprendizaje automático y procesamiento del lenguaje natural.

Probabilidad de ingreso

Según el modelo, si un paciente de entre 40 y 79 años con la COVID-19 tiene taquipnea y acude a urgencias, tras ser visto en atención primaria, con alta probabilidad necesitará ingreso en UCI. Por otro lado, si un paciente sin taquipnea y menor de 56 años presenta fiebre inferior a 39 grados, necesitará UCI con poca probabilidad. En general, los síntomas más frecuentes asociados a hospitalizaciones por coronavirus son tos, fiebre y disnea o dificultad respiratoria, aunque estos se dan en menos del 50 % de los pacientes.

Las conclusiones del estudio indican que el 4,8 % de los hospitalizados por la COVID-19 requieren UCI, aunque un 0,2 % del total de los infectados no remitidos al hospital una vez diagnosticados también necesitaron ese tipo de cuidados médicos. De entre los 1 353 pacientes hospitalizados incluidos en el análisis, 65 de ellos necesitaron UCI, al igual que otros 18 que no habían sido previamente ingresados. Las cifras confirman la necesidad de acelerar la identificación precoz de los pacientes con peor pronóstico, especialmente en el caso de aquellos que a priori no suscitan sospechas de gravedad, pero que finalmente requieren Cuidados Intensivos.

Los principales signos y síntomas de pacientes en UCI por la COVID-19 son tos en el 74,7 % de los casos, fiebre (66,3 %), disnea (57,8 %), crepitación respiratoria (36,1 %) y taquipnea, hiperventilación por diversas afecciones (32,5 %). En cuanto a comorbilidad o enfermedades añadidas al coronavirus, la cardiovascular la padece el 72,3 %; la diabetes, el 39,8 %; la obesidad, el 22,9 %; y las enfermedades respiratorias crónicas, el 6 %.

Procesamiento en tiempo real

La tecnología EHRead de Savana aplicada a este estudio utiliza Natural Language Processing Clínico o procesamiento del lenguaje natural para automatizar la lectura anonimizada de miles de historias clínicas electrónicas; en este caso, procedentes de una enorme muestra de 1 364 924 pacientes con historia clínica electrónica, de los cuales 10 500 de Castilla-La Mancha fueron diagnosticados de la COVID-19 al inicio de la primera ola de la pandemia. Los resultados son extrapolables al conjunto de la población española.

La gran ventaja de este sistema es su capacidad para comprender las anotaciones en texto libre, no estructurado, redactadas por los médicos sobre sus pacientes (datos de análisis, tratamientos, etc.). Además, el procesamiento de los datos se hace en tiempo real, en este caso en pleno pico de la primera ola de la pandemia en España, por lo que, en tan solo seis semanas desde su inicio en marzo, se había enviado ya a publicar el artículo a la revista. Por aquel entonces, la cohorte de pacientes en los estudios relativos de la COVID-19 que se publicaban era significativamente menor.

Los pacientes analizados son muchos y se analizan en tiempo real, lo que permite hacer estudios con datos muy recientes, algo imposible en los estudios tradicionales, en los que el desarrollo de métodos predictivos requiere meses de recopilación de datos mediante cuestionarios con múltiples obstáculos para ser validados. “En la actual carrera contra la COVID-19, es urgente y necesario aprovechar los beneficios de los macrodatos y la analítica inteligente para mejorar la salud pública, con las máximas garantías de privacidad y confianza pública para aplicar las mejores prácticas y responsabilidad en la recopilación y el procesamiento de la información, a escala mundial”, comenta Ignacio H. Medrano.

febrero 11/2021 (Diario Médico)