Un modelo predice la progresión del COVID-19 en cada fase de la enfermedad

Investigadores del Departamento de Estadística e Investigación Operativa de la Universidad de Valladolid (UVa) y de la Universidad de Cambridge (Reino Unido) han desarrollado un modelo matemático capaz de predecir la progresión de un paciente de COVID-19 desde su diagnóstico hasta su recuperación o, en el peor de los casos, hasta su fallecimiento. El avance se ha publicado en la revista científica ‘PLOS One’, una de las más prestigiosas a nivel internacional.

El primer autor del estudio, el profesor titular de la UVa Pedro C. Álvarez, explica a DiCYT que la investigación abarca la primera ola pandémica en la región e incluye a los 73.180 pacientes de Castilla y León que recibieron un diagnóstico clínico o virológico de la enfermedad entre el 1 de marzo y el 31 de mayo de 2020.

Los investigadores combinaron bases de datos anonimizadas provenientes de Atención Primaria con bases de datos de Atención Hospitalaria y consideraron multitud de factores: variables demográficas como la edad, el sexo o la provincia de residencia; variables relacionadas con enfermedades previas –comorbilidades- agrupadas en 16 categorías -hipertensión, hipercolesterolemia, obesidad, diabetes, enfermedades renales, psiquiátricas, respiratorias, etc.-; vacunas previas -neumococo y gripe-, variables que recogen complicaciones durante la enfermedad -neumonía, neumonía bilateral, insuficiencia cardíaca o respiratoria, tromboembolismos, etc.- y tratamientos farmacológico; junto con las fechas en que se iban produciendo los diferentes eventos, estados y complicaciones.

“Tratamos, por un lado, de identificar los factores de riesgo en las diferentes transiciones entre estados que se producen en la enfermedad y, por otro, cuantificar en forma de probabilidades esos riesgos”, apunta Álvarez. En el modelo desarrollado por el equipo de la UVa, un paciente entra en el estado inicial en la fecha en que el proceso de infección se registra por primera vez y puede ser seguido, en los casos graves, de una hospitalización en planta y, en los casos críticos, también de una estancia en UCI más una segunda estancia en planta. Desde todos estos estados, se consideraron también las transiciones a los estados finales, recuperación o fallecimiento.

 

 

“Hemos conseguido un modelo que, a partir de la edad, sexo y enfermedades previas, proporciona para cada persona la probabilidad de que pase de un estado a otro dependiendo además del número de días que lleva en el estado del que se parte. En el artículo ofrecemos un gráfico de cómo sería para una persona de 40 años y cómo sería para otra de 75 -independientemente del resto de variables que influyen-. Pero si además, conocemos y fijamos el resto, podemos dar una predicción probabilística para cada persona de forma individualizada. Por supuesto, siempre en términos de probabilidades”, subraya.

Un posible efecto “aprendizaje”

Además de la novedad metodológica que supone la aplicación en COVID-19 de los denominados ‘modelos multiestado con riesgos en competencia’ -que se habían utilizado previamente en otras enfermedades como el cáncer-, el equipo investigador destaca la riqueza de los datos utilizados. “Hemos podido usar toda la información clínica disponible, de modo que el estudio incluye a todos los afectados en una región extensa como Castilla y León durante la primera ola. Esto ha sido posible gracias a la inestimable colaboración de SACYL y sus técnicos”, destaca.

Otra de las principales novedades ha sido la inclusión en el modelo de una variable que tiene en cuenta el mes en el que se produce el inicio de la enfermedad (marzo, abril o mayo). “Y lo que vemos es que esta variable es muy significativa. En las mismas condiciones de las otras variables (edad, sexo, enfermedades previas) el pronóstico es claramente mejor cuanto más tarde se ha producido la infección. Creemos que esta variable está recogiendo un efecto de aprendizaje del personal médico en el manejo de la enfermedad y quizás también mejores condiciones materiales”, agrega Álvarez.

Estimación del material sanitario necesario en Castilla y León

La colaboración con la Consejería de Sanidad surge en el marco de la pandemia. Desde la Institución sanitaria existía la necesidad urgente de estimar el material sanitario (EPIs, mascarillas, guantes, etc.) que se podía precisar en cada momento y, en ese campo, las predicciones que pueden ofrecer los modelos estadísticos y matemáticos han demostrado ser de gran utilidad.

“Unos días después del confinamiento nos pusimos a estudiar y manejar diferentes modelos matemáticos y estadísticos de evolución de pandemias y empezamos a enviar predicciones de material sanitario que actualizábamos cada dos o tres días. Esencialmente teníamos que predecir el número de infectados por el virus, y de ellos la cifra que iba a llegar a los hospitales y a las UCIs de Castilla y León. Estas predicciones fueron finalmente bastante ajustadas en cuanto al pico de la primera ola y el número de hospitalizados”, recuerda Pedro C. Álvarez.

Un tiempo después, los investigadores entraron a formar parte de la iniciativa ‘Acción Matemática contra el coronavirus’ del Comité Español de Matemáticas (CEMat), entidad que dirige el Catedrático de la UVa Alfonso Gordaliza. El equipo se integró en un grupo de predicción cooperativa que permitió extender las predicciones de sus modelos al marco nacional.

“Cuando terminó la primera ola, a comienzos de verano de 2020, nos planteamos cómo podíamos seguir ayudando en el combate de la pandemia y consideramos que algunos modelos de análisis de supervivencia que conocíamos bien, podían ser útiles para identificar y cuantificar el efecto de factores de riesgo en la evolución del COVID-19. Así que planteamos el estudio”, precisa.

Los modelos, vitales ante una situación de emergencia

El profesor de la UVa hace hincapié en cómo los modelos pueden ser vitales ante situaciones de emergencia sanitaria como la vivida con el coronavirus. “El gestor hospitalario, ya sea a nivel de un hospital o de una región, tiene que proveer de camas de planta y UCI, y planificar qué recursos adicionales puede movilizar. Para ello necesita acotar la incertidumbre, es decir, tener una predicción de los anteriores números, y también de cuándo se va a producir el pico de la ola y de qué intensidad puede ser”.

Del mismo modo, el personal médico, ante una enfermedad desconocida, “tiene que tomar decisiones clínicas en las que la información científica de factores -que aumentan o disminuyen el riesgo de gravedad o muerte- y tratamientos efectivos -y cuáles no- es fundamental”.

También los gestores de salud pública deben proponer y aprobar medidas “no farmacéuticas” -restricciones sobre actividades de la población- para contener la expansión de la enfermedad. “Si disponen de modelos que les permitan predecir qué medidas son eficaces y cuantificar su efecto, podrán tomar mejores decisiones en todos los sentidos”, concluye el profesor de la UVa.

Compartir este artículo

Artículos relacionados

En un artículo de revisión publicado en Nature Cardiovascular Research por expertos en cardiología, neumología y ciencias de investigación básica del Brigham and Women's Hospital, los investigadores exponen la evidencia que demuestra cómo el asma alérgica y otras alergias asociadas pueden ser factores de riesgo de CVD y cómo los medicamentos administrados para tratar el asma también puede influir en el riesgo de ECV.
Se cree que la corteza cerebral es la sede del procesamiento consciente en el cerebro. En lugar de inactivarse, algunas células específicas de la corteza cerebral muestran una mayor actividad espontánea durante la anestesia general que cuando se está despierto, y esta actividad se sincroniza entre esas células corticales. Una mejor comprensión de los mecanismos neuronales de la anestesia general podría dar lugar a mejores fármacos anestésicos y a mejores resultados quirúrgicos.