Internistas e investigadores de la Sociedad Española de Medicina Interna (SEMI) han desarrollado y validado el modelo pronóstico «Priority». Permite predecir el riesgo de covid en pacientes hospitalizados a partir de variables clínicas fáciles de obtener como la edad, disnea o presión arterial
Para desarrollar el modelo predictivo, los investigadores analizaron datos de 10.433 pacientes hospitalizados en 132 centros de España entre el 23 de marzo y el 21 de mayo de 2020 incluidos en el registro Semi-covid-19. 7.850 formaron parte de la cohorte de desarrollo y 2.583 de la de validación.
El modelo Priority, impulsado por investigadores del Instituto Ramón y Cajal de Investigación Sanitaria (IRYCIS), incluyó información referente a edad, dependencia, enfermedad cardiovascular, enfermedad renal crónica, disnea, taquipnea, confusión, presión arterial sistólica y saturación igual o menor al 93 % basal o requerimiento de oxígeno suplementario previo a la evaluación.
De los pacientes incluidos en la cohorte de desarrollo, el 25,1 % desarrolló covid grave. De ellos, el 8,3 % ingresó en UCI y el 20,4 % murió, según los resultados del estudio que ha sido publicado en la revista científica «Clinical Microbiology and Infection».
Mientras, el 27 % de los pacientes de la cohorte de validación presentó enfermedad crítica (7,7 % acabaron en cuidados intensivos y el 23 % falleció).
En la investigación se demostró que el modelo desarrollado y validado «estaba bien calibrado, tenía una buena discriminación y se comportó de manera sólida en una cohorte de validación externa». Además «mostró un beneficio clínico potencial en una amplia variedad de escenarios epidemiológicos».
En base a este modelo se ha desarrollado una calculadora, disponible online de forma gratuita, que predice el riesgo de desarrollar enfermedad crítica por Sars-CoV-2.
Los investigadores concluyen que podría aplicarse en el triaje «utilizando variables fácilmente medibles disponibles» en entornos sin acceso a pruebas de laboratorio o radiológicas. También en sistemas sanitarios de bajos recursos, identificando pacientes de alto riesgo para su derivación al hospital.
Subrayan que podría «ser de utilidad para apoyar la toma de decisiones en sistemas de salud bajo alta presión asistencial».
