Predicción de resultado positivo para COVID-19 en RT-PCR: Calculadora del Cleveland Clinic

¿Puede un modelo estadístico predecir con precisión la infección por COVID-19?

RECOLECCIÓN: GABRIEL PATRICIO VILLAVICENCIO LOGROÑO
REDACCIÓN:
ERICK ANDRÉS DÍAZ VELOZ, MD.
EDICIÓN: LUZ MARINA LLANGARÍ ARIZO, Blga. M. Sc. 
APROBACIÓN:
VANESSA RAMOS MOREANO, MD. ESP – EMERGENCIAS Y DESASTRES

Instituto de Neurología, Cleveland Clinic

10 de junio de 2020

14 de junio de 2020

  • El modelo estadístico es dependiente de la prevalencia de la enfermedad y requiere ser recalibrado según la dinámica de la pandemia.

  • Se debería validar el nomograma en una población latinoamericana.

Resultado principal del artículo

El estudio presenta una calculadora para predecir el riesgo individual que un paciente tiene para dar positivo para COVID-19. Los autores sugieren que se debería considerar un puntaje de 1.3% como punto de corte siempre correlacionándolo con la entrevista y examinación clínica. Disponible en: https://riskcalc.org/COVID19

Conclusión o recomendación de los autores del artículo

Esta herramienta predictiva es muy útil para el personal de salud ya que ayudaría a canalizar los recursos adecuadamente. Sin embargo, ésta no obvia la necesidad de asegurar la disponibilidad de recursos para realizar pruebas de manera adecuada

Calificación de la evidencia según COVID19EC

El grupo COVID19EC considera que esta herramienta puede ser un recurso adecuado para predecir qué pacientes pueden ser positivos en una prueba para COVID-19. Se podría realizar un estudio para validar esta herramienta en nuestro medio.

El GRUPO COVID19EC califica las recomendaciones de este artículo con un grado de recomendación y un nivel de evidencia 2a.

Estudio prospectivo para crear modelos de predicción de riesgo individualizado para ser positivo para COVID-19, este se realizó en el Sistema de Salud del Cleveland Clinic.

Duración del estudio

Cohorte del Cleveland Clinic Ohio: hasta el 2 de abril de 2020 Cohorte del Cleveland Clinic Florida: 2 de abril – 16 de abril de 2020

Pacientes
Número: 11,672 pacientes que presentaban síntomas de infección respiratoria superior u otros factores de riesgo para COVID-19, sometidos a una prueba para COVID-19.

Grupos:

  • Cohorte de desarrollo: 11,672 pacientes, 818 con COVID-19.

  • Cohorte de validación: 2,295 pacientes, 290 con COVD-19.

Desarrollo del estudio

Se realizó un registro prospectivo por medio de plantillas de recolección de información (clínica, demográfica, de comorbilidades, exposición a COVID-19, medicaciones, síntomas, tratamiento y resultados). Se realizó una validación externa con una cohorte geográfica y temporalmente distinta para realizar un modelo de predicción ilustrado como un nomograma y presentado como una calculadora de riesgo online.

Objetivos del estudio

Desarrollar y validar un modelo estadístico para predecir el riesgo individualizado de una prueba positiva para COVID-19.

Particularidades:

Todos los pacientes se sometieron a un hisopado nasal y orofaríngeo, con el fin de disminuir falsos negativos.

Resultados del Nomograma:

  • Ser trabajador de salud en el Cleveland Clinic o presentar fatiga, producción de esputo, disnea, diarrea e historia de trasplante, fueron variables que no añadieron valor adicional al modelo predictor.

  • Índice de concordancia corregido en la cohorte de desarrollo: 0.863 (IC95% 0.852 – 0.874), y el IPA fue de 20.9% (IC95%: 18.1- 23.7).

  • Índice de concordancia corregido en la cohorte de validación: 0.839 (IC95% 0.817 – 0.861), y el IPA fue de 18.7% (IC95%: 13.6 – 23.9).

Definición del valor de corte:

  • Un valor de corte mayor al 1.3% sirve para determinar alto riesgo.

Hallazgos relevantes al desempeño del modelo:

  • Se observó menor riesgo para dar positivo para COVID-19 en:

    • Asiáticos en comparación a individuos caucásicos.

    • Pacientes con antecedentes de vacuna contra el neumococo y la influenza.

    • Pacientes tomando melatonina, carvedilol y paroxetina.

  • Se observó mayor riesgo en:

    • Pacientes con estado socioeconómico bajo.

** Estos hallazgos tienen que ser validados y reproducidos en ensayos cínicos para poder valorar su significancia.

Mann-Whitney U, Chi cuadrado, regresión logística multivariable, paquete MICE de R, imputación de medias, algoritmo de regresión logística LASO, puntaje graduado de Brier (IPA), curva de análisis de decisión (DCA), índice de concordancia.

Jehi L, Ji X, Milinovich A, Erzurum S, Rubin B, Gordon S, Young J, Kattan MW, Individualizing risk prediction for positive COVID-19 testing: results from 11,672 patients., CHEST (2020), doi: https://doi.org/10.1016/j.chest.2020.05.580.

¿Quieres saber cómo se encontró este artículo?

Revisa el Protocolo Metodológico de COVID19EC que se encuentra en la página principal 

Comparte la Píldora de Información