Premian un Sistema de Alerta Temprana para pacientes hospitalizados por COVID-19

“COVID-19 Severity Index” fue diseñada por un equipo liderado por científicos del CONICET. Permite clasificar la gravedad de la enfermedad en tiempo real.

El desarrollo ”Validación multicéntrica de un sistema de Alerta Temprana para pacientes hospitalizados por COVID-19” obtuvo el premio al mejor trabajo del año en el 31º Congreso Argentino e Internacional de la Sociedad Argentina de Terapia Intensiva (SATI) y es resultado de la elaboración de un proyecto multidisciplinario realizado por médicos/as, ingenieros/as y biólogos/as del Instituto de Medicina Traslacional e Ingeniería Biomédica (IMTIB), unidad ejecutora del CONICET, el Instituto Universitario Hospital Italiano (IUHI) y el Hospital Italiano de Buenos Aires (HIBA).

Los investigadores del CONICET Iván Alfredo Huespe, médico del HIBA y doctorando en el IMTIB, y Marcelo Risk, director del IMTIB y doctor en ciencias de la ingeniería y en medicina, explicaron que el “COVID-19 Severity Index” permite clasificar la gravedad de los pacientes y priorizar el recurso humano, aumentando los controles de enfermería en los pacientes más graves, y reducirlos en los pacientes con cuadros más leves. De esta manera se evitó la sobrecarga de enfermería.

En este sentido, Huespe, quien además es especialista en cuidados intensivos, comenta: “Nosotros nos planteamos hacer un modelo que pueda clasificar la gravedad de los pacientes, donde los que estaban más graves se controlaban cada 3 o 4 horas, mientras que quienes estaban menos graves cada 12 horas, ya que controlando más se podía detectar más tempranamente la necesidad de trasladarlos a terapia intensiva. Lo peor que nos podía pasar es intubar de urgencia a un paciente en piso por ser una situación crítica, por el riesgo de muerte y porque aumenta la posibilidad de contagio e infección para el equipo de salud”, afirmó.

Antes de la pandemia, el método de clasificación de gravedad usado era el sistema de alerta NEWS 2, que consta de la sumatoria de puntajes en base a la alteración de los distintos sistemas. “Es un buen método para detectar alteraciones de cualquier órgano a nivel general, sin embargo, encuentra limitaciones para órganos específicos y el COVID es una enfermedad muy grave y puramente respiratoria, entonces si tenías los parámetros respiratorios muy mal pero el resto estaba bien el NEWS 2 no sumaba tanto”, aseguró Huespe, quien además sostuvo que el COVID 19 es una grave afección puramente respiratoria y que por ello se ponderaron estas variables.

El modelo COVID-19 Severity Index clasifica al paciente en 4 estados clínicos, “Leve”, “Moderado”, “Severo” y “Crítico”. A su vez, este modelo se agrega a la Historia Clínica Electrónica, lo que permite clasificar la gravedad en tiempo real. De esta manera, no solo se organiza la cantidad de controles que realiza la enfermera, sino que también es una herramienta de organización hospitalaria, ya que permite conocer la cantidad de pacientes graves internados en sala general, y la cantidad de pacientes que ingresarán a la Unidad de Cuidados Intensivos (UCI) en las horas siguientes.

El director del IMTIB, Risk, afirmó que “algo interesante de este sistema de alarma predictivo es que lo pueden usar en cualquier hospital en cualquier lugar, es un desarrollo entre el CONICET y el Hospital Italiano de Buenos Aires y está disponible para cualquier hospital del país, e incluso los invitamos a que lo puedan usar y ser protagonistas para refinarlo, porque con la mutación del virus su revisión es constante”.

Sobre la validación del modelo generado, Huespe afirmó que la misma fue de 1500 pacientes en el Hospital Italiano, y otra externa de 4700 pacientes, entre el Hospital Italiano y el Hospital Agustín Roca, dos nosocomios de alta complejidad. “Se analizó en cada día de internación, en total 13700 días de 1500 pacientes, si el COVID-19 Severity Index fue capaz de predecir con 24 horas de anticipación el pase a terapia intensiva”.

El IMTIB fue clave en la programación de las bases de datos y en la validación del modelo, ya que este instituto tiene como objetivo transferir los descubrimientos de la investigación básica y los desarrollos tecnológicos, al cuidado de los pacientes y de la comunidad. “Esa traslación, esos descubrimientos, gracias a la relación con el Hospital Italiano, podemos trasladarlos al paciente y eso lo hacemos porque formamos equipos multidisciplinarios y de esa forma podemos encarar proyectos que necesitan de muchas especialidades y que además son útiles para el trabajo diario de los médicos, que ven los resultados en la sala y vuelven para ajustar la herramienta, y rápidamente los pacientes se ven beneficiados”, señala Risk.

Tanto Risk como Huespe compartieron la necesidad de generar una base de datos conjunta entre distintas instituciones, que permita avanzar en el desarrollo de modelos predictivos y tratar más tempranamente y eficientemente el COVID-19, entre otras enfermedades. “Lo positivo que tiene el IMTIB es que es una institución CONICET asociada a un hospital de alta complejidad, con la capacidad de hacer equipos de trabajo interdisciplinarios, en los cuales especialistas en distintas áreas pueden en conjunto desarrollar proyectos que desde lo individual sería imposible. El trabajo en conjunto es lo que nos potencia muchísimo”, asegura Huespe.

Por último, Risk menciona que como investigador del CONICET estos avances son necesarios para dar respuesta desde la ciencia y tecnología y poder ayudar en situaciones como la pandemia. “Ayudar a los médicos y hacer eficiente el sistema de salud: con eso cumplimos nuestra misión, y para el futuro seguiremos trabajando en ésta línea, para seguir contribuyendo con el desarrollo de la sociedad”, afirmó el director del IMTIB.

Los autores de este estudio fueron: Iván A. Huespe, Indalecio Carboni Bisso, Jorge Sinner, Nicolas A. Gemelli, Sergio A. Terrasa, Sabrina Di Stefano, Valeria Burgos, Mailen Oubina, Marina Bezzati, Eduardo Prado, Eduardo San Roman, Marcos Las Heras y Marcelo R. Risk.

Dejá un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *