El estudio, que contó con la colaboración de la Escuela de Ingeniería de Bilbao de la Universidad del País Vasco, acaba de ser publicado íntegramente en la 'Gaceta Médica de Bilbao'. Además, valida, para el objetivo anterior, el uso de una calculadora digital, desarrollada por los doctores Alberto Martínez Ruiz, María Hernández, Chus Maroño, Ane Guereca, Carmen Ruano y Unai Olabarrieta.

Tal y como destacó el doctor Martínez Ruiz, jefe de servicio de Anestesiología y Reanimación del Hospital Universitario Cruces y presidente de la Sección de Anestesia de la Academia de Ciencias Médicas de Bilbao, “la inclusión de los modelos de predicción en la asistencia sanitaria supone un gran avance, pues permite la identificación de pacientes de alto riesgo que puedan necesitar cuidados críticos o una intervención inmediata, algo que puede redundar de manera positiva en el pronóstico clínico de este tipo de pacientes”.

La estratificación del riesgo permite a los especialistas diferenciar entre tres niveles de riesgo: bajo, medio y alto. Los pacientes que, tras la aplicación de la calculadora virtual muestran un riesgo bajo y miedo son derivados a la asistencia en planta de hospitalización, mientras que los pacientes con un resultado de riesgo alto son ingresados en la unidad de críticos.

Según detalló Martínez Ruiz, este modelo recoge 15 variables, que incluyen datos epidemiológicos (edad), antecedentes clínicos y datos analíticos. “Ninguno de ellos está sujeto a la subjetividad del clínico y se pueden determinar con facilidad en cualquier entorno hospitalario”, expresó.

El modelo recoge la diferencia entre pacientes vacunados, no vacunados, o con vacunación incompleta. Asimismo, comprende otras variables como comorbilidades, nivel de presión arterial, grado de obesidad, condición o no de inmunodeprimido, frecuencia respiratoria, saturación de oxígeno, nivel de consciencia, estudios radiológicos y aspectos analíticos como glóbulos blancos, plaquetas, urea, dímeros y PCR.

“Dada la situación de pandemia, vimos la necesidad de contar con un modelo de proximidad que pudiera dar una respuesta rápida en los casos de pacientes identificados como de riesgo y, al mismo tiempo, nos generase información para dotar de recursos adicionales a los diferentes niveles de asistencia del sistema sanitario en riesgo de saturación", expuso.

La evaluación crítica de los modelos predictivos sobre la covid-19 publicados en el ámbito internacional “ha mostrado importantes deficiencias y alto riesgo de sesgos. Intentamos la validación de modelos de otros países, pero no resultaron validables en nuestra muestra de pacientes”, explicó.

Así, desarrollaron un modelo de predicción robusto y sencillo que puede aplicarse diariamente de una manera fácil y rápida en cualquier planta de hospitalización de cualquier hospital del País Vasco o de su entorno, independientemente de su tamaño, y guiar la necesidad de cuidados y la necesidad de traslados entre hospitales, favoreciendo el trabajo en red de los distintos centros del sistema sanitario. “El modelo está bien calibrado, permite una buena discriminación y ha sido refrendado en una validación externa en diferentes ámbitos asistenciales”, concluyó el especialista.