Cómo predecir los ingresos hospitalarios por coronavirus y otras epidemias

Actividad en unas urgencias hospitalarias. // Ricardo Ordóñez / ICAL

Agencia SINC

Predecir los pacientes que ingresarán en los hospitales por covid-19, tanto en planta como en las unidades de cuidados intensivos (UCI), es posible. Así lo revela un estudio liderado por investigadores de la Universidad de Oviedo, junto con el Servicio de Salud de Castilla-La Mancha (Sescam).

El trabajo, publicado en la revista Emergencias, llegó a esta conclusión tras investigar la asociación entre la demanda asistencial percibida en el Centro Coordinador de Urgencias y Emergencias (CCUE) de Castilla La Mancha y las hospitalizaciones por coronavirus.

Los autores encontraron una asociación entre el número de llamadas por disnea, fiebre, malestar general y diarrea y los ingresos hospitalarios y en UCI por covid-19 con una antelación de dos semanas.

Existe una asociación entre el número de llamadas y las hospitalizaciones por covid-19 con una antelación de dos semanas

Los expertos proponen ahora incorporar sistemas predictivos y automatizados mediante inteligencia artificial e incorporarlos a los programas de preparación, planificación y anticipación de los sistemas de salud para actuar frente a futuras epidemias y pandemias.

Para llegar a estos resultados, los investigadores realizaron un estudio observacional retrospectivo de las llamadas recibidas entre el 1 de marzo y el 14 de octubre de 2020. Analizaron los códigos diarrea, disnea, fiebre, malestar general, que fueron empleados como variables predictoras.

Correlación entre llamadas recibidas y hospitalizaciones

A través del número de emergencias 112 se recibieron 831.943 llamadas, con un pico máximo el 13 de marzo, cuando se registraron más de 10.000 llamadas. En la línea 900, se gestionaron también 208.803 llamadas, con un máximo de 23.744 que tuvieron lugar el 15 de marzo.

Todas las variables predictoras estudiadas, según los autores, mostraron correlaciones significativas a dos semanas vista con los ingresos hospitalarios y en UCI, con más influencia sobre las hospitalizaciones totales. Las tres variables con mayor correlación directa fueron malestar general, diarrea y disnea. Las correlaciones más débiles se encontraron con fiebre y el número total de llamadas, tanto en su conjunto como en cada una de las líneas telefónicas.

Una nueva herramienta predictiva

Los investigadores de la Universidad de Oviedo apuntan además una peculiaridad. En el estudio, las llamadas al 112 y al 900 mostraron correlación baja, aunque significativa, con los ingresos hospitalarios y en UCI durante las dos semanas siguientes al registro de llamadas.

Este hecho refuerza la idea de que es la codificación de los síntomas y no el número de llamadas el principal factor que podría ser utilizado potencialmente como herramienta predictiva de hospitalizaciones por covid-19.

Los síntomas que mostraron una mayor correlación directa fueron malestar general, diarrea y disnea

En el caso de los códigos de regulación, el panorama es muy diferente. “Hemos encontrado una asociación mucho más fuerte con los ingresos hospitalarios y en UCI”, afirma Rafael Castro, doctor de la Unidad de Investigación de Emergencias y Desastres de la Universidad de Oviedo.

“Esta correlación ha sido más acentuada entre aquellos pacientes que referían síntomas de diarrea y malestar general que entre quienes señalaban tener fiebre”, añade.

“Los centros de coordinación desempeñan un papel importante de vigilancia epidemiológica en tiempo real en la pandemia por covid-19, así como de otras situaciones epidémicas, para predecir la ocupación hospitalaria y poner en marcha las medidas oportunas de planificación y respuesta”, concluye Pedro Arcos, coautor del estudio.

___Referencia: Rafael Castro Delgado, Ricardo Delgado Sánchez, María del Carmen Duque del Río, Pedro Arcos González. 'Capacidad potencial de un centro coordinador de urgencias y emergencias para predecir ingresos hospitalarios y en unidades de cuidados intensivos por COVID-19'. Revista Emergencias 2021; 33:368-373.

Emergencias

Etiquetas
stats