Aviso: Esta página é uma tradução automática da página original em inglês. Por favor note uma vez que as traduções são geradas por máquinas, não tradução tudo será perfeita. Este site e suas páginas da Web destinam-se a ler em inglês. Qualquer tradução deste site e suas páginas da Web pode ser imprecisas e imprecisos no todo ou em parte. Esta tradução é fornecida como uma conveniência.

Factores de risco para a mortalidade entre pacientes hospitalizados com COVID-19

A pandemia COVID-19 actual causou quase milhão mortes nos nove meses desde o agente causal, coronavirus 2 da Síndrome Respiratória Aguda Grave (SARS-CoV-2), foi reconhecida primeiramente. O número alto de mortes é devido aos factores múltiplos, incluindo a severidade da doença, a falta de antivirais eficazes para opr eficazmente a infecção, subministros médicos limitados, e a carga opressivamente nos recursos dos cuidados médicos em alguns países. Um estudo novo por cientistas na empresa de biotecnologia Genentech, Inc., e publicado no medRxiv* do server da pré-impressão tenta em setembro de 2020 identificar os factores que podem dar forma ao risco para a morte na doença COVID-19.

Relações das probabilidades da mortalidade da regressão logística multivariable completa. As barras de erro representam níveis de confiança de 95%. as relações das probabilidades da Interquartile-escala são usadas para predictors contínuos (quartil superior: abaixe o quartil). Os grupos da referência para predictors categóricos são como segue: raça/afiliação étnica = do “branco não-Hispânico”, divisão = o “Pacífico”, sexo = “homem”, fumando = “nunca fumador”.
Relações das probabilidades da mortalidade da regressão logística multivariable completa. As barras de erro representam níveis de confiança de 95%. as relações das probabilidades da Interquartile-escala são usadas para predictors contínuos (quartil superior: abaixe o quartil). Os grupos da referência para predictors categóricos são como segue: raça/afiliação étnica = do “branco não-Hispânico”, divisão = o “Pacífico”, sexo = “homem”, fumando = “nunca fumador”.

Encontrando os Predictors adequados

Diversos estudos prognósticos têm sido publicados já, mas as revisões mostram uma possibilidade forte da polarização na maioria deles devido aos factores múltiplos. O estudo actual aponta avaliar o prognóstico de pacientes hospitalizados a respeito da mortalidade sozinha, usando um grande grupo sobre de 13.000 pacientes de todas as partes dos E.U. Os dados foram recuperados de uma base de dados eletrônica (EHR) do registo de saúde.

A idade paciente mediana era 62 anos, com uma maioria de brancos do não-Hispânico em 56%. Havia um número quase igual de homens e de fêmeas. Quase 60% teve a hipertensão, um terço teve o diabetes, sobre um quarto teve a doença pulmonar crônica, e um quinto teve problemas do rim. Sobre um terço e uma metade eram excesso de peso e obeso, respectivamente.

Sobre um quarto teve a baixa saturação do oxigênio na admissão. A frequência cardíaca era mais alta na admissão, como era a taxa respiratória, mas não na temperatura ou no BMI. Os marcadores inflamatórios foram aumentados significativamente nos não-sobreviventes na admissão.

Os pacientes com um resultado letal eram mais frequentemente masculinos, 57% contra 51%, e mais velhos, com uma idade mediana de 77 anos contra 59 anos para sobreviventes. Eram igualmente prováveis ter umas doenças mais subjacentes, com um quarto que sofre da demência, da hipertensão, do diabetes, e da doença renal.

Quatro Predictors significativos da mortalidade

Usando estes dados para treinar o algoritmo, encontrou-se que a idade previu as probabilidades da morte muito significativamente, em probabilidades mais altas sêxtuplas da morte em 75 anos comparados a 49 anos. Outros factores de risco significativos incluíram a presença de cancro avançado, infecção hepática a não ser graus suaves, hemiplegia ou paraplegia, e demência.

Mortalidade diminuída com tempo desde o início da pandemia.

Os marcadores do laboratório tais como uma aminotransferase mais alta do aspartato (AST), um troponin, proteína C-Reactiva (CRP), e as contagens de glóbulo (WBC) brancas, assim como a desidrogenase da creatinina e do lactato (LDH), eram todos ligados a um risco mais alto de morte, junto com o thrombocytopenia.

Os sinais vitais na admissão, a saber, baixa saturação do oxigênio, frequência cardíaca alta respiratória e, alta temperatura, e BMI alto, foram encontrados para ser associados com um risco mais alto de morte.

Estes não são sempre relacionamentos não-lineares, desde que o risco de morte é mais alto com mais alta e mais baixa temperatura assim como pressão sanguínea sistólica. Além disso, uma mais baixa saturação do oxigênio é estreitamente relacionada a uma mortalidade mais alta, mas somente a níveis abaixo de 95%.

A importância da idade

Quando os pesquisadores classificaram os factores de risco pela importância, encontraram que a idade era o predictor o mais importante por muito, seguido pelo laboratório resulta (incluindo o número de respirações pela acta, a temperatura, a saturação do oxigênio, a frequência cardíaca, as contagens de pilha branca e os níveis de LDH) e indicadores vitais. Surpreendentemente, estes eram uns marcadores mais importantes da mortalidade do que a presença de comorbidities. Igualmente identificaram o tempo do calendário ser um predictor significativo da mortalidade em COVID-19.

A idade aumenta exponencial o risco de morte, com a inclinação que torna-se sempre mais íngreme enquanto a idade aumenta. Por exemplo, em março de 2020, o risco de morte para umas pessoas de 70 anos e um paciente dos anos de idade 80 que a hospitalização exigida fosse 24% e 34%, respectivamente - mas de somente 2% para um paciente dos anos de idade 18. Daqui até maio, contudo, os 80 anos de idade tiveram uma mortalidade de aproximadamente 20%, mostrando o efeito com carácter de previsão do tempo do calendário.

O efeito forte da idade pôde ser porque liga não somente aos comorbidities que são alistados no modelo mas igualmente a outro que podem causar um resultado mais ruim. Além disso, a idade de avanço é sabida para ser um predictor da função imune diminuída, conduzindo à persistência viral aumentada, ou a uma resposta imune descontrolada que possa causar características clínicas severas em COVID-19.

Comparação com outros modelos

Uma revisão mais adiantada de 50 modelos existentes que ofereceram uma previsão prognóstica mostrou que a maioria eram menores no tamanho do conjunto de dados e estiveram limitadas mais no espaço geográfico, com uma maioria que é chinesa. O estudo actual aumentou a potência detectar factores de risco significativos e permite uma interpretação pronta dos vários parâmetros.

Entre todos os parâmetros, dizem, a “idade é quase tão prognóstica quanto toda informação restante em demográfico e em comorbidities.”

Quando o laboratório resulta e os sinais vitais são incluídos, a contagem com carácter de previsão aumenta ainda mais. Isto marca uma diferença de um estudo mais adiantado. Os sinais vitais os mais com carácter de previsão eram saturação do oxigênio, taxa respiratória, e a temperatura, que concorda com a outro estuda no risco da mortalidade. BMI foi encontrado igualmente para associar com a mortalidade mais alta.

O relacionamento positivo entre uma mortalidade mais alta e uns marcadores gosta do Troponin mim, LDH, e a baixa contagem de plaqueta tem sido relatada já por outros autores. Considerando que os primeiros dois podem reflectir dano severo ao microvasculature, com dano resultante ao coração e a outros órgãos de extremidade, o thrombocytopenia poderia ser a sequela de dano da plaqueta em conseqüência de grande e dos micro-coágulos. Estes são sabidos para ocorrer nos pacientes COVID-19, devido a e agravando a deficiência orgânica microvascular.  

A contagem do neutrófilo é igualmente um predictor forte, segundo as indicações de um trabalho mais adiantado, mas não ferritin. O estudo igualmente sugere que a presença de doenças subjacentes possa reflectir um risco mais alto de hospitalização do que a mortalidade em pacientes hospitalizados, por si mesmo. As discrepâncias nesta área podem ser mais aparentes do que real, os autores sugerem, especialmente desde que todos os pacientes com doença séria não morrem.

Implicações e sentidos futuros

Os pesquisadores dizem que desenvolveram um modelo rigoroso que produza os resultados que poderiam ser compreendidos por clínicos e seriam clìnica exactos. O uso de parâmetros múltiplos e de uma grande coorte adiciona o serviço público clínico ao modelo com carácter de previsão era.

Quando um modelo da idade-somente era útil, indicando o grande valor com carácter de previsão deste único parâmetro, um com os detalhes mais demográficos e um com os detalhes demográficos e do comorbidity não adicionou mais precisão à previsão. Contudo, a adição de dados do laboratório e os sinais vitais promovem impulsionaram o valor prognóstico, para render um modelo que “possa ser útil avaliar o prognóstico de pacientes hospitalizados,” durante uma validação mais adicional.

Isto poderia ajudar a decidir que pacientes precisam o cuidado mais especializado ràpida ou para dar a prioridade a grupos da população para a vacinação. Poderia igualmente ajudar auto-a identificar factores de risco para COVID-19 e a avaliar o prognóstico em indivíduos contaminados. Finalmente, pode ajudar a classificar pacientes para a participação nos ensaios clínicos assim como os estudos observacionais, para ajudar a estandardizar dados para a eficácia estudam.

Observação *Important

o medRxiv publica os relatórios científicos preliminares que par-não são revistos e, não devem conseqüentemente ser considerados como conclusivos, guia a prática clínica/comportamento saúde-relacionado, ou tratado como a informação estabelecida.

Journal reference:
Dr. Liji Thomas

Written by

Dr. Liji Thomas

Dr. Liji Thomas is an OB-GYN, who graduated from the Government Medical College, University of Calicut, Kerala, in 2001. Liji practiced as a full-time consultant in obstetrics/gynecology in a private hospital for a few years following her graduation. She has counseled hundreds of patients facing issues from pregnancy-related problems and infertility, and has been in charge of over 2,000 deliveries, striving always to achieve a normal delivery rather than operative.

Citations

Please use one of the following formats to cite this article in your essay, paper or report:

  • APA

    Thomas, Liji. (2020, September 27). Factores de risco para a mortalidade entre pacientes hospitalizados com COVID-19. News-Medical. Retrieved on May 14, 2021 from https://www.news-medical.net/news/20200927/Risk-factors-for-mortality-among-hospitalized-patients-with-COVID-19.aspx.

  • MLA

    Thomas, Liji. "Factores de risco para a mortalidade entre pacientes hospitalizados com COVID-19". News-Medical. 14 May 2021. <https://www.news-medical.net/news/20200927/Risk-factors-for-mortality-among-hospitalized-patients-with-COVID-19.aspx>.

  • Chicago

    Thomas, Liji. "Factores de risco para a mortalidade entre pacientes hospitalizados com COVID-19". News-Medical. https://www.news-medical.net/news/20200927/Risk-factors-for-mortality-among-hospitalized-patients-with-COVID-19.aspx. (accessed May 14, 2021).

  • Harvard

    Thomas, Liji. 2020. Factores de risco para a mortalidade entre pacientes hospitalizados com COVID-19. News-Medical, viewed 14 May 2021, https://www.news-medical.net/news/20200927/Risk-factors-for-mortality-among-hospitalized-patients-with-COVID-19.aspx.