Puntuaciones de predicción de riesgo de mortalidad por COVID-19: Un estudio de validación del Registro Nacional de COVID-19 en China
La pandemia global de COVID-19 ha causado más de 700 millones de casos confirmados, con resultados clínicos que varían desde síntomas leves hasta falla respiratoria fatal. La identificación temprana de individuos de alto riesgo durante las consultas iniciales es crucial para intervenciones oportunas y asignación de recursos. Este estudio desarrolla y valida dos modelos de predicción de riesgo—la Puntuación de Predicción de Riesgo de COVID-19 (CRPS) y su versión simplificada (S-CRPS)—para estratificar el riesgo de mortalidad mediante parámetros medibles al ingreso hospitalario o incluso en el hogar.
Fuentes de datos y características de las cohortes
El estudio utilizó datos retrospectivos de 2.188 pacientes con COVID-19 confirmado, admitidos en dos hospitales de Wuhan (China) entre el 1 de enero y el 28 de marzo de 2020. Los pacientes se dividieron en una cohorte de desarrollo (1.531 pacientes) y una cohorte de validación interna (657 pacientes) en una proporción 7:3. Una cohorte de validación externa incluyó 30.120 pacientes de la Comisión Nacional de Salud (NHC) de China, recolectados entre el 2 de enero y el 12 de mayo de 2020. En las cohortes de Wuhan, la mediana de edad fue 62 años, el 48,2% eran hombres y el 9,8% (215/2.188) fallecieron durante la hospitalización. Los datos demográficos, comorbilidades y resultados de laboratorio se extrajeron de registros médicos, con datos faltantes (10% en parámetros de laboratorio) imputados mediante el software R.
Selección de variables y desarrollo del modelo
Se analizaron 36 variables al ingreso, incluyendo datos demográficos, comorbilidades y biomarcadores. Tres métodos—ponderación por regresión logística, clasificación de importancia de variables por random forest y regresión Lasso-Cox—se emplearon para seleccionar características. Cinco variables destacaron en todos los métodos: edad, saturación de oxígeno (SpO₂), relación neutrófilos-linfocitos (NLR), proteína C reactiva (CRP) y lactato deshidrogenasa (LDH). La urea en sangre (BUN) se consideró inicialmente, pero se excluyó al no mejorar significativamente el modelo (prueba de DeLong).
Todas las variables continuas se normalizaron entre 0 y 1 mediante escalado min-max. Por ejemplo, SpO₂ se normalizó como (SpO₂ – 29)/71 y la edad como (edad – 15)/82.
CRPS: Un modelo multivariado de predicción
El modelo CRPS integró las cinco variables mediante regresión logística. La fórmula combinó valores normalizados ponderados, destacando la edad y SpO₂ como predictores dominantes. Cada año de edad aumentó exponencialmente el riesgo (OR = 61,07; IC 95%: 29,58–132,29), mientras que cada unidad de SpO₂ lo redujo significativamente (OR = 0,003; IC 95%: 0,002–0,006). NLR, CRP y LDH aportaron poder predictivo adicional, reflejando inflamación sistémica y daño orgánico.
El modelo mostró rendimiento excepcional en validaciones:
- Validación interna: AUC = 0,91 (IC 95%: 0,89–0,93), sensibilidad = 97%, especificidad = 56%.
- Validación externa (cohorte NHC): AUC = 0,91, sensibilidad = 97%, especificidad = 53%.
Un punto de corte de 0,05 optimizó sensibilidad y especificidad, permitiendo triaje confiable.
S-CRPS: Modelo simplificado para uso domiciliario
El modelo S-CRPS, diseñado para entornos con recursos limitados, empleó solo edad y SpO₂. Estos parámetros, medibles fuera de hospitales, mantuvieron un rendimiento sólido:
- Validación interna: AUC = 0,87 (IC 95%: 0,84–0,90), sensibilidad = 96%, especificidad = 37%.
- Validación externa: AUC = 0,85, sensibilidad = 95%, especificidad = 39%.
Implicaciones clínicas y validación
CRPS y S-CRPS abordan brechas críticas en el manejo de COVID-19. CRPS, con cinco parámetros, prioriza cuidados intensivos en emergencias. S-CRPS facilita la evaluación remota en regiones con acceso limitado a salud. La validación externa con datos nacionales confirma su generalización, mitigando limitaciones de modelos previos.
Ventajas comparativas
Modelos previos (Zhou et al., 2020; Wu et al., 2020) usaron cohortes pequeñas o carecieron de validación externa. CRPS se distingue por datos nacionales, métodos transparentes y la inclusión de SpO₂, vinculada directamente a falla respiratoria.
Limitaciones y direcciones futuras
El uso exclusivo de datos chinos podría limitar la generalización a otros grupos étnicos. El diseño retrospectivo implica posibles sesgos. Futuros estudios deberán validar prospectivamente estos modelos en cohortes multinacionales e integrar evaluación dinámica de síntomas.
Conclusión
CRPS y S-CRPS ofrecen herramientas validadas para estratificar el riesgo de mortalidad por COVID-19. CRPS destaca en hospitales, mientras S-CRPS extiende la evaluación al hogar. Ambos mejoran la eficiencia del triaje, optimizan recursos y mejoran resultados clínicos durante pandemias.
doi.org/10.1097/CM9.0000000000002973