La Cátedra COVID19 de la Universidad de Alcalá, impulsada por ProA Capital y la Fundación Starlite, ha desarrollado una app gratuita para profesionales médicos para ayudarles en el diagnostico de pacientes Covid-19 mediante una estimación del riesgo de presentar una evolución negativa.
Esta app es el resultado práctico de un estudio publicado en Journal of Personalised Medicine (MDPI), una de las revistas médicas especializadas más prestigiosas del mundo, titulado “A Predictive Model and Risk Factors for Case Fatality of COVID-19”. La Cátedra COVID19 de la Universidad de Alcalá ha elaborado este estudio a partir de una muestra de 2.000 pacientes de HM Hospitales y de otros 1.500 del Hospital Universitario Príncipe de Asturias (asociado a la Universidad de Alcalá).
Lo que este estudio analiza e identifica son las variables que determinan una evolución negativa (definida como acabar en la UCI o, peor aún, en fallecimiento) una vez el paciente se ha infectado por Covid-19. Para esto se han estudiado más de 60 variables en diferentes momentos de la infección de 3.500 pacientes de la primera oleada.
Estimar el riesgo de ingreso en UCI o de muerte
El análisis matemático-científico identifica y prioriza de manera precisa aquellas variables que más peso tienen en predecir la evolución del paciente. Más allá de una primera observación, la herramienta ayuda a los profesionales sanitarios a estimar con un alto grado de probabilidad el riesgo de ingreso en UCI o de muerte del paciente a partir de un simple análisis de sangre y obrar en consecuencia. Esta información puede ser de gran ayuda para tomar decisiones acertadas a tiempo.
El estudio concluye con carácter científico (metodología de cohortes retrospectivas) y a partir del análisis de esa amplia muestra de pacientes, que las variables con mayor peso predictivo de la evolución de un paciente infectado son (entre paréntesis la relevancia de la variable en explicar la evolución):
- Nivel de saturación de oxígenoen sangre (pulsiómetro): 20%
- Edad: 18%
- Ratio de linfocitos(sobre leucocitos): 14%
- Nivel de proteína C-reactiva (un marcador de la reacción inflamatoria): 13%
- Comorbilidades o patologías previas del paciente: 13%
- Número de leucocitos: 9%
- Sexo (las mujeres presentan un menor riesgo de evolución negativa): 6,8%
- Nivel de Dímero-D (otro potente marcador de la reacción inflamatoria): 6,2%
El estudio ha sido desarrollado gracias a los datos de 2.000 pacientes recogidos por HM Hospitales durante la primera ola. El modelo resultante se testó contra los datos de otros 1.500 pacientes recogidos por el Hospital Príncipe de Asturias de Alcalá de Henares (también de la primera oleada) mostrando un 82% de grado de acierto (un grado muy elevado a nivel médico- científico). Finalmente, se refinó realizando el mismo trabajo sobre la muestra total de los 3.500 pacientes de ambos grupos hospitalarios.
En cuanto a la app, la empresa Ibermática ha sido la encargada del desarrollo de esta aplicación de uso gratuito vía web. La app permite poner en práctica toda la capacidad predictiva del estudio a modo de “calculadora médica”. Recalcar que esta herramienta es de uso exclusivo por profesionales y sus conclusiones son sólo aplicables a pacientes ya infectados por Covid-19.
La Cátedra tiene muy avanzada la segunda fase del proyecto de investigación. En esta fase, el equipo médico y matemático está investigando la desproporcionada respuesta inmunológica e inflamatoria que se produce en los pacientes Covid-19 sobre la base del análisis de múltiples biomarcadores en los sueros sanguíneos de los pacientes infectados. El trabajo pretende ayudar a entender no solo la respuesta del organismo, sino también a identificar nuevas dianas terapéuticas y a predecir qué pacientes se beneficiarán más de unos u otros tratamientos.
Esta Cátedra COVID19 de la Universidad de Alcalá se creó en marzo del 2020 al inicio de la pandemia coordinada por el equipo de ProA Capital y de la Fundación Starlite. Su objetivo fue siempre práctico, y de ahí la elaboración de una app gratuita que pueda servir como herramienta de diagnóstico predictivo para profesionales sanitarios sobre pacientes Covid-19.
