Modelo de predicción clínica validado para mortalidad por COVID-19 en pacientes hospitalizados. ¿Qué es lo verdaderamente importante?

Resumen

Objetivo

Crear y validar un modelo de predicción clínica que permita mejorar la gestión de recursos y determinar el pronóstico de los pacientes hospitalizados por COVID-19.

Material y métodos

Estudio de cohorte retrospectivo en el Hospital Universitario de Guadalajara, incluyendo 1.043 pacientes hospitalizados por COVID-19 entre marzo y mayo de 2020. Los datos fueron extraídos del registro hospitalario y anonimizados. Se recopilaron variables demográficas, clínicas, analíticas, radiológicas y terapéuticas, y se realizó un análisis estadístico para identificar factores asociados a la mortalidad. Se emplearon modelos de regresión logística y de Cox para evaluar los predictores de mortalidad. Se realizó una validación interna mediante comparación de curvas ROC del modelo de derivación y validación.

Resultados

La mediana de edad fue de 70 años (P25-P75: 59-84), siendo el 59% varones y falleciendo el 23,2% de la muestra. La hipertensión (55%), la dislipemia (36%) y la diabetes (27%) fueron las comorbilidades más frecuentes. Los predictores independientes de mortalidad incluyeron edad mayor de 80 años (OR: 6,2), enfermedad pulmonar obstructiva crónica (OR: 2,4), saturación de oxígeno < 90% (OR: 1,7), neumonía multilobar bilateral (OR: 2,4) y niveles elevados de LDH (OR: 1,2). El área bajo la curva del modelo de derivación fue de 0,81, y para el modelo de validación el área bajo la curva fue de 0,78.

Conclusiones

La edad avanzada, la enfermedad pulmonar obstructiva crónica, la baja saturación de oxígeno, la neumonía multilobar bilateral y los niveles elevados de LDH se asocian de forma independiente con un mayor riesgo de muerte. El modelo clínico predictivo de estas cinco variables está validado y permite clasificar a los pacientes en grupos de alto o bajo riesgo, lo que facilita una mejor toma de decisiones clínicas y optimiza el manejo de recursos.

Abstract

Objective

To develop and validate a clinical prediction model aimed at improving resource management and determining the prognosis of patients hospitalized with COVID-19.

Materials and methods

A retrospective, single-center cohort study conducted at the University Hospital of Guadalajara, including 1,043 patients hospitalized with COVID-19 between March and May 2020. Data were extracted from hospital records and anonymized. Demographic, clinical, laboratory, radiological, and therapeutic variables were collected, and statistical analysis was performed to identify factors associated with mortality. Logistic regression and Cox models were employed to evaluate mortality predictors. Validation was conducted by comparing ROC curves.

Results

The median age of the patients was 70.4 years (P25-P75: 59-84), with 59.2% being male, and a mortality rate of 23.2%. The most common comorbidities were hypertension (54.8%), dyslipidemia (36.3%), and diabetes (27.1%). Independent predictors of mortality included age over 80 years (OR: 6.18), chronic obstructive pulmonary disease (OR: 2.35), oxygen saturation < 90% (OR: 1.7), multilobar pneumonia (OR: 2.4), and elevated LDH levels (OR: 1.2). The area under the curve (AUC) for the derivation model was 0.805 (P < .001), and for the validation model, the AUC was 0.78 (P < .001).

Conclusions

Advanced age, chronic obstructive pulmonary disease, low oxygen saturation, multilobar pneumonia, and elevated LDH levels are significantly associated with increased mortality risk. The validated predictive model enables classification of patients into high- or low-risk groups, thereby facilitating improved clinical decision-making and resource management.