metricas
covid
Buscar en
Radiología
Toda la web
Inicio Radiología Elaboración de modelos predictivos de la gravedad y la mortalidad en pacientes ...
Información de la revista
Compartir
Compartir
Descargar PDF
Más opciones de artículo
Visitas
3593
Original
Elaboración de modelos predictivos de la gravedad y la mortalidad en pacientes con COVID-19 que acuden al servicio de urgencias, incluida la radiografía torácica
Development of severity and mortality prediction models for covid-19 patients at emergency department including the chest x-ray
Visitas
3593
P. Calvillo-Batllésa,
Autor para correspondencia
calvillo_mar@gva.es

Autor para correspondencia.
, L. Cerdá-Alberichb, C. Fonfría-Esparciaa, A. Carreres-Ortegaa, C.F. Muñoz-Núñeza, L. Trilles-Olasoa, L. Martí-Bonmatía,b
a Servicio de Radiología, Hospital Universitario y Politécnico La Fe, Valencia, España
b Grupo de Investigación Biomédica en Imagen (GIBI230), Instituto de Investigación Sanitaria La Fe, Valencia, España
Este artículo ha recibido
Recibido 27 Marzo 2021. Aceptado 15 Septiembre 2021
Información del artículo
Resumen
Texto completo
Bibliografía
Descargar PDF
Estadísticas
Figuras (6)
Mostrar másMostrar menos
Tablas (4)
Tabla 1. Características de los pacientes con COVID-19. Variables demográficas y enfermedades concomitantes investigadas como posibles factores pronósticos
Tabla 2. Cuadro clínico inicial de los pacientes con COVID-19. Variables clínicas y analíticas investigadas como posibles factores pronósticos. Síntomas gastrointestinales: diarrea, vómitos o dolor abdominal
Tabla 3. Afectación pulmonar en la radiografía de tórax (TXT), distribución y extensión. Manifestaciones de la RXT investigadas como posibles factores pronósticos
Tabla 4. Parámetros de los modelos predictivos de la gravedad y la mortalidad*
Mostrar másMostrar menos
Material adicional (1)
Resumen
Objetivos

Desarrollar modelos de predicción de pronóstico para pacientes con COVID-19 que acuden a urgencias, basados en la radiografía de tórax inicial (RXT), parámetros demográficos, clínicos y de laboratorio.

Métodos

Se reclutaron todos los pacientes sintomáticos con COVID-19 confirmada, que ingresaron en urgencias de nuestro hospital entre el 24 de febrero y el 24 de abril de 2020. Los parámetros de la RXT, las variables clínicas y de laboratorio y los índices de hallazgos en RXT extraídos por una herramienta diagnóstica de inteligencia artificial en esta primera visita se consideraron potenciales predictores. El desenlace individual más grave definió los tres niveles de gravedad: 0) alta domiciliaria u hospitalización de 3 días o inferior, 1) hospitalización más de 3 días y 2) necesidad de cuidados intensivos o muerte. Se desarrollaron y validaron internamente modelos de predicción multivariable de gravedad y mortalidad hospitalaria. El índice de Youden se utilizó para la selección del umbral óptimo del modelo de clasificación.

Resultados

Se registraron 440 pacientes (mediana de 64 años; 55,9% hombres); el 13,6% de los pacientes fueron dados de alta, el 64% estuvo hospitalizado más de 3 días, el 6,6% requirió cuidados intensivos y un 15,7% falleció. El modelo de predicción de gravedad incluyó saturación de oxígeno/fracción de oxígeno inspirado (SatO2/FiO2), edad, proteína C reactiva (PCR), linfocitos, puntuación de la extensión de la afectación pulmonar en la RXT (ExtScoreRXT), lactato deshidrogenasa (LDH), dímero D y plaquetas, con AUC-ROC=0,94 y AUC-PRC=0,88. El modelo de predicción de mortalidad incluyó edad, SatO2/FiO2, PCR, LDH, ExtScoreRXT, linfocitos y dímero D, con AUC-ROC=0,97 y AUC-PRC=0,78. La adición de índices radiológicos obtenidos por inteligencia artificial no mejoró significativamente las métricas predictivas.

Conclusión

Los modelos de predicción de pronóstico desarrollados podrían ser útiles para clasificar en urgencias a los pacientes con COVID-19 u otras infecciones víricas con comportamiento similar.

Palabras clave:
COVID-19
Radiografía torácica
Pronóstico
Mortalidad
Modelos predictivos
Inteligencia artificial
Abstract
Objectives

To develop prognosis prediction models for COVID-19 patients attending an emergency department (ED) based on initial chest X-ray (CXR), demographics, clinical and laboratory parameters.

Methods

All symptomatic confirmed COVID-19 patients admitted to our hospital ED between February 24th and April 24th 2020 were recruited. CXR features, clinical and laboratory variables and CXR abnormality indices extracted by a convolutional neural network (CNN) diagnostic tool were considered potential predictors on this first visit. The most serious individual outcome defined the three severity level: 0) home discharge or hospitalization ≤ 3 days, 1) hospital stay>3 days and 2) intensive care requirement or death. Severity and in-hospital mortality multivariable prediction models were developed and internally validated. The Youden index was used for the optimal threshold selection of the classification model.

Results

A total of 440 patients were enrolled (median 64 years; 55.9% male); 13.6% patients were discharged, 64% hospitalized, 6.6% required intensive care and 15.7% died. The severity prediction model included oxygen saturation/inspired oxygen fraction (SatO2/FiO2), age, C-reactive protein (CRP), lymphocyte count, extent score of lung involvement on CXR (ExtScoreCXR), lactate dehydrogenase (LDH), D-dimer level and platelets count, with AUC-ROC=0.94 and AUC-PRC=0.88. The mortality prediction model included age, SatO2/FiO2, CRP, LDH, CXR extent score, lymphocyte count and D-dimer level, with AUC-ROC=0.97 and AUC-PRC=0.78. The addition of CXR CNN-based indices did not improve significantly the predictive metrics.

Conclusion

The developed and internally validated severity and mortality prediction models could be useful as triage tools in ED for patients with COVID-19 or other virus infections with similar behaviour.

Keywords:
COVID-19
Chest X-Ray
Prognosis
Mortality
Predictive models
Artificial intelligence

Artículo

Opciones para acceder a los textos completos de la publicación Radiología
Suscriptor
Suscriptor de la revista

Si ya tiene sus datos de acceso, clique aquí.

Si olvidó su clave de acceso puede recuperarla clicando aquí y seleccionando la opción "He olvidado mi contraseña".
Suscribirse
Suscribirse a:

Radiología

Comprar
Comprar acceso al artículo

Comprando el artículo el PDF del mismo podrá ser descargado

Precio 19,34 €

Comprar ahora
Contactar
Teléfono para suscripciones e incidencias
De lunes a viernes de 9h a 18h (GMT+1) excepto los meses de julio y agosto que será de 9 a 15h
Llamadas desde España
932 415 960
Llamadas desde fuera de España
+34 932 415 960
E-mail
Opciones de artículo
Herramientas
Material suplementario
es en pt

¿Es usted profesional sanitario apto para prescribir o dispensar medicamentos?

Are you a health professional able to prescribe or dispense drugs?

Você é um profissional de saúde habilitado a prescrever ou dispensar medicamentos