Estudio coronavirus
Un nuevo modelo predictivo matemático elaborado por un equipo de investigadores del Departamento de Matemáticas de la Universidad Autónoma de Barcelona (UAB), en colaboración con el Hospital de Mataró, han llevado a cabo una investigación que analiza la posibilidad que tiene un paciente ingresado de morir por coronavirus.
Un equipo de investigadores, liderado por la doctora Rosario Delgado, del Departamento de Matemáticas de la Universidad Autónoma de Barcelona (UAB), en colaboración con el Hospital de Mataró han desvelado en una investigación, el riesgo de morir de los pacientes ingresados por coronavirus en una Unidad de Cuidados Intensivos (UCI).
Atendiendo a las características de los pacientes ingresados por coronavirus, el equipo que ha participado en el estudio, ha sido capaz de evaluar el riesgo de muerte de los pacientes ingresados, a partir de los datos históricos y los datos actualizados.
El modelo planea ayudar en la toma de decisiones del personal sanitario para llevar a cabo medidas eficientes en los pacientes ingresados y los de alto riesgo tras haberse contagiado de coronavirus.
La investigación se ha publicado en el último número de la revista 'Artificial Intelligence in Medicine', con la mención especial de Documento de Posición, según ha indicado la Universidad Autónoma de Barcelona.
¿En qué consiste el estudio?
Los autores de la investigación han demostrado que, utilizando datos antiguos y ya actualizados, unos buenos resultados pueden determinar las probabilidades que tiene un paciente grave de morir, en función de las características demográficas como el sexo o la edad, las causas del ingreso y la evolución del paciente en la UCI.
Todo ello mediante un modelo matemático de regresión logística estimado, que según los investigadores es un modelo predictivo jerárquico, pues presenta dos niveles de predicción. Según Rosario Delgado, este modelo "permite estudiar cuáles de las características del paciente son más decisivas y cuáles acontecen factores de riesgo, para la evaluación de su riesgo de mortalidad".
Además, el estudio lo han realizado de forma individual, analizando los diferentes parámetros, de tal forma que el error de un indicador se estabilice con el acierto de otro. Han utilizado un nuevo modelo que consiste en un conjunto de clasificadores bayesianos que "evita los puntos débiles de este enfoque tradicional, proporciona buenos resultados y se convierte en una alternativa mejor."
Así, el modelo es capaz de analizar el riesgo de muerte de un paciente de elevado riesgo y el destino de uno con riesgo menor. Además, según Rosario Delgado, el modelo permite comparar diferentes UCI y mejorar los protocolos de las mismas. Es por tanto una ayuda y un soporte para impulsar "a los expertos a tomar decisiones médicas sobre los pacientes de manera personalizada, así como a las autoridades sanitarias en la gestión de recursos", ha concluído la investigadora.