[Derivation and validation of a risk score for admission to the Intensive Care Unit in patients with COVID-19].

BACKGROUND: This work aims to identify and validate a risk scale for admission to intensive care units (ICU) in hospitalized patients with coronavirus disease 2019 (COVID-19).
METHODS: We created a derivation rule and a validation rule for ICU admission using data from a national registry of a cohort of patients with confirmed SARS-CoV-2 infection who were admitted between March and August 2020 (n = 16,298). We analyzed the available demographic, clinical, radiological, and laboratory variables recorded at hospital admission. We evaluated the performance of the risk score by estimating the area under the receiver operating characteristic curve (AUROC). Using the β coefficients of the regression model, we developed a score (0 to 100 points) associated with ICU admission.
RESULTS: The mean age of the patients was 67 years; 57% were men. A total of 1,420 (8.7%) patients were admitted to the ICU. The variables independently associated with ICU admission were age, dyspnea, Charlson Comorbidity Index score, neutrophil-to-lymphocyte ratio, lactate dehydrogenase levels, and presence of diffuse infiltrates on a chest X-ray. The model showed an AUROC of 0.780 (CI: 0.763-0.797) in the derivation cohort and an AUROC of 0.734 (CI: 0.708-0.761) in the validation cohort. A score of greater than 75 points was associated with a more than 30% probability of ICU admission while a score of less than 50 points reduced the likelihood of ICU admission to 15%.
CONCLUSION: A simple prediction score was a useful tool for forecasting the probability of ICU admission with a high degree of precision.

Introducción

Con fecha del 16 de abril de 2021, el número de casos de COVID-19 causado por SARS-CoV-2 (coronavirus de tipo 2 causante del síndrome respiratorio agudo severo) alcanzó en España los 3.407.283, de los cuales, 340.130 (9,98%) han precisado ingreso hospitalario y 31.054 (0,91%) ingreso en unidades de cuidados intensivos (UCI).

El espectro clínico de la infección por SARS-CoV-2 varía desde un cuadro leve caracterizado por fiebre, tos, seguido por expectoración y fatiga, hasta cuadros graves en pacientes críticos caracterizados por sepsis, coagulopatía, fracaso respiratorio y desarrollo de síndrome de distrés respiratorio del adulto.

La mortalidad acumulada en España hasta el 16 de abril de 2021 ha sido de 76.981 (2,25%) pacientes, pero en los pacientes con ingreso en UCI, la mortalidad alcanza el 31%. Varios estudios coinciden en que los factores de riesgo asociados con el desarrollo de mortalidad incluyen edad avanzada, presencia de insuficiencia renal, niveles bajos de saturación de oxígeno y valores elevados de proteína C reactiva4, 5.

La identificación precoz de los pacientes que van a necesitar cuidados críticos puede ser importante para proporcionar el tratamiento más adecuado y optimizar los recursos disponibles.

El propósito del presente estudio es utilizar un amplio registro nacional de pacientes con COVID-19 para desarrollar una escala de riesgo de ingreso en UCI, aplicable a los pacientes que acaban de ingresar en el hospital.

Métodos

Fuente de datos

La fuente de datos fue el registro SEMI-COVID-19, una cohorte retrospectiva en curso que incluye la mayor parte de pacientes dados de alta o fallecidos tras su ingreso por COVID-19 confirmada en 150 hospitales de España desde el 1 de marzo de 2020 hasta el 1 de septiembre de 2020. La muestra estuvo formada por un total de 16.298 pacientes.

Desenlace

El desenlace evaluado fue el ingreso en la UCI, medido desde el momento de ingreso en el hospital.

Variables predictoras

Para la elaboración de la regla de predicción utilizamos variables disponibles de forma rutinaria en el momento del ingreso hospitalario y que en otros estudios se asociaron con ingreso en UCI. Estas variables incluyeron: (1) demográficas, edad y sexo; (2) comorbilidades e índice de comorbilidad de Charlson; (3) signos o síntomas, incluidas disnea, confusión, hemoptisis; (4) datos de laboratorio, saturación de oxígeno en aire ambiente, valor de LDH, cociente neutrófilos-linfocitos, proteína C reactiva.

Modelo de derivación

En el modelo de derivación seleccionamos de forma aleatoria dos terceras partes (n = 10.865) de la muestra. Para realizar el modelo de derivación llevamos a cabo un análisis de regresión logística múltiple, con ingreso en UCI como desenlace primario y las variables clínicas descritas previamente como variables predictoras. Utilizando los coeficientes β generamos un sistema de puntuación que dividió a los pacientes en diferentes clases de riesgo.

Modelo de validación

El modelo de validación se llevó a cabo utilizando la tercera parte (n = 5.433) restante de la muestra.

Análisis estadístico

Hemos seguido las recomendaciones de la guía TRIPOD para desarrollar el modelo de análisis multivariante. Las variables continuas se expresan como media y desviación estándar y las variables categóricas como frecuencias y porcentajes. Se utilizó el test de χ2 para la comparación de variables categóricas y la t de Student para la comparación de variables continuas entre grupos. Se consideró estadísticamente significativo un valor de p < 0,05. Se llevó a cabo un análisis de regresión logística múltiple en la muestra de derivación para estimar la probabilidad de ingreso en UCI.

Para construir el modelo de derivación se seleccionaron aquellas variables con valor de p inferior a 0,10 obtenidas en el modelo univariante. Se estimaron los odds ratio (OR) y su intervalo de confianza al 95% (IC 95%), a partir de los coeficientes de regresión. Se construyeron varios modelos de regresión y se seleccionó aquel que fue más simple y explicativo basado en el test de bondad de ajuste de Hosmer y Lemeshow para trasladarlo a la cohorte de validación. El R2 de Nagelkerke fue utilizada para estimar la proporción de variación explicada por el modelo.

El rendimiento final del modelo fue evaluado mediante la curva de característica operativa del receptor (ROC) y el cálculo del área bajo la curva ROC. Finalmente, con base en los coeficientes β generamos un sistema de puntuación para establecer diferentes riesgos de ingreso en UCI.

El análisis estadístico fue realizado con el software libre R versión 4.0.2 (Free Software Foundation, Inc. Boston, MA).

Aspectos éticos

Los datos personales se trataron cumpliendo la Ley 14/2007 del 3 de julio, de Investigación Biomédica, así como el reglamento (UE) 2016/679 del Parlamento Europeo y del Consejo del 27 de abril de 2016, Reglamento General de Protección de Datos y la Ley Orgánica 3/2018 del 5 de diciembre sobre Protección de Datos Personales y Garantía de los Derechos Digitales.

El Registro SEMI-COVID fue aprobado por el Comité de Ética e Investigación de la Provincia de Málaga. El departamento de Medicamentos de Uso Humano de la Agencia Española de Medicamentos y Productos Sanitarios (AEMPS), de conformidad con los preceptos aplicables ha calificado el estudio como «estudio observacional no postautorización».

Resultados

Características de los pacientes ingresados en UCI

Un total de 1.420 (8,7%) pacientes fueron ingresados en UCI (tabla 1 ). Los pacientes que ingresaron en UCI eran más jóvenes (edad media 63,3 ± 12,3 años) que los que ingresaron en áreas de hospitalización convencional (67,7 ± 16,4 años) (p < 0,001). El sexo varón estuvo asociado con mayor riesgo de ingreso en UCI (69,5 vs. 56,3%, p < 0,001).

Tabla 1

Características de los pacientes del estudio

Característica	N.° de datos	Ingreso en UCI = No(n = 14.868)	Ingreso en UCI = Sí (n = 1.420)	p
Demográficas
Edad, años, media ± DE	16.298	67,7 ± 16,4	63,3 ± 12,3	< 0,001
Sexo varón—N.° (%)	16.288	8.367 (56,3)	987 (69,5)	< 0,001
Dependencia	16.288			< 0,001
Independiente		12.092 (82,4)	1.377 (97,8)
Parcialmente dependiente		1.461 (10,0)	26 (1,8)
Totalmente dependiente		1.129 (7,7)	5 (0,4)
Comorbilidad—N.° (%)
Fumador	15.627			< 0,001
No		9.980 (70,0)	876 (64,3)
Exfumador		3.567 (25,0)	402 (29,5)
Fumador activo		717 (5,0)	85 (6,2)
Hipertensión	16.264	7.631 (51,4)	705 (49,7)	0,226
Diabetes mellitus tipo 2	16.251	2.128 (14,3)	228 (16,1)	0,086
Diabetes mellitus tipo 1	16.256	817 (5,5)	65 (4,6)	0,159
Enfermedad renal crónica	16.253	936 (6,3)	47 (3,3)	< 0,001
Obesidad (IMC > 30 kg/m2)	14.973	885 (21,1)	404 (30,5)	< 0,001
Demencia	16.288	1.594 (10,7)	3 (0,2)	< 0,001
Cáncer	16.221	660 (4,5)	43 (3,0)	0,015
EPOC	16.263	1.037 (7,0)	78 (5,5)	0,040
Enfermedad hepática crónica	16.253	156 (1,1)	13 (0,9)	0,731
Insuficiencia cardíaca crónica	16.260	1.108 (7,5)	43 (3,0)	< 0,001
Cardiopatía isquémica	16.264	846 (5,7)	85 (6,0)	0,690
Infección por VIH	16.230	85 (0,6)	6 (0,4)	0,593
Signos y síntomas—N°. (%)
Temperatura	16.225			< 0,001
<37° C		2.418 (16,3)	156 (11,0)
37-38° C		3.173 (21,4)	223 (15,7)
>38° C		9.217 (62,2)	1.038 (73,3)
Tos	16.241			< 0,001
No		4.058 (27,4)	278 (19,6)
Seca		8.519 (57,5)	933 (65,8)
Con producción de esputo		2.246 (15,2)	207 (14,6)
Anosmia	15.897	1.126 (7,8)	68 (4,9)	< 0,001
Astenia	16.090	6.377 (43,4)	627 (44,4)	0,490
Anorexia	16.025	2.931 (20,0)	262 (18,7)	0,249
Cefalea	16.072	1.765 (12,0)	161 (11,5)	0,548
Artromialgias	16.130	4.486 (30,5)	473 (33,5)	0,019
Ageusia	15.903	1.266 (8,7)	86 (6,2)	0,001
Alteración nivel de conciencia	16.150	1.794 (12,2)	119 (8,4)	< 0,001
Disnea	16.228	8.299 (56,0)	1.069 (75,4)	< 0,001
Vómitos/náuseas	16.012	2.100 (14,4)	188 (13,3)	0,306
Diarrea	16.166	3.566 (24,2)	321 (22,7)	0,217
Radiología—N.° (%)	16.061			< 0,001
Ausencia de infiltrados		7.789 (53,1)	630 (44,8)
Infiltrado unilateral		2.567 (17,5)	171 (12,2)
Infiltrados difusos		4.300 (29,3)	604 (43,0)
Examen físico, media ± DE
SpO2, %	15.849	93,3 ± 5,5	89,0 ± 8,8	< 0,001
Presión arterial sistólica, mmHg	15.666	128,8 ± 21,6	127,8 ± 21,5	0,083
Presión arterial diastólica, mmHg	15.657	73,9 ± 13,3	72,8 ± 13,2	0,003
Frecuencia cardíaca, latidos/min	15.831	88,3 ± 17,3	92,8 ± 17,4	< 0,001
Taquipnea (< 30 respiraciones/min)	15.942	4258 (29,3)	793 (56,8)	< 0,001
Laboratorio, media ± DE
Cociente neutrófilos-linfocitos	16.107	7,0 ± 11,6	9,7 ± 9,9	< 0,001
Plaquetas—x109/L	16.182	207.227 ± 93.637	203.388 ± 90.454	0,140
Dímero D—ng/mL	12.852	1.906 ± 10.702	2.969 ± 11.865	0,004
Glucosa—mg/dL	15.714	127,5 ± 58,9	138,6 ± 55,2	< 0,001
Creatinina—mg/dL	16.151	1,1 ± 0,9	1,1 ± 0,7	0,881
ALT—U/L	15.238	40,5 ± 62,0	49,7 ± 51,0	< 0,001
Lactato deshidrogenasa—U/L	14.112	359,5 ± 197,1	501,5 ± 365,0	< 0,001
Proteína C reactiva—mg/dL	15.652	84,5 ± 86,1	130,7 ± 108,6	< 0,001

ALT: alanina aminotransferasa; DE: desviación estándar; EPOC: enfermedad pulmonar obstructiva crónica; IMC: índice de masa corporal; SpO2: saturación de oxígeno; UCI: Unidad de Cuidados Intensivos; VIH: virus de inmunodeficiencia humana.

Hubo comorbilidades que presentaron mayor riesgo de ingreso en UCI, entre ellas, la obesidad y otras que se asociaron con menor frecuencia de ingreso en UCI, tales como enfermedad renal crónica, EPOC o insuficiencia cardíaca crónica. La condición de fumador fue un factor de riesgo de ingreso en UCI. Una mayor proporción de pacientes que ingresaron en UCI presentaron disnea en el momento del ingreso (75,4 vs. 56%, p < 0,001), así como una menor alteración del nivel de conciencia (8,4 vs. 12,2%, p < 0,001), mayor frecuencia de la presencia en la radiografía de tórax de infiltrados de tipo difuso en el momento del ingreso en los pacientes que ingresaron en UCI (43 vs. 29,3% p < 0,001) y valores más bajos de saturación de oxígeno (SpO2) que los pacientes ingresados en áreas de hospitalización convencional (89 vs. 93,3%, p < 0,001).

Respecto a las variables de laboratorio, los pacientes ingresados en UCI mostraban un mayor cociente neutrófilos-linfocitos (9,7 vs. 7,0, p < 0,001), mayor nivel de dímero D (2.969,8 vs. 1.906,6 ng/mL, p = 0,004), glucosa (138,6 vs. 127,5 mg/dL, p < 0,001), alanina aminotransferasa (ALT) (49,7 vs. 40,5 U/L, p < 0,001), lactato deshidrogenasa (501,5 vs. 359,5 U/L, p < 0,001) y proteína C reactiva (130,7 vs. 84,5 mg/dL, p < 0,001), que los pacientes ingresados en áreas de hospitalización convencional.

Un total de 568 (40%) de los pacientes ingresados en UCI fallecieron, mientras que en las plantas de hospitalización convencional hubo 2.851 (19,2%) fallecimientos.

Modelo predictivo

Para la realización del modelo predictivo dividimos la muestra de forma aleatoria en dos partes, dos terceras partes correspondieron a la cohorte de derivación y la tercera parte restante a la cohorte de validación. Las características de los pacientes en ambas cohortes se describen en la tabla 2 .

Tabla 2

Características de los pacientes que ingresaron en UCI en las cohortes de derivación y validación

Variable	Cohorte derivación (n = 10.865)	Cohorte validación (n = 5.433)	p
Edad, años
> 75	137 (3,46)	210 (9,16)	0,517
< 65	483 (10,77)	140 (11,69)
[65,75]	371 (15,37)	79 (4,08)
Disnea
No	230 (4,98)	118 (5,26)	0,108
Sí	758 (12,23)	311 (9,81)
Índice de comorbilidad de Charlson
0	529 (10,8)	11 (3,15)	0,461
1	223 (9,19)	7 (3,74)
2	113 (8,09)	25 (6,61)
3	47 (6,33)	56 (8,06)
4	24 (5,52)	119 (9,45)
> 4	36 (4,97)	202 (8,29)
Cociente neutrófilos-linfocitos
< 5	326 (5,85)	144 (5,27)	0,335
5-10	350 (10,92)	152 (9,13)
> 10	308 (15,83)	131 (13,45)
Lactato deshidrogenasa, U/L
< 250	85 (3,5)	27 (2,24)	0,655
250-500	442 (8,24)	209 (7,68)
> 500	318 (19,79)	133 (17,01)
Alteración nivel de conciencia
No	902 (9,54)	389 (8,14)	0,062
Sí	84 (6,4)	35 (5,83)
Radiografía de tórax
Ausencia de infiltrados	435 (7,77)	195 (6,91)	0,197
Infiltrado unilateral	114 (6,18)	57 (6,39)
Infiltrados difusos	432 (13,24)	172 (10,49)
Neoplasia
No	961 (9,3)	411 (7,92)	0,665
Sí	28 (5,77)	15 (6,88)
Taquipnea (> 30 respiraciones/min)
No	409 (5,67)	194 (5,28)	0,171
Sí	567 (16,66)	226 (13,72)
Elevación urea > 40 mg/dL
No	406 (8,57)	195 (8,16)	0,768
Sí	447 (10,79)	183 (8,86)
Diabetes mellitus tipo 1
No	947 (9,24)	407 (7,94)	0,848
Sí	43 (7,28)	22 (7,56)
Diabetes mellitus tipo 2
No	831 (8,97)	360 (7,78)	0,903
Sí	159 (10,15)	69 (8,75)

En la cohorte de derivación, las variables con mayor asociación con ingreso en UCI en el análisis univariante fueron la edad inferior a 75 años, un menor índice de comorbilidad de Charlson, la presencia de disnea, taquipnea, un cociente neutrófilos-linfocitos superior a 5, los valores de lactato deshidrogenasa superiores a 250 U/L, un valor de urea superior a 40 mg/dL y la presencia de infiltrados difusos en la radiografía de tórax. La presencia de cáncer (tumor sólido, metástasis, tumor hematológico) y la alteración del nivel de conciencia fueron factores que redujeron el riesgo de ingreso en UCI (tabla 3 ).

Tabla 3

Factores independientes de ingreso en UCI en pacientes hospitalizados con COVID-19 para la cohorte de derivación. Análisis univariante

Característica	Odds ratio	Intervalo de confianza 95%	p
Edad, años
> 75	Ref.
< 65	3.368	(2.780, 4.106)	< 0,001
[65,75]	5.067	(4.147, 6.227)	< 0,001
Índice de comorbilidad de Charlson
> 4	Ref.
4	1.116	(0,649, 1.887)	0,685
3	1.291	(0,828, 2.029)	0,263
2	1.682	(1.155, 2.506)	0,008
1	1.935	(1.364, 2.822)	< 0,001
0	2.313	(1.659, 3.328)	< 0,001
Neoplasia
Sí vs. No	0,597	(0,397, 0,863)	0,009
Diabetes mellitus tipo 1
Sí vs. No	0,770	(0,553, 1.045)	0,107
Diabetes mellitus tipo 2
Sí vs. No	1.146	(0,956, 1.367)	0,135
Alteración nivel de conciencia
Sí vs. No	0,648	(0,511, 0,812)	< 0,001
Taquipnea, < 30 respiraciones/min
Sí vs. No	3.327	(2.910, 3.808)	< 0,001
Disnea
Sí vs. No	2.659	(2.286, 3.104)	< 0,001
Cociente neutrófilos-linfocitos
< 5	Ref.
5-10	1.974	(1.686, 2.311)	< 0,001
> 10	3.027	(2.565, 3.571)	< 0,001
Lactato deshidrogenasa, U/L < 250 250-500 > 500	Ref.2.4756.797	(1.963, 3.157) (5.326, 8.765)	< 0,001< 0,001
Urea, mg/dL < 40 ≥ 40	Ref.1,290	(1,120-1,487)	< 0,001
Radiografía de tórax
Ausencia de infiltrados	Ref.
Infiltrado unilateral	0,781	(0,629, 0,964)	0,023
Infiltrados difusos	1,811	(1.573, 2.085)	< 0,001

En el análisis multivariante permanecieron en el modelo la edad, la presencia de disnea, la puntuación de Charlson, el cociente de neutrófilos-linfocitos, el valor de láctico deshidrogenasa y los datos de la radiografía de tórax del ingreso (tabla 4 ).

Tabla 4

Factores independientes predictivos de ingreso en UCI

Variable	β	Odds ratio (intervalo de confianza al 95%)	p	Puntos asignados
Constante	–6.060		< 0,001
Edad, años
> 75		Ref.
< 65	1.461	4.311 (3.410, 5.492)	< 0,001	23
65-75	1.789	5.982 (4.720, 7.633)	< 0,001	28
Disnea
Sí vs. No	0,805	2.237 (1.874, 2.680)	< 0,001	13
Charlson, puntos
> 4		Ref.
4	0,098	1.102 (0,577, 2.057)	0,762
5	0,384	1.468 (0,869, 2.498)	0,153
2	0,623	1.864 (1.203, 2.967)	0,007	9
1	0,699	2.013 (1.338, 3.128)	0,001	10
0	0,734	2.084 (1.408, 3.195)	0,000	10
Cociente neutrófilos-linfocitos
< 5		Ref.
5-10	0,558	1.747 (1.455, 2.097)	< 0,001	9
> 10	1.072	2.921 (2.392, 3.568)	< 0,001	17
Lactato deshidrogenasa, U/L
< 250		Ref.
250-500	0,663	1.941 (1.518, 2.510)	< 0,001	10
> 500	1.591	4.911 (3.763, 6.471)	< 0,001	25
Radiografía de tórax
Ausencia de infiltrados		Ref.
Infiltrado unilateral	0,071	0,931 (0,728, 1.182)	0,565
Infiltrados difusos	0,412	1.509 (1.279, 1.781)	< 0,001	6

El valor de p de la bondad de ajuste del modelo multivariante, calculada mediante el estadístico de Hosmer-Lemeshow, fue de 0,154, indicando un buen ajuste. El valor R2 de Nagelkerke que muestra el poder explicativo del modelo fue de 0,196. La evaluación del rendimiento del modelo predictivo mostró un área bajo la curva de característica operativa del receptor (AROC) de 0,780 (IC 95%: 0,763, 0,797) (fig. 1 ). Para una probabilidad de ingreso en UCI de 0,102 (punto de corte), el modelo mostró una sensibilidad del 67,8% y una especificidad del 74,6% en la muestra de derivación. En la cohorte de validación, el AUC es 0,734 y el modelo mostró una sensibilidad del 62,1% y una especificidad del 72%.

Figura 1

Curva de característica operativa del receptor para ingreso en UCI en la cohorte de derivación y validación. El área bajo la curva de característica operativa del receptor fue 0,781 en la cohorte de derivación y 0,747 en la cohorte de validación. El punto de corte que optimiza sensibilidad y especificidad fue 0,087, tanto en la cohorte de derivación como en la de validación.

Construcción del sistema de puntuación

Llevamos a cabo un sistema de puntuación basado en los coeficientes β estimados en el modelo de regresión logística (tabla 4). La puntuación total individual (rango de 0 a 100 puntos) se obtiene sumando los puntos de cada característica del paciente. Este sistema de puntuación permite estimar la probabilidad de ingreso en UCI (valor predictivo positivo) con los datos obtenidos en el momento del ingreso, de tal manera que, para puntuaciones superiores a 75 puntos, la probabilidad de ingreso en UCI es superior al 30% y para puntuaciones inferiores a 50 puntos, la probabilidad de ingreso en UCI es inferior al 15% (fig. 2 ).

Figura 2

Relación entre la puntuación individual y la probabilidad (valor predictivo positivo) de que un paciente ingrese en UCI.

Discusión

Hemos desarrollado y validado un modelo de predicción clínica para identificar a los pacientes con infección por SARS-CoV-2 que requerirán ingreso en UCI. El rendimiento del modelo de predicción mostró un AUC de 0,780 para una probabilidad de ingreso en UCI de 0,102.

El riesgo de ingreso en UCI se incrementó de forma progresiva, según el número de variables independientes que incluyeron la edad inferior a 75 años, la presencia de disnea, un índice de comorbilidad de Charlson inferior a 3, un cociente neutrófilos-linfocitos superior a 5, los valores de lactato deshidrogenasa superiores a 250 U/L y la presencia de infiltrados difusos en la radiografía de tórax. Utilizando estas variables, fácilmente disponibles en el momento del ingreso hospitalario del paciente, hemos construido un sistema de puntuación que permite asignar una probabilidad del ingreso en UCI. Este estudio permite anticipar los recursos necesarios de terapia intensiva en los pacientes hospitalizados por COVID-19.

La proporción de ingreso en UCI en la cohorte de derivación fue del 8,9% y en la cohorte de validación del 7,7%. Estos valores han sido similares a los reportados por otros estudios realizados en España. La proporción de pacientes hospitalizados que ingresan en UCI en otros países fue 16,8% en Italia, 17% en Reino Unido, 11% en Francia, 32% en EE. UU. y 8,2% en China9, 10, 11, 12, 13. Una mayor proporción de ingreso de pacientes en UCI aplicado a nuestro modelo conllevaría un incremento del valor predictivo positivo del sistema de puntuación.

Las características demográficas de la población estudiada también muestran diferencias por países, siendo la edad media alrededor de 70 años en los estudios realizados en Europa y alrededor de los 50 años en los estudios realizados en China. Todos los estudios muestran como factores determinantes de ingreso en UCI una mayor edad y el sexo varón, mayor comorbilidad y presencia de disnea; entre los datos de laboratorio, son signos de mal pronóstico repetidos en todos los estudios un mayor cociente neutrófilos-linfocitos y una mayor elevación de lactato deshidrogenasa9, 10, 11, 12, 13. Así mismo, también se asocia con una mayor gravedad de la infección un patrón difuso, bilateral con opacidades en vidrio deslustrado en la radiografía de tórax.

El rendimiento de nuestro modelo predictivo de ingreso en UCI está en consonancia con los datos hallados por otros autores, que reportan valores de AROC de 0,74, hasta 0,88 en estudios con modelos de derivación y validación12, 13.

No obstante, debemos ser cautelosos en la extrapolación de los rendimientos de los modelos cuando se aplican a otros países, ya que pueden mostrar diferencias, en algunos casos notables. Estas diferencias pueden ser por las características demográficas de los sujetos estudiados, el momento particular de incidencia de casos de la pandemia o las estructuras del sistema sanitario, entre otras.

Entre las fortalezas, el presente estudio incorpora un gran tamaño muestral, lo que ha permitido considerar un elevado número de variables en el modelo predictivo, así como un análisis robusto del modelo de derivación y validación.

Conviene interpretar este estudio como una ayuda para determinar los requerimientos de camas de unidades de cuidados intensivos en pacientes con COVID-19 grave. Aunque la puntuación de riesgo hace referencia al deterioro clínico relacionado con la COVID-19, el beneficio del ingreso en UCI se puede ver condicionado por otros aspectos. La comorbilidad del paciente, la existencia de deterioro cognitivo avanzado o incapacidad para el desarrollo de las actividades básicas de la vida diaria pueden constituir limitaciones para el ingreso en UCI en sujetos con COVID-19 grave.

Por otro lado, la probabilidad de ingreso en UCI puede verse influenciada por el porcentaje de ocupación de sus camas en diferentes períodos de la pandemia. Es posible que en períodos con buen acceso al tratamiento de soporte se decida proporcionar esta terapia a pacientes con riesgo moderado de mortalidad. Por el contrario, en períodos o áreas con recursos más limitados, la decisión podría ser limitar el tratamiento intensivo de soporte a los pacientes con riesgo moderado para optimizar los recursos disponibles. Así mismo, tampoco se ha considerado el ingreso de pacientes con COVID-19 grave en las unidades de cuidados intermedios respiratorios; la disponibilidad de estas podría alterar los resultados de validación de la escala.

Finalmente, el desarrollo y validación del modelo predictivo se ha realizado en España. Ello podría limitar la generalización del sistema de puntuación a otras áreas del mundo con otros sistemas sanitarios diferentes.

En resumen, hemos desarrollado una regla de predicción clínica de ingreso en UCI para pacientes con COVID-19. Las variables predictivas son fáciles de obtener en el momento del ingreso. Nuestra regla de predicción se ha validado en una amplia cohorte de pacientes y ha demostrado ser reproducible. La incorporación de la regla en la historia médica electrónica facilitaría su implementación y ayudaría a los clínicos a adecuar correctamente el área de ingreso de los pacientes.

Financiación

J.V. Segura-Heras ha recibido ayuda competitiva del Ministerio de Economía y Competitividad de España, Grant No. MTM2017-83850-P.

La Sociedad Española de Medicina Interna (SEMI) es la patrocinadora de este estudio. La presente investigación no ha recibido ayudas específicas provenientes de agencias del sector público, sector comercial o entidades sin ánimo de lucro.

Conflictos de interés

Los autores declaran que no existe conflicto de interés.