Journal Information
Vol. 45. Issue S4.
HEMO 2023
Pages S985-S986 (October 2023)
Share
Share
Download PDF
More article options
Vol. 45. Issue S4.
HEMO 2023
Pages S985-S986 (October 2023)
Full text access
APLICAÇÃO DE DOIS ALGORITMOS DE PREDIÇÃO DE GRAVIDADE EM PACIENTES COM COVID-19 ATENDIDOS NO HC/UNICAMP
Visits
251
VHA Diniza, BF Pielluscha, GA Pedrosoa, BB Oliveiraa, GAFM Limaa, APQ Bellucob, GB Mattosa, AE Alagbea, MNND Santosa
a Universidade Estadual de Campinas (Unicamp), Campinas, SP, Brasil
b Universidade de Brasília (UnB), Brasília, DF, Brasil
This item has received
Article information
Special issue
This article is part of special issue:
Vol. 45. Issue S4

HEMO 2023

More info
Objetivos

O presente trabalho aplicou dois algoritmos de predição da gravidade clínica da COVID-19 utilizando dados clínico-laboratoriais de pacientes atendidos no Hospital de Clínicas da Unicamp (HC/Unicamp), bem como avaliou possíveis associações entre as comorbidades e a mortalidade.

Materiais e métodos

Trata-se de estudo retrospectivo (abril/2020 a março/2021) e não intervencionista, com a inclusão de 332 pacientes (amostragem), com idade superior a 18 anos, que estiveram internados no HC/Unicamp e apresentaram o diagnóstico molecular confirmado para COVID-19. Os algoritmos disponíveis nos sites “med-predict.com” (algoritmo A) e “www.mdcalc.com/calc/10338/4c-mortality-score-covid-19” (algoritmo B) foram avaliados, os quais consideraram dados laboratoriais ou clínico-laboratoriais [contagem de leucócitos e linfócitos, dímero-D, fibrinogênio, TTPA, ferritina, PCR, CK, billirubina total, troponina, LDH, AST e ALT (algoritmo A) e ureia, PCR, saturação de O2, idade, sexo e escala de glasgow (algoritmo B)]. Para a aplicação dos algoritmos, os prontuários dos pacientes foram revisados e esses foram agrupados em função da gravidade, de acordo com os critérios da OMS para infecção por SARS-CoV-2: infecção assintomática ou pré-sintomática, doença leve, doença moderada, doença grave e doença crítica. Desta forma, foi analisado o desfecho previsto pelos algoritmos com base na classificação da OMS. Além disso, os pacientes foram agrupados em função do número de comorbidades para avaliar possíveis associações com a taxa de óbito. As análises estatísticas foram realizadas no programa SPSS (versão-22).

Resultados

Na análise dos pacientes, 260 (78,3%) receberam alta médica hospitalar e 72 (21,7%) morreram durante a internação. Durante a internação, 17 (5,1%) foram classificados como assintomáticos, 23 (6,9%) como leves, 60 (18,0%) como moderados, 153 (46,0%) como graves e 79 (23,8%) como críticos. Na análise do algoritmo A foi observada associação entre a probabilidade do algoritmo A de predizer um desfecho grave e a classificação da doença em função dos critérios de gravidade da OMS (p < 0,0001). Já o algoritmo B, mostrou associação entre a sua predição de mortalidade e a mortalidade dos pacientes (p < 0,0001), além de apresentar associação entre os grupos de maiores riscos (doença grave e doença crítica) e os pacientes com maior número de comorbidades (3 ou mais) (p < 0,0001). Por outro lado, uma associação entre o maior número de comorbidades (três ou mais) e a mortalidade (p < 0,0001) foi observada, assim como houve também associação entre o menor número de comorbidades (0-2) e a alta da internação (p < 0,0001).

Discussão

As associações encontradas entre os algoritmos de predição, comorbidades e desfechos ressaltam a importância de considerar múltiplos fatores na avaliação e tratamento desses pacientes.

Conclusão

O presente estudo apresenta limitações, como o fato de não existir um protocolo com os exames requeridos pelos algoritmos e a sua realização logo após a confirmação da infecção por COVID-19, porém, mesmo assim, o uso desses algoritmos apresentou concordância com o desfecho clínico, reforçando a importância da utilização dessas ferramentas para auxiliar nas decisões clínicas e predizer a gravidade da doença.

Full text is only aviable in PDF
Idiomas
Hematology, Transfusion and Cell Therapy
Article options
Tools