MADRID, 10 (EUROPA PRESS)
Investigadores del Instituto Buck han realizado un nuevo modelo predictivo ayuda a identificar a las personas en riesgo de COVID-19 grave, tras el análisis de datos de la aplicación COVID-19 Symptom Tracker, utilizada por 3 millones de personas en el Reino Unido, agregando el uso de medicamentos inmunosupresores, el uso de una ayuda para la movilidad, dificultad para respirar, fiebre y fatiga a la lista de síntomas y comorbilidades que aumentan el riesgo de COVID-19 grave.
"A pesar de que existen factores de riesgo establecidos para el COVID-19 grave, no hay buenos predictores que permitan a los proveedores de atención médica, o incluso a aquellos que dieron positivo, evaluar quién debe buscar atención médica avanzada", dice el profesor asociado del Instituto Buck David Furman, el científico principal que dirigió el estudio.
Los resultados, que se publican en el 'Journal of Medical Internet Research', no identificaron la edad cronológica como factor de riesgo de COVID-19 grave. Furman reconoció que el hecho de que las personas mayores tengan menos probabilidades de usar una aplicación de teléfono inteligente fue una limitación del estudio.
"Pero nuestro estudio enfatiza que cualquier población que exprese las características identificadas en nuestro modelo podría ser susceptible a una forma más severa de COVID-19". El investigador ha señalado que de los tres millones de personas que usaron la aplicación, unas 11.000 dieron positivo por el virus y unas 500 terminaron en el hospital.
La aplicación de seguimiento de síntomas recopila datos desde múltiples ángulos, pidiendo a las personas que describan cómo se sienten, los síntomas que experimentan y los medicamentos que están usando, junto con factores demográficos y de estilo de vida, como la nutrición y la dieta.
Agregando que muchos de los factores identificados en el estudio están relacionados con el envejecimiento, "comprender las poblaciones jóvenes vulnerables que son biológicamente mayores que su edad cronológica y exhiben características que generalmente se asocian con la población mayor podría ayudar a los médicos a identificar poblaciones jóvenes susceptibles".
Los hallazgos identifican el uso de medicamentos inmunosupresores como un predictor importante de enfermedades más graves merecen más investigación. "¿Están estos pacientes peor debido a una enfermedad autoinmune/autoinflamatoria subyacente o porque los medicamentos están suprimiendo su respuesta inflamatoria? No lo sabemos", ha añadido.
"Los laboratorios de todo el mundo están estudiando la respuesta inmune hiperactiva que conduce a la tormenta de citocinas que se asocia con COVID-19 severo. Nuestros hallazgos destacan la necesidad de comprender la biología de lo que está en juego en estos casos".
Furman y sus colegas están utilizando inteligencia artificial y aprendizaje automático para realizar otras investigaciones relacionadas con COVID. Se están realizando esfuerzos para predecir que los pacientes que probablemente se conviertan en "transportadores de larga distancia" de COVID, es decir, aquellos que experimentan síntomas debilitantes continuos mucho después de recuperarse de la enfermedad aguda.
Los investigadores también están correlacionando datos anteriores que identificaron fenotipos de envejecimiento dentro de proteomas individuales (el complemento completo de proteínas expresadas dentro de nuestras células y tejidos) con los proteomas de los infectados con el coronavirus. Furman dice que los datos preliminares sugieren que hay un subgrupo de pacientes con COVID-19 que están envejeciendo más rápido en lo que respecta a su proteoma.