La carga de la COVID persistente sigue aumentando, duplicando las estimaciones de vigilancia actuales

Actualizado hace 4 minutos

El verdadero impacto del COVID persistente podría ser el doble de las estimaciones actuales y estar oculto para los sistemas de vigilancia actuales que dependen de la captura de códigos de diagnóstico, según una nueva investigación liderada por Mass General Brigham (Estados Unidos).

Los investigadores utilizaron un novedoso algoritmo de IA para analizar los historiales médicos de casi 460.000 pacientes con COVID-19 en 58 hospitales de Estados Unidos y descubrieron que aproximadamente 1 de cada 6, o alrededor del 16%, desarrolló COVID persistente. Estas tasas, que se traducen en más de 18 millones de estadounidenses, son el doble de las estimaciones actuales y reflejan la creciente carga acumulativa de afecciones crónicas tras la infección por COVID-19.

"Más de 10 millones de personas con COVID persistente pasarían completamente desapercibidas para el código de diagnóstico en el que se basan los sistemas de salud y los responsables políticos para hacer un seguimiento de la carga de la enfermedad", subraya el autor principal del estudio, Hossein Estiri, doctor en filosofía y miembro del Departamento de Medicina del Hospital General de Massachusetts Brigham.

Los casos descubiertos son inferiores a las reales

"Es casi seguro que las cifras que hemos descubierto son inferiores a las reales", añade el investigador que ha publicado su estudio en 'JAMA Network Open'.

La codificación diagnóstica actual, incluido el código U09.9 de la CIE destinado a las afecciones posteriores a la COVID-19, abarca a menos del 7% de los pacientes con COVID persistente.

Algoritmo de "fenotipado de precisión"

Los investigadores del Mass General Brigham implementaron un novedoso algoritmo de "fenotipado de precisión" diseñado específicamente para identificar la COVID persistente en registros médicos electrónicos longitudinales, mediante el análisis de secuencias temporales de eventos clínicos de cientos de miles de pacientes con COVID-19. El algoritmo ya había sido validado para identificar casos de COVID persistente como diagnóstico de exclusión, que identifica afecciones que aparecieron después de la infección por COVID-19 y que no pueden explicarse por afecciones preexistentes en el historial médico del paciente.

Asimismo, analizaron los registros médicos electrónicos de 457.950 pacientes que previamente habían dado positivo por COVID-19 en cuatro regiones de Estados Unidos: Nueva Inglaterra, el sureste de Texas, el sur de California y el oeste de Pensilvania. Identificaron COVID persistente en el 16,3% de los pacientes en general, con tasas que oscilaron entre el 13,6% y el 22,7% en las distintas regiones.

14,5% desarrollan afecciones crónicas

En toda la cohorte del estudio, el 14,5% de los pacientes con COVID-19 (66.587 personas) desarrollaron afecciones crónicas que requirieron atención clínica continua. El estudio también reveló variaciones regionales de las manifestaciones clínicas del COVID persistente, como tasas drásticamente diferentes de prediabetes (una secuela emergente del COVID persistente) en diversas partes de Estados Unidos.

Contrariamente a la suposición de que el COVID persistente es un legado de las primeras oleadas de la pandemia, los investigadores también descubrieron que la prevalencia acumulada siguió aumentando en todas las regiones estudiadas. Esto indica que el virus continúa actuando como catalizador de nuevas afecciones crónicas a largo plazo que afectan a diferentes sistemas del organismo.

Los efectos del covid persistente siguen apareciendo. E.P.

Identificación más precisa de afecciones posvirales

El modelado estadístico mostró aumentos trimestrales significativos en Nueva Inglaterra, el sur de California y el oeste de Pensilvania, con tendencias que apuntan a un crecimiento continuo durante la próxima década si persisten los patrones actuales. "Este trabajo demuestra cómo se pueden estructurar y analizar los datos clínicos longitudinales de un sistema de salud para facilitar una identificación más precisa de afecciones posvirales complejas", destaca Shawn Murphy, coautor del estudio y director de información de investigación de la Universidad de Washington. "La IA clínica tiene un gran potencial cuando se diseña para la salud pública y se integra en entornos de atención médica reales".

Nuevos ensayos y tratamientos

Los investigadores señalan que sus hallazgos no incluyen las infecciones no documentadas, que se han convertido en la mayoría desde que se suspendieron las pruebas generalizadas, y excluyen a los pacientes sin historiales médicos longitudinales. Estas limitaciones sugieren que la incidencia total de la COVID persistente podría ser incluso mayor.

"Este estudio demuestra cómo los hospitales pueden aprovechar la IA para ayudar a subsanar las deficiencias en la vigilancia epidemiológica que las agencias de salud pública ya no realizan", concluye Estiri. "Una vez que podamos distinguir las diferentes manifestaciones clínicas y específicas de órganos de la COVID persistente, podremos iniciar nuevos ensayos y probar tratamientos dirigidos a los pacientes adecuados".