Utilizamos cookies para comprender de qué manera utiliza nuestro sitio y para mejorar su experiencia. Esto incluye personalizar el contenido y la publicidad. Para más información, Haga clic. Si continua usando nuestro sitio, consideraremos que acepta que utilicemos cookies. Política de cookies.

Please note that the HospiMedica website is also available in a complete English version
Presenta Sitios para socios Información LinkXpress
Ingresar
Publique su anuncio con nosotros
Feather Safety Razor

Deascargar La Aplicación Móvil





Modelo de aprendizaje automático usa prueba en sangre para predecir la supervivencia de los pacientes con COVID-19 críticamente enfermos

Por el equipo editorial de HospiMedica en español
Actualizado el 24 Jan 2022
Print article
Imagen: Instalación central de proteómica en el hospital universitario Charité de Berlín (Fotografía cortesía de Johannes Hartl, Charité)
Imagen: Instalación central de proteómica en el hospital universitario Charité de Berlín (Fotografía cortesía de Johannes Hartl, Charité)
Según un estudio nuevo, se puede analizar una sola muestra de sangre de un paciente gravemente enfermo con COVID-19 mediante un modelo de aprendizaje automático que utiliza proteínas del plasma sanguíneo para predecir la supervivencia, semanas antes del resultado.

Científicos de la Charité-Universitätsmedizin Berlín (Berlín, Alemania) descubrieron que los niveles de 14 proteínas en la sangre de pacientes críticos con COVID-19 se asociaban con la supervivencia. Los sistemas de atención médica de todo el mundo luchan para acomodar un gran número de pacientes con COVID-19 gravemente enfermos que necesitan atención médica especial, principalmente si se identifica que tienen un alto riesgo. Las evaluaciones de riesgo clínicamente establecidas en la medicina de cuidados intensivos, como SOFA o APACHE II, muestran solo una confiabilidad limitada para predecir los resultados futuros de la enfermedad por COVID-19.

En el nuevo estudio, los investigadores estudiaron los niveles de 321 proteínas en muestras de sangre tomadas en 349 puntos de tiempo de 50 pacientes con COVID-19 en estado crítico que eran tratados en dos centros de atención médica independientes en Alemania y Austria. Se utilizó un enfoque de aprendizaje automático para encontrar asociaciones entre las proteínas medidas y la supervivencia del paciente. Quince de los pacientes de la cohorte fallecieron; el tiempo medio desde el ingreso hasta la muerte fue de 28 días. Para los pacientes que sobrevivieron, la mediana de tiempo de hospitalización fue de 63 días.

Los investigadores identificaron 14 proteínas que, con el tiempo, cambiaron en direcciones opuestas para los pacientes que sobreviven en comparación con los pacientes que no sobreviven en cuidados intensivos. Luego, el equipo desarrolló un modelo de aprendizaje automático para predecir la supervivencia en función de una medición de proteínas relevantes en un solo punto de tiempo y probó el modelo en una cohorte de validación independiente de 24 pacientes con COVID-19 gravemente enfermos. El modelo demostró un alto poder predictivo en esta cohorte, prediciendo correctamente el resultado de 18 de 19 pacientes que sobrevivieron y cinco de cinco pacientes que fallecieron.

Los investigadores concluyeron que las pruebas de proteínas en sangre, si se validan en cohortes más grandes, pueden ser útiles tanto para identificar a los pacientes con el mayor riesgo de mortalidad como para evaluar si un tratamiento determinado cambia la trayectoria proyectada de un paciente individual.

Enlace relacionado:
Charité-Universitätsmedizin Berlín


Print article

Canales

Cuidados Criticos

ver canal
Imagen: La tecnología vMap localiza la fuente de arritmia utilizando solo datos de un ECG no invasivo de 12 derivaciones (Fotografía cortesía de UC San Diego)

Nueva tecnología de mapeo de arritmia podría aumentar tasas de éxito de la ablación

El estándar actual de atención para tratar las arritmias cardíacas (cualquier tipo de latido cardíaco irregular que sea demasiado rápido, demasiado lento o fuera de tiempo,... Más

Téc. Quirúrgica

ver canal
Imagen: Se ha encontrado que la cirugía robótica mejora el tiempo de recuperación del paciente (Fotografía cortesía de Pexels)

Se descubrió que la cirugía robótica es más segura y reduce tiempo de hospitalización

A diferencia de la cirugía abierta, donde un cirujano trabaja directamente en un paciente e involucra grandes incisiones en la piel y el músculo, la cirugía asistida por robot permite... Más

Cuidados de Pacientes

ver canal
Imagen: La futura tecnología de salud portátil podría medir los gases liberados de la piel (Fotografía cortesía de Pexels)

Tecnología de salud portátil podría medir los gases liberados de la piel para monitorear enfermedades metabólicas

La mayoría de las investigaciones sobre la medición de biomarcadores humanos, que son medidas de la salud del cuerpo, se basan en señales eléctricas para detectar las sustancias... Más

Negocios

ver canal
Imagen: GE Healthcare y Medtronic han anunciado una colaboración para satisfacer la creciente necesidad de atención ambulatoria (Fotografía cortesía de Pexels)

GE Healthcare y Medtronic colaboran para mejorar el acceso a productos para CCA y LC

Brindar una atención excelente dentro y fuera del hospital tradicional es la nueva norma para pacientes, médicos y pagadores que buscan más opciones sin comprometer los excelentes resultados.... Más
Copyright © 2000-2022 Globetech Media. All rights reserved.