COVID-19 : Medición del ARN viral para predecir qué pacientes morirán
Un modelo estadístico utiliza un biomarcador sanguíneo del SARS-CoV-2 para identificar a los pacientes infectados con mayor riesgo de morir por COVID-19
pixabay.com
El hallazgo se publica en Science Advances. Kaufmann y su equipo realizaron el trabajo en el CRCHUM, la rama de investigación del hospital universitario de la UdeM, el Centre hospitalier de l'Université de Montréal.
"En nuestro estudio hemos podido determinar qué biomarcadores predicen la mortalidad en los 60 días siguientes a la aparición de los síntomas", explica Kaufmann, coautor del estudio junto con sus colegas de investigación del CRCHUM, Nicolas Chomont y Andrés Finzi.
"Gracias a nuestros datos, hemos desarrollado y validado con éxito un modelo estadístico basado en un biomarcador sanguíneo", el ARN viral, dijo Kaufmann.
A pesar de los avances en el tratamiento de la COVID-19, a los médicos les ha resultado difícil identificar a los pacientes con mayor riesgo de morir por la enfermedad y así poder ofrecerles nuevos tratamientos. Se han identificado varios biomarcadores en otros estudios, pero hacer malabarismos con la profusión de parámetros no es posible en un entorno clínico y dificulta la capacidad de los médicos para tomar decisiones médicas rápidas.
Una combinación de tres parámetros
Utilizando muestras de sangre recogidas de 279 pacientes durante su hospitalización por COVID-19, con grados de gravedad que iban de moderados a críticos, el equipo de Kaufmann midió las cantidades de proteínas inflamatorias, buscando alguna que destacara.
Al mismo tiempo, el equipo de Chomont midió las cantidades de ARN viral y el de Finzi los niveles de anticuerpos dirigidos al virus. Las muestras se recogieron 11 días después de la aparición de los síntomas y los pacientes fueron controlados durante un mínimo de 60 días después.
El objetivo: comprobar la hipótesis de que los indicadores inmunológicos se asociaban a una mayor mortalidad.
"Entre todos los biomarcadores que evaluamos, demostramos que la cantidad de ARN viral en la sangre se asociaba directamente con la mortalidad y proporcionaba la mejor respuesta predictiva, una vez que nuestro modelo se ajustaba en función de la edad y el sexo del paciente", dijo Elsa Brunet-Ratnasingham, estudiante de doctorado en el laboratorio de Kaufmann y coprimera autora del estudio.
"Incluso comprobamos que la inclusión de biomarcadores adicionales no mejoraba la calidad predictiva", añadió la joven investigadora, cuyo trabajo se benefició de una beca de excelencia COVID-19 de la UdeM.
Un modelo potente
Para confirmar su eficacia, Kaufmann y Brunet-Ratnasingham probaron el modelo en dos cohortes independientes de pacientes infectados del Hospital General Judío de Montreal (reclutados durante la primera oleada de la pandemia) y del CHUM (reclutados durante la segunda y tercera oleada).
No importaba en qué hospital se tratara a los pacientes, ni en qué periodo de la pandemia cayeran: en todos los casos, el modelo predictivo funcionó. Ahora Kaufmann y sus colegas quieren darle un uso práctico.
"Sería interesante utilizar el modelo para controlar a los pacientes", dijo, "con la siguiente pregunta en mente: cuando se administran nuevos tratamientos que han demostrado ser eficaces, ¿la carga viral sigue siendo un marcador predictivo de la mortalidad?"
Nota: Este artículo ha sido traducido utilizando un sistema informático sin intervención humana. LUMITOS ofrece estas traducciones automáticas para presentar una gama más amplia de noticias de actualidad. Como este artículo ha sido traducido con traducción automática, es posible que contenga errores de vocabulario, sintaxis o gramática. El artículo original en Inglés se puede encontrar aquí.