CODOP y la predicción automatizada de resultados clínicos en COVID-19

Carlos Lumbreras y Antonio Lalueza, del Servicio de Medicina Interna, y Miguel Pedrera, de la Unidad de la DataScience, son algunos de los autores del siguiente trabajo publicado en Elife: “Development and evaluation of a machine learning-based in-hospital COvid-19 disease outcome predictor (CODOP): a multicontinental retrospective study“.

Las nuevas variantes de SARS-CoV-2, la disminución de la inmunidad y las bajas tasas de vacunación son algunas de las causas del aumento de las hospitalizaciones o la mortalidad en esta pandemia. Por ello son necesarias herramientas de triaje que ayuden a la asignación de recursos hospitalarios, sobre todo en países donde los recursos limitados. En este trabajo se describe la creación de una herramienta (CODOP) basada en el aprendizaje automático para predecir el resultado clínico de los pacientes hospitalizados por COVID-19. CODOP ha sido ensayada y validada en seis de cohortes que abarcan casi 30 mil pacientes de más de 150 hospitales en España, Estados Unidos y Latinoamérica entre 2020 y 2022.

CODOP utiliza 12 parámetros clínicos comúnmente medidos al ingreso hospitalario para alcanzar una alta capacidad discriminativa hasta nueve días antes de la resolución clínica y permite una estratificación de riesgo dinámica eficaz durante la hospitalización. Mantiene su capacidad predictiva independientemente de la variante del virus y del estado de vacunación. El rendimiento de CODOP en cohortes de pacientes heterogéneas y geográficamente dispersas y la facilidad de uso sugieren su utilidad clínica, particularmente en países con recursos limitados.

Equipo Biblioteca H12O