El Virgen del Rocío participa en el desarrollo de una calculadora de riesgo de mortalidad para pacientes de COVID19
El Virgen del Rocío participa en este proyecto mundial junto a otros 33 hospitales con el objetivo de predecir la mortalidad con gran precisión usando mediciones clínicas recogidas durante la admisión del paciente en el hospital. La evaluación temprana del riesgo de mortalidad del paciente permite a los médicos clasificar a los pacientes y priorizar los recursos en un sistema altamente congestionado, sin necesidad de imágenes o pruebas avanzadas.
Fuente: Hospital Universitario Virgen del Rocío
El Hospital Universitario Virgen del Rocío ha participado en el proyecto ‘COVID-19 Personalized Risk Prediction: A machine Learning Approach, liderado por el Operations Research Center’ del Instituto Tecnológico de Massachusetts (MIT Sloan). Su objetivo es el uso de información de pacientes, con positivo en SARS-COV-2 e ingreso hospitalario, para la generación de una Calculadora de Riesgo de Mortalidad (CRM) mediante la aplicación de técnicas de aprendizaje automático.
Dos de los profesionales del Grupo de Innovación Tecnológica del hospital, Carlos Parra y Sara González.
Se trata de uno de los primeros estudios internacionales validado en cohortes de pacientes independientes procedentes de distintos puntos de esta pandemia mundial. Los resultados se han publicado en la prestigiosa revista científica Plos One.
La calculadora logra predecir la mortalidad con gran precisión usando mediciones clínicas recogidas durante la admisión del paciente en el hospital. La evaluación temprana del riesgo de mortalidad del paciente permite a los médicos clasificar a los pacientes y priorizar los recursos en un sistema altamente congestionado, sin necesidad de imágenes o pruebas avanzadas.
El rendimiento obtenido en la validación de la CRM en la población del Hospital Universitario Virgen del Rocío ha sido próximo al 92%, una elevada precisión que proporcionar una valiosa herramienta de soporte a la decisión clínica para el triaje de pacientes y la gestión de la atención de pacientes de Covid19.
En el proyecto ha participado directamente el Grupo de Innovación Tecnológica con la colaboración del equipo multidisciplinar de COVID del Hospital Universitario Virgen del Rocío, que ha atendido a los pacientes, así como de la Subdirección de Centros Diagnósticos, la Unidad de Farmacia, la Unidad de Gestión Clínica de Urgencias, la Unidad de Documentación Clínica y la Unidad de Análisis y Evaluación del Hospital Universitario Virgen del Rocío.
En total, en el estudio han participado 33 hospitales del sur de Europa (Italia, Grecia, España) y de Estados Unidos. De este modo ha sido posible recoger información clínica de 3.062 pacientes, pacientes adultos ingresados en el hospital con una infección confirmada de SARS-CoV-2. Los datos registrados incluyen información demográfica de los pacientes, comorbilidades, signos vitales y resultados de pruebas de laboratorio.
La Calculadora de Riesgo de Mortalidad implementada se encuentra disponible y operativa online en la web: https://www.covidanalytics.io/mortality_calculator
El artículo en Plos One es de acceso abierto y está disponible en el siguiente enlace: https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0243262
Últimas publicaciones
El objetivo del Plan, con una vigencia de cinco años, es garantizar la plena igualdad de trato y oportunidades de mujeres y hombres, consolidando un camino ya emprendido por la organización, promovida por la Consejería de Universidad, Investigación e Innovación
Sigue leyendo
El Espacio Creativo Cultural Santa Clara del Ayuntamiento de Palma del Río acoge la exposición ‘Paseo Matemático al-Ándalus’ de la Fundación Descubre / Consejería de Universidad, Investigación e Innovación de la Junta de Andalucía, una muestra que podrá visitarse hasta el próximo 14 de octubre.
Sigue leyendo
Un equipo de investigación de la Universidad de Málaga presenta una herramienta estadística para identificar de forma precisa conexiones cerebrales incluso cuando la señal está distorsionada e incompleta. Este modelo es aplicable a contextos clínicos como el estudio de enfermedades neurodegenerativas como el Alzheimer o el Parkinson, el procesamiento del lenguaje o el desarrollo neurotecnológico.
