Abordando la Encefalopatía Neonatal en Entornos de Bajos Recursos

Reducir el número de niños que mueren antes de cumplir cinco años ha mostrado avances en todo el mundo, pero los Recién nacidos todavía enfrentan un riesgo mayor. Casi la mitad de todas las muertes de menores de cinco años son recién nacidos, con 2.4 millones que mueren en el primer mes de vida. La mayoría de estas muertes ocurren en países más pobres, especialmente en el África subsahariana. Las principales causas de estas muertes son infecciones, partos prematuros y una condición llamada encefalopatía neonatal (EN).

#¿Qué es la Encefalopatía Neonatal?

La EN es una condición grave que afecta a los recién nacidos, especialmente a los que nacen a término (después de 37 semanas de embarazo). Se manifiesta como un mal funcionamiento cerebral en los primeros días. Algunos signos incluyen disminución de la conciencia, convulsiones, tono muscular inusual, dificultad para respirar y problemas para alimentarse. La EN puede resultar de varios problemas durante el embarazo y el parto, como falta de oxígeno, infecciones o problemas con la placenta. Un tipo específico de EN, conocido como encefalopatía isquémica hipoxica (EIH), ocurre cuando hay daño cerebral debido a la falta de oxígeno.

Cada año, la EN contribuye a alrededor de un millón de muertes en todo el mundo y muchos otros sufren discapacidades a largo plazo. Diagnosticar y tratar la EN puede ser complicado en áreas con pocos recursos donde nacen la mayoría de los bebés afectados.

#Diagnóstico y Manejo de la EN en Diferentes Entornos

En hospitales bien equipados, los médicos diagnostican la EN examinando tanto a la madre como al bebé. Miran pruebas específicas como gases en sangre y escaneos por imágenes (como EEG y MRI) para verificar la actividad cerebral. En entornos más pobres, es posible que estas pruebas no estén disponibles. En estos casos, los médicos dependen más de los signos clínicos para identificar la EN, pero esto puede llevar a incertidumbres en el diagnóstico.

Para ayudar al diagnóstico en hospitales, se han creado puntuaciones de predicción clínica. Estas combinan signos clínicos y resultados de EEG para determinar la gravedad de la EN y posibles resultados futuros. Una puntuación popular es el sistema de puntuación Sarnat y Sarnat. Sin embargo, esta puntuación depende en gran medida de los datos del EEG y solo funciona bien si ha habido un problema claro durante el embarazo o el parto, lo cual no siempre se registra en entornos con pocos recursos.

Para abordar estos desafíos, se creó un sistema de puntuación más simple llamado puntuación Thompson. Utiliza solo signos clínicos sin necesidad de datos de EEG. La puntuación se basa en nueve características clínicas y varía de 0 a 22. Una puntuación más alta indica una EN más severa. Aunque la puntuación Thompson es valiosa, su uso a menudo depende de la presencia de factores de riesgo conocidos para la EN, lo que hace vital tener claridad sobre cuándo usarla.

#Importancia de una Evaluación Precisa

Dentro de la primera semana de vida, una puntuación Thompson alta puede sugerir que un bebé podría enfrentar resultados de salud anormales más adelante. Sin embargo, los criterios para evaluar la puntuación pueden ser confusos, especialmente en lugares con personal de salud menos capacitado. Sin una guía clara, los proveedores de salud pueden tener dificultades para decidir cuándo usar la puntuación Thompson de manera efectiva.

La investigación ha identificado factores maternos y neonatales que pueden aumentar el riesgo de EN. Por ejemplo, condiciones severas durante el embarazo como la preeclampsia o sangrado notable durante el embarazo aumentan las posibilidades de EN en recién nacidos. Identificar estos factores de riesgo es esencial para que los proveedores de salud prioricen qué recién nacidos deben ser evaluados utilizando la puntuación Thompson.

#Innovaciones en Salud Digital en el Cuidado Neonatal

Para mejorar la atención de los recién nacidos, especialmente en países como Malawi y Zimbabue, se desarrolló una herramienta de salud digital llamada Neotree. Esta herramienta ayuda a recopilar datos, educar a los trabajadores de la salud y proporcionar apoyo clínico para una mejor toma de decisiones durante el cuidado neonatal. Neotree se utiliza actualmente en hospitales donde ayuda a mejorar los resultados de salud neonatal.

Como parte de su desarrollo, el equipo de Neotree ha trabajado en crear un algoritmo clínico para diagnosticar la EN. Comenzaron revisando las pautas existentes para encontrar factores de riesgo conocidos. Expertos en cuidado neonatal luego contribuyeron revisando y refinando estas pautas. Sugerieron usar sistemas de puntuación establecidos como la puntuación Thompson como una forma más confiable de evaluar la EN.

Sin embargo, debido a la falta de trabajadores de salud capacitados, no siempre es posible evaluar a cada recién nacido utilizando la puntuación Thompson. Esto plantea la pregunta de cómo priorizar qué bebés necesitan más exámenes y evaluaciones.

#Objetivos de la Investigación

El objetivo principal de la investigación era identificar a los recién nacidos en riesgo de EN en entornos donde el acceso a pruebas y herramientas es limitado. Los investigadores querían desarrollar un modelo que pudiera predecir quién podría tener una puntuación Thompson anormal. Este modelo ayudaría a los proveedores de salud a decidir fácilmente qué recién nacidos necesitan ser examinados para detectar EN.

Para lograr esto, los investigadores primero realizaron una revisión exploratoria. Buscaron factores maternos y neonatales que pudieran estar vinculados a una puntuación Thompson anormal, sugiriendo una mayor probabilidad de EN. Usaron varios motores de búsqueda para encontrar estudios y artículos relevantes, enfocándose en entornos con pocos recursos.

#Resumen del Estudio

La investigación analizó a los recién nacidos nacidos en un hospital específico en Zimbabue, particularmente a los nacidos a término. Se recopilaron datos de las prácticas hospitalarias habituales usando la herramienta Neotree para captar información sobre los recién nacidos. El estudio abarcó el periodo de octubre de 2020 a diciembre de 2022, centrándose en varios factores clave que podrían afectar la puntuación Thompson.

#Hallazgos Clave

El estudio analizó datos de más de 6,000 recién nacidos. Un número significativo de estos bebés, alrededor del 4%, tenía una puntuación Thompson mayor a 10, lo que indica un riesgo de EN. El número total de recién nacidos que no sobrevivieron era preocupante, y aquellos con puntuaciones más altas tuvieron peores resultados.

La investigación identificó varios factores asociados con una puntuación Thompson más alta. Estos incluían la frecuencia cardíaca del bebé al momento de la admisión, la Puntuación de Apgar (que mide la salud del recién nacido justo después del parto) y si el recién nacido recibió Resucitación. Notablemente, si un bebé necesitaba ayuda para respirar justo después del nacimiento, esto indicaba un mayor riesgo de tener una puntuación Thompson anormal.

#Implicaciones para los Proveedores de Salud

Los resultados de este estudio pueden ayudar a los profesionales de la salud en entornos con pocos recursos a elegir qué bebés deben ser evaluados para detectar EN usando la puntuación Thompson. Al integrar estos factores predictivos en la aplicación Neotree, los trabajadores de la salud pueden identificar a los recién nacidos en riesgo de manera más efectiva.

Sin embargo, es crucial perfeccionar este modelo aún más para asegurar que funcione bien en la práctica. Esto incluye probar el modelo para confirmar su precisión antes de implementarlo completamente en entornos clínicos.

#Conclusión

En general, reducir las muertes de recién nacidos y mejorar los resultados para aquellos en riesgo de EN sigue siendo un desafío global significativo. La investigación y la innovación, como el uso de herramientas digitales de salud, pueden conducir a una mejor evaluación y atención para los recién nacidos en áreas con pocos recursos. Identificar los factores de riesgo clave asociados con puntuaciones Thompson más altas es esencial para priorizar la atención y tomar decisiones clínicas informadas. Con esfuerzos continuos en la investigación y aplicación de hallazgos, hay esperanza para mejorar la salud neonatal en entornos con pocos recursos.