Nuovo modello valuta il rischio di COVID-19 nei pronto soccorso

COVID-19 è causato da un virus conosciuto come SARS-CoV-2, che ha stravolto molti aspetti della società, specialmente i sistemi sanitari come gli ospedali. All'inizio dell'epidemia, si sapeva poco sul virus, su come si diffonde o come testarlo e curarlo. Questa mancanza di informazioni, unita a scarsa conoscenza pubblica, ha permesso al virus di diffondersi rapidamente, portando a molte infezioni.

Per rispondere a questo, sono state introdotte misure di salute pubblica come il distanziamento sociale e l'uso di mascherine, che hanno aiutato a ridurre il numero di casi. Tuttavia, dopo un periodo di bassa incidenza durante l'estate, il virus è riemerso in autunno, portando a una seconda ondata di infezioni. Molti esperti si aspettano una potenziale terza ondata a causa di nuove mutazioni del virus.

I reparti di emergenza (ED) negli ospedali hanno affrontato diverse sfide nella diagnosi del COVID-19 in vari stadi della pandemia. Nei primi giorni, la capacità di test era limitata e il tempo per ricevere i risultati era lungo. Questo ha ritardato le cure ai pazienti. In seguito, sono stati resi disponibili test rapidi, che potevano fornire risultati in meno di un'ora, accorciando il processo diagnostico.

Con l'aumento dei Modelli Predittivi, c'è un desiderio di identificare i pazienti in ED che potrebbero necessitare di test per COVID-19 o che potrebbero non avere la malattia. Se un modello potesse utilizzare solo i risultati di laboratorio standard, potrebbe abbattere i costi dei test e aiutare a dare priorità alle cure per i pazienti. Sono stati creati diversi modelli per identificare i pazienti con COVID-19 e valutare la gravità della loro malattia. Tuttavia, solo pochi di questi modelli sono stati messi in uso regolare negli ospedali.

I primi modelli spesso avevano campioni di dimensioni ridotte o includevano bias, limitando la loro applicazione pratica. Alcuni modelli richiedevano dati che non potevano essere facilmente raccolti automaticamente, rendendoli difficili da usare in situazioni reali. I modelli basati esclusivamente su pazienti testati PCR non aiutavano i medici a decidere chi dovesse essere testato, poiché non consideravano come vengono prese le decisioni riguardo ai test.

Inoltre, modelli che coinvolgono l'uso di altri strumenti diagnostici, come TC o raggi X, non sono pratici nelle situazioni quotidiane quando sono necessarie decisioni rapide.

#Sviluppo di un Nuovo Modello Predittivo

Questo articolo discute la creazione e il collaudo di un nuovo modello predittivo progettato per stimare la probabilità che un paziente che visita l'ED risulti positivo al COVID-19, basato su test di laboratorio di routine. Questo modello può essere utilizzato indipendentemente dal fatto che il numero di casi di COVID-19 sia alto o basso. È stato convalidato, il che significa che è stato testato con successo in diversi contesti e può aiutare a ridurre Test PCR non necessari identificando accuratamente i pazienti a maggior rischio di COVID-19.

#Progetto dello Studio

Per sviluppare questo modello, sono stati raccolti risultati di laboratorio di routine insieme a età e genere dei pazienti da tutti i pazienti che si sono recati all'ED di un ospedale a Eindhoven, Paesi Bassi, tra luglio 2019 e luglio 2020. Questi risultati sono stati abbinati agli esiti dei test PCR per COVID-19. I ricercatori hanno analizzato come si comportasse il modello convalidandolo internamente con bootstrapping, verificandolo nel tempo con i dati dell'ospedale e convalidandolo esternamente utilizzando dati di altri tre ospedali.

Lo studio è stato approvato da un comitato etico, confermando che non violava le normative riguardanti i soggetti di ricerca umana.

#Dati e Test di Laboratorio

L'ED ha incluso tutte le presentazioni dei pazienti in cui sono stati richiesti test di laboratorio di routine. Questo pannello di laboratorio consisteva in 28 test, anche se non tutti i test sono stati eseguiti in ogni caso. Le presentazioni in cui i risultati di laboratorio erano mancanti o in cui i valori erano estremi sono state escluse. Dopo il primo caso di COVID-19 nei Paesi Bassi, i pazienti con sintomi sono stati testati per il virus.

I pannelli di laboratorio di routine includevano vari esami del sangue, come livelli di emoglobina, test di funzionalità epatica e proteina C-reattiva, tra gli altri. Questi risultati di laboratorio sono stati combinati con informazioni demografiche dei pazienti per aiutare a prevedere lo stato di COVID-19.

#Creazione del Modello

Per garantire l'accuratezza e evitare l'overfitting (che avviene quando un modello è troppo complesso e non si comporta bene su nuovi dati), è stata utilizzata la regressione lasso adattiva. Il modello è stato adattato utilizzando una varietà di risultati di laboratorio e ha calcolato un punteggio predittivo lineare per ogni paziente. Questo punteggio poteva essere convertito in una semplice categoria di rischio che andava da basso a alto rischio di COVID-19.

#Sistema di Punteggio

Il sistema di punteggio, chiamato CoLab-score, va da 0 a 5. Un punteggio di 0 significa basso rischio di COVID-19, mentre un punteggio di 5 indica alto rischio. Questo punteggio aiuta i medici a valutare rapidamente chi dovrebbe essere testato per il virus basandosi sui dati più recenti riguardo a quanto sia comune il virus in quel momento.

Il CoLab-score è progettato per adattarsi ai cambiamenti nel numero di casi di COVID-19 nel reparto di emergenza. Ad esempio, se il numero di casi positivi di COVID-19 è basso, solo le categorie di punteggio di rischio più alto sarebbero raccomandate per il test. Questo sistema mira a bilanciare la necessità di testare con l'efficienza delle risorse sanitarie.

#Validazione del Modello

#Validazione Interna

Per controllare quanto bene funzionasse il modello, è stata eseguita una validazione interna utilizzando un metodo chiamato bootstrapping. Sono stati presi campioni dai dati originali per comprendere il potenziale rendimento in situazioni reali, considerando diversi fattori come sensibilità e specificità. I risultati hanno indicato che il CoLab-score potrebbe prevedere con precisione le infezioni da COVID-19 e aiutare a decidere chi dovesse essere testato.

#Validazione Temporale

Durante la seconda ondata di COVID-19, sono stati raccolti dati dallo stesso ospedale per vedere se il modello funzionava ancora in condizioni più difficili. I risultati hanno indicato che, sebbene alcune misure di prestazione fossero leggermente inferiori rispetto alla prima ondata, il modello ha comunque aiutato a identificare con successo i pazienti con COVID-19.

#Validazione Esterna

Il modello è stato anche convalidato in altri tre ospedali nei Paesi Bassi. I risultati hanno mostrato che il CoLab-score ha continuamente performato bene in diversi contesti. Ci sono state lievi variazioni in sensibilità e specificità, ma l'efficacia complessiva del modello è rimasta solida.

#Vantaggi del CoLab-Score

Il CoLab-score offre diversi vantaggi chiave:

1. Velocità di Diagnosi: Il modello può fornire valutazioni rapide, consentendo decisioni mediche tempestive.
2. Efficienza delle Risorse: Aiuta a dare priorità a chi ha davvero bisogno di essere testato, il che può ridurre costi e alleviare la pressione sulle strutture di testing.
3. Ampia Applicabilità: Il modello può essere utilizzato in vari contesti ospedalieri, rendendolo versatile per diversi sistemi sanitari.

#Limitazioni dello Studio

Sebbene il CoLab-score mostri potenzialità, ci sono alcune limitazioni da notare. Circa il 13% al 18% delle presentazioni dei pazienti non potevano essere utilizzate per l'analisi a causa di risultati di laboratorio mancanti. Questo è un problema comune in molti studi e non implica necessariamente un grande bias nei risultati.

Il modello si basa su risultati di laboratorio che possono cambiare in base alla popolazione e ai metodi di testing utilizzati in ciascun ospedale. Anche se il CoLab-score è uno strumento promettente per valutare il rischio di COVID-19, è fondamentale rivalutare e adattare costantemente il modello man mano che emergono nuove varianti del virus.

#Direzioni Future della Ricerca

Poiché il COVID-19 continua a evolversi, è necessaria ulteriore ricerca per garantire che il CoLab-score rimanga efficace contro le nuove varianti del virus. Il modello potrebbe anche essere adattato per l'uso in altri contesti di malattie infettive oltre al COVID-19.

#Conclusione

Il CoLab-score fornisce uno strumento prezioso per gli ospedali per aiutare a determinare rapidamente e con precisione quali pazienti dell'ED dovrebbero essere testati per il COVID-19. Utilizzando test di laboratorio di routine, il modello può bilanciare efficacemente la necessità di testare con le realtà delle risorse sanitarie, specialmente in tempi di alta domanda.

Man mano che più ospedali iniziano a implementare questo sistema di punteggio, potrebbe portare a un miglioramento delle cure per i pazienti durante la pandemia in corso. La speranza è che strumenti come il CoLab-score continueranno ad evolversi e adattarsi, aiutando i sistemi sanitari a gestire non solo il COVID-19, ma anche altre sfide di salute pubblica in futuro.