Análisis de regresión multinomial de gravedad COVID-19 en pacientes de Ecuador

Carlos López Barrionuevo, Edwin Miranda Solis, Evelyn Betancourt Rubio

Texto completo:

PDF

Resumen

Introducción: Determinar predictores de gravedad específicos en la población permite identificar grupos de alto riesgo sobre los cuales focalizar medidas para prevenir progresión grave de COVID-19, reduciendo complicaciones relacionadas.

Objetivo: Analizar mediante regresión multinomial la gravedad de la COVID-19, según el estado de tabaquismo, comorbilidades, Índice de Masa Corporal, sexo, y edad, en pacientes de un hospital de Ecuador, durante el segundo semestre del 2022.

Métodos: El estudio, fue de nivel predictivo y tipo analítico, observacional, transversal y retrospectivo.  La población de estudio estuvo conformada por 214 pacientes diagnosticados con COVID-19 confirmado por pruebas de laboratorio. Se realizó un diseño de regresión multinomial con pruebas de razón de verosimilitud.

Resultados: En el análisis multinomial realizado en 214 pacientes hospitalizados por COVID-19, la presencia de comorbilidad previa incrementó 5,9 veces la probabilidad de hospitalización (OR 5,90; IC 95 % 2,78-12,53) y 5 veces el riesgo de ingreso a UCI (OR 5,09; IC 95 % 2,45-10,57) en comparación con requerir ventilación mecánica. El modelo final explicó un 19,7 % de la variabilidad en la gravedad de la enfermedad.

Conclusiones: La comorbilidad previa representó el principal factor asociado de forma independiente a una mayor gravedad de COVID-19 en pacientes hospitalizados, incrementando el riesgo tanto de hospitalización como de ingreso a UCI sobre el requerimiento de ventilación mecánica. Otras covariables como tabaquismo, edad, IMC o sexo no mostraron una correlación significativa con el nivel de gravedad alcanzado por la enfermedad. Se requieren más estudios para determinar predictores adicionales de la progresión clínica de COVID-19.

Palabras clave

regresión multinomial; COVID-19; tabaquismo; ventilación mecánica; predictores de gravedad


Licencia de Creative Commons
Esta obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial 4.0 Internacional.