La escasez de pruebas, las largas esperas por los resultados y un sistema de atención médica sobrecargado han sido noticia durante la pandemia de COVID-19. Estos problemas pueden exacerbarse aún más en comunidades pequeñas o rurales en los EE. UU. y en todo el mundo. Además, los síntomas respiratorios deEl COVID-19, como la fiebre y la tos, también están asociados con la gripe, lo que complica los diagnósticos que no son de laboratorio durante ciertas temporadas Un nuevo estudio realizado por investigadores de la Facultad de Salud y Servicios Humanos está diseñado para ayudar a identificar qué síntomas tienen más probabilidades de indicar COVIDtemporada de gripe Este es el primer estudio que tiene en cuenta la estacionalidad.
Farrokh Alemi, investigador principal y profesor de Administración y Políticas de Salud, y otros investigadores de Mason predicen la probabilidad de que un paciente tenga COVID-19, gripe u otra enfermedad respiratoria antes de la prueba, según la temporada. Esto puede ayudar a los médicos a clasificarpacientes que son más sospechosos de tener COVID-19.
"Cuando el acceso a pruebas de COVID confiables es limitado o los resultados de las pruebas se retrasan, es más probable que los médicos, especialmente aquellos que trabajan en la comunidad, confíen en los signos y síntomas que en los hallazgos de laboratorio para diagnosticar COVID-19", dijo Alemi,quien observó estos desafíos en puntos a lo largo de la pandemia."Nuestro algoritmo puede ayudar a los proveedores de atención médica a clasificar la atención del paciente mientras esperan las pruebas de laboratorio o ayudar a priorizar las pruebas si hay escasez de pruebas".
Los hallazgos sugieren que los proveedores de atención médica de la comunidad deben seguir diferentes signos y síntomas para diagnosticar COVID según la época del año. Fuera de la temporada de gripe, la fiebre es un predictor aún más fuerte de COVID que durante la temporada de gripe. Durante la temporada de gripe,"una persona con tos tiene más probabilidades de tener gripe que COVID. El estudio mostró que asumir que cualquier persona con fiebre durante la temporada de gripe tiene COVID sería incorrecto. El algoritmo se basó en diferentes síntomas para pacientes de diferentes edades y sexos. El estudio tambiénmostró que los grupos de síntomas son más importantes en el diagnóstico de COVID-19 que los síntomas solos.
Los algoritmos se crearon analizando los síntomas informados por 774 pacientes con COVID en China y 273 pacientes con COVID en los Estados Unidos. El análisis también incluyó 2885 influenza y 884 enfermedades similares a la influenza en pacientes de EE. UU. "Modelado de la probabilidad de COVID-19Basado en la detección de síntomas y la prevalencia de la influenza y enfermedades similares a la influenza" se publicó en Gestión de la Calidad en la Atención de la SaludNúmero de abril/junio de 2022. El resto del equipo de investigación también es de Mason: la profesora de salud global y epidemiología Amira Roess, la facultad afiliada Jee Vang y la candidata a doctorado Elina Guralnik.
"Aunque son útiles, los algoritmos son demasiado complejos como para esperar que los médicos realicen estos cálculos mientras brindan atención. El siguiente paso es crear una calculadora de IA basada en la web que se pueda usar en el campo. Esto permitiría a los médicos llegaren un diagnóstico presunto antes de la visita", dijo Alemi. A partir de ahí, los médicos pueden tomar decisiones de clasificación sobre cómo cuidar al paciente mientras esperan los resultados de laboratorio oficiales.
El estudio no incluye a ningún paciente con COVID-19 sin síntomas respiratorios, lo que incluye a personas asintomáticas. Además, el estudio no diferenció entre la primera y la segunda semana de aparición de los síntomas, que pueden variar.
Esta investigación fue un prototipo de cómo se pueden usar los datos existentes para encontrar síntomas distintivos de una nueva enfermedad. La metodología puede tener relevancia más allá de esta pandemia.
"Cuando hay un nuevo brote, la recopilación de datos lleva mucho tiempo. El análisis rápido de los datos existentes puede reducir el tiempo para diferenciar la presentación de nuevas enfermedades de las enfermedades con síntomas superpuestos. El método de este documento es útil para una respuesta rápida a la siguientepandemia", dijo Alemi.
Fuente de la historia:
Materiales proporcionado por Universidad George Mason. Original escrito por Mary Cunningham. Nota: el contenido se puede editar por estilo y longitud.
referencia de diario:
Citar esta página:
Visita Nuevo científico for more global science stories >>>