Dos estudios del brote de coronavirus COVID-19 se publicaron recientemente en la revista de acceso abierto PLOS UNO .
El primer estudio, publicado el 31 de marzo de 2020, fue realizado por Constantinos Siettos de la Universita degli Studi di Napoli Federico II, Italia y colegas. Los autores utilizaron un modelo Susceptible-Infected-Recovered-Dead SIRD calibrado con el informedatos entre el 11 de enero y el 10 de febrero de 2020 y pronosticaron la evolución del brote en el epicentro del brote, Hubei, China hasta el 29 de febrero. Con estos parámetros, pronosticaron que al menos 45,000 se infectarían y 2,700 morirían en febrero29 - de hecho, en Hubei, se sabe que alrededor de 67,000 se infectaron, mientras que el número de muertos fue de alrededor de 2800 en este período de tiempo.
Los autores también usaron el modelo SIRD para estimar el valor R0 de COVID-19, una estimación de contagio que refleja el número promedio de personas que pueden contraer una infección de una persona contagiosa. En varios escenarios, su estimación de R0 se basa en los datos disponibleslos datos fueron de alrededor de 2.5 Suponiendo un alto grado de subregistro de casos leves de COVID-19 en sus datos, estimaron una tasa de mortalidad en la población total de alrededor del 0.15% para el virus. Además, en base a un escenario que supone un orden de 20En una escala del número de infectados en la población total, su estudio predijo una disminución del brote a fines de febrero en Hubei. De hecho, durante los últimos días el número de nuevos casos infectados ha disminuido significativamente.
El Dr. Siettos señala: "Este es el primer estudio basado en un enfoque de modelado matemático que ha proporcionado pronósticos relativamente precisos para las próximas tres semanas. Es importante saber que este es el primer estudio basado en un enfoque de modelado matemático que sugiereque el número real de infecciones en la población total es del orden de veinte veces más que las reportadas, y que la tasa de mortalidad en la población total es aproximadamente ~ 0.15%, es decir, significativamente menor que el 2-3% reportado. Nuestros hallazgos implicanque para el caso de Hubei con una población de 60 millones, alrededor del 2% -3% de la población total en Hubei ha sido realmente infectada por el coronavirus ".
El segundo estudio, publicado el 19 de marzo de 2020, fue realizado por Mingli Yuan y sus colegas del Hospital Central de Wuhan, provincia de Hubei, China. Los investigadores estudiaron a 27 pacientes infectados con COVID-19 y ingresaron en el Hospital Central de Wuhan.
En este grupo de pacientes, los autores asociaron las características clínicas identificadas a partir de tomografías computarizadas TC de los pulmones de los pacientes con resultados eventuales. Calificaron a los pacientes según las características que observaron, como la opacidad del vidrio esmerilado, la anormalidad en ambos lados y la distribución generalizadade patología en los pulmones, para producir un puntaje de gravedad general para cada paciente.
De los 27 pacientes, en su mayoría adultos mayores mediana de edad 60, 17 63 por ciento se recuperaron y fueron dados de alta del hospital, mientras que 10 37 por ciento murieron a causa del virus. Pacientes con afecciones de salud subyacentes que incluyen hipertensión, diabetesy la enfermedad cardíaca tenían más probabilidades de morir por el virus que los pacientes sin tales comorbilidades, y los pacientes mayores también tenían más probabilidades de morir, aunque no hubo diferencia entre los géneros. Los pacientes con una puntuación más alta más grave en la tomografía computarizada fueron mucho másprobable de morir por COVID-19: el puntaje promedio de los pacientes que murieron fue de 30, en comparación con 12 en los pacientes que se recuperaron.
El Dr. Yuan agrega: "Este estudio nos permite comparar los hallazgos radiológicos con la mortalidad de pacientes infectados con COVID-19".
Fuente de la historia :
Materiales proporcionados por PLOS . Nota: El contenido puede ser editado por estilo y longitud.
Referencias de revistas :
Cita esta página :