Durante el apogeo de la pandemia, algunos hospitales se vieron abrumados con pacientes que buscaban tratamiento para el COVID-19. Esta situación podría suceder nuevamente durante brotes futuros, especialmente con las variantes preocupantes del SARS-CoV-2 en aumento. Ahora, los investigadores informaron enACS ' Química analítica he desarrollado un análisis de sangre para predecir qué personas infectadas con COVID-19 tienen más probabilidades de experimentar síntomas graves, lo que podría ayudar a los trabajadores de la salud a priorizar a los pacientes para la hospitalización y cuidados intensivos.
Aunque muchas personas que contraen COVID-19 no presentan síntomas o presentan síntomas leves, algunos requieren cuidados intensivos para la neumonía con síndrome de dificultad respiratoria aguda. Los factores de riesgo de enfermedad grave incluyen edad avanzada, enfermedades cardíacas, cáncer y diabetes, pero estas características por sí solasno son suficientes para predecir qué pacientes se enfermarán más. Medir los niveles de ciertas proteínas o metabolitos en la sangre podría ayudar, pero estas pruebas suelen ser lentas, complicadas o caras. Para una clasificación más eficaz de los pacientes con COVID-19 en los hospitales, Michelle Hill, Sanjeeva Srivastava y sus colegas se propusieron desarrollar un método fácil de usar que pudiera predecir de manera rápida y rentable la gravedad de COVID-19.
Para medir los cambios en la bioquímica sanguínea que ocurren con COVID-19 grave, los investigadores eligieron una técnica llamada espectroscopia infrarroja de transformada de Fourier de reflectancia total atenuada ATR-FTIR, que se ha probado previamente como una herramienta de diagnóstico de COVID-19. Dos regionesde los espectros FTIR de 128 muestras de plasma de pacientes mostraron diferencias pequeñas pero observables entre aquellos con COVID-19 grave y no grave. Utilizando estos datos junto con información clínica sobre los pacientes, los investigadores desarrollaron un modelo estadístico para predecir la gravedad de COVID-19.que el mejor predictor era si el paciente tenía diabetes, seguido de las dos regiones en los espectros FTIR. Agregar los datos FTIR al modelo mejoró la sensibilidad para detectar enfermedad grave en un grupo diferente de 30 pacientes del 41,2% al 94,1%, peroredujo la especificidad del 84,6% al 69,2%, en comparación con los factores clínicos por sí solos. Esto significa que la nueva prueba tenía más probabilidades de identificar casos graves, pero también habíauna tasa más alta de falsos positivos que los datos clínicos por sí solos.Aunque la estrategia debe probarse en un mayor número de pacientes, parece prometedora como una prueba de clasificación rápida, simple y económica para hospitales, dicen los investigadores.
Los autores reconocen la financiación de la Junta de Investigación en Ciencia e Ingeniería del Gobierno de la India, el Centro de Investigación y Consultoría Industrial del Instituto Indio de Tecnología de Bombay, el Consejo de Investigación Científica e Industrial, India, el Programa de Capacitación en Investigación del Gobierno Australiano yQIMR Berghofer Medical Research Institute, así como el soporte de instrumentos de Agilent Technologies.
Fuente de la historia :
Materiales proporcionado por Sociedad Química Estadounidense . Nota: el contenido se puede editar por estilo y longitud.
Referencia de la revista :
cite esta página :