Caracterizacion de pacientes hospitalizados por covid-19, desarrollo y evaluación de modelos pronósticos para trombosis, deterioro clínico y muerte
ilustraciones, gráficas, tablas
- Autores:
-
Garcés Arias, Andrés
- Tipo de recurso:
- Fecha de publicación:
- 2021
- Institución:
- Universidad Nacional de Colombia
- Repositorio:
- Universidad Nacional de Colombia
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.unal.edu.co:unal/81617
- Palabra clave:
- 610 - Medicina y salud::616 - Enfermedades
Infecciones por Coronavirus/complicaciones
Infecciones por Coronavirus/mortalidad
Modelos Teóricos
Coronavirus Infections/complications
Models, Theoretical
Coronavirus Infections/mortality
SARS-CoV-2
TRIPOD
GBM
Retrospective cohort
Thrombosis
Clinical deterioration
Mortality
Prognostic models
Machine learning
Covid-19
Cohorte retrospectiva
Eventos tromboticos
Deterioro clínico
Mortalidad
Modelos pronosticos
Aprendizaje automático
- Rights
- openAccess
- License
- Atribución-NoComercial-SinDerivadas 4.0 Internacional
| id |
UNACIONAL2_e6155a2ef7314b23e426e33b1d10c444 |
|---|---|
| oai_identifier_str |
oai:repositorio.unal.edu.co:unal/81617 |
| network_acronym_str |
UNACIONAL2 |
| network_name_str |
Universidad Nacional de Colombia |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Caracterizacion de pacientes hospitalizados por covid-19, desarrollo y evaluación de modelos pronósticos para trombosis, deterioro clínico y muerte |
| dc.title.translated.eng.fl_str_mv |
Characterization of patients hospitalized for covid 19, development and evaluation of prognostic models for thrombosis, clinical deterioration and death |
| title |
Caracterizacion de pacientes hospitalizados por covid-19, desarrollo y evaluación de modelos pronósticos para trombosis, deterioro clínico y muerte |
| spellingShingle |
Caracterizacion de pacientes hospitalizados por covid-19, desarrollo y evaluación de modelos pronósticos para trombosis, deterioro clínico y muerte 610 - Medicina y salud::616 - Enfermedades Infecciones por Coronavirus/complicaciones Infecciones por Coronavirus/mortalidad Modelos Teóricos Coronavirus Infections/complications Models, Theoretical Coronavirus Infections/mortality SARS-CoV-2 TRIPOD GBM Retrospective cohort Thrombosis Clinical deterioration Mortality Prognostic models Machine learning Covid-19 Cohorte retrospectiva Eventos tromboticos Deterioro clínico Mortalidad Modelos pronosticos Aprendizaje automático |
| title_short |
Caracterizacion de pacientes hospitalizados por covid-19, desarrollo y evaluación de modelos pronósticos para trombosis, deterioro clínico y muerte |
| title_full |
Caracterizacion de pacientes hospitalizados por covid-19, desarrollo y evaluación de modelos pronósticos para trombosis, deterioro clínico y muerte |
| title_fullStr |
Caracterizacion de pacientes hospitalizados por covid-19, desarrollo y evaluación de modelos pronósticos para trombosis, deterioro clínico y muerte |
| title_full_unstemmed |
Caracterizacion de pacientes hospitalizados por covid-19, desarrollo y evaluación de modelos pronósticos para trombosis, deterioro clínico y muerte |
| title_sort |
Caracterizacion de pacientes hospitalizados por covid-19, desarrollo y evaluación de modelos pronósticos para trombosis, deterioro clínico y muerte |
| dc.creator.fl_str_mv |
Garcés Arias, Andrés |
| dc.contributor.advisor.spa.fl_str_mv |
Perilla Suárez, Oliver Gerardo Grajales Buitrago, Marco Antonio |
| dc.contributor.author.spa.fl_str_mv |
Garcés Arias, Andrés |
| dc.contributor.researcher.spa.fl_str_mv |
Perilla Suarez, Oliver Gerardo Garces Arias, Esteban Urrea Pineda, Lizeth Yamile Trujillo Montoya, Simon Mesa Zuluaga, Maria Alejandra Cabrera García, Huxley Braulio Clavijo Epia, Laura Natalia |
| dc.subject.ddc.spa.fl_str_mv |
610 - Medicina y salud::616 - Enfermedades |
| topic |
610 - Medicina y salud::616 - Enfermedades Infecciones por Coronavirus/complicaciones Infecciones por Coronavirus/mortalidad Modelos Teóricos Coronavirus Infections/complications Models, Theoretical Coronavirus Infections/mortality SARS-CoV-2 TRIPOD GBM Retrospective cohort Thrombosis Clinical deterioration Mortality Prognostic models Machine learning Covid-19 Cohorte retrospectiva Eventos tromboticos Deterioro clínico Mortalidad Modelos pronosticos Aprendizaje automático |
| dc.subject.decs.spa.fl_str_mv |
Infecciones por Coronavirus/complicaciones Infecciones por Coronavirus/mortalidad Modelos Teóricos |
| dc.subject.decs.eng.fl_str_mv |
Coronavirus Infections/complications Models, Theoretical Coronavirus Infections/mortality |
| dc.subject.proposal.eng.fl_str_mv |
SARS-CoV-2 TRIPOD GBM Retrospective cohort Thrombosis Clinical deterioration Mortality Prognostic models Machine learning |
| dc.subject.proposal.spa.fl_str_mv |
Covid-19 Cohorte retrospectiva Eventos tromboticos Deterioro clínico Mortalidad Modelos pronosticos Aprendizaje automático |
| description |
ilustraciones, gráficas, tablas |
| publishDate |
2021 |
| dc.date.issued.none.fl_str_mv |
2021 |
| dc.date.accessioned.none.fl_str_mv |
2022-06-21T18:40:03Z |
| dc.date.available.none.fl_str_mv |
2022-06-21T18:40:03Z |
| dc.type.spa.fl_str_mv |
Trabajo de grado - Especialidad Médica |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/masterThesis |
| dc.type.version.spa.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| dc.type.content.spa.fl_str_mv |
Text |
| dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/TM |
| status_str |
acceptedVersion |
| dc.identifier.uri.none.fl_str_mv |
https://repositorio.unal.edu.co/handle/unal/81617 |
| dc.identifier.instname.spa.fl_str_mv |
Universidad Nacional de Colombia |
| dc.identifier.reponame.spa.fl_str_mv |
Repositorio Institucional Universidad Nacional de Colombia |
| dc.identifier.repourl.spa.fl_str_mv |
https://repositorio.unal.edu.co/ |
| url |
https://repositorio.unal.edu.co/handle/unal/81617 https://repositorio.unal.edu.co/ |
| identifier_str_mv |
Universidad Nacional de Colombia Repositorio Institucional Universidad Nacional de Colombia |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.indexed.spa.fl_str_mv |
Bireme |
| dc.relation.references.spa.fl_str_mv |
Guan, W. J., Ni, Z. Y., Hu, Y., Liang, W. H., Ou, C. Q., He, J. X., ... & Zhong, N. S. (2020). Clinical characteristics of coronavirus disease 2019 in China. New England journal of medicine, 382(18), 1708-1720. Roser, M., Ritchie, H., Ortiz-Ospina, E., & Hasell, J. (2020). Coronavirus pandemic (COVID19). Our world in data. Hadid, T., Kafri, Z., & Al-Katib, A. (2021). Coagulation and anticoagulation in COVID-19. Blood Reviews, 47, 100761. Al-Samkari, H., Karp Leaf, R. S., Dzik, W. H., Carlson, J. C., Fogerty, A. E., Waheed, A., ... & Rosovsky, R. P. (2020). COVID-19 and coagulation: bleeding and thrombotic manifestations of SARS-CoV-2 infection. Blood, 136(4), 489-500. Thachil, J., & Srivastava, A. (2020, October). SARS-2 Coronavirus–Associated Hemostatic Lung Abnormality in COVID-19: Is It Pulmonary Thrombosis or Pulmonary Embolism?. In Seminars in thrombosis and hemostasis (Vol. 46, No. 07, pp. 777-780). Thieme Medical Publishers. Iba, T., Levy, J. H., Connors, J. M., Warkentin, T. E., Thachil, J., & Levi, M. (2020). The unique characteristics of COVID-19 coagulopathy. Critical Care, 24(1), 1-8. Rajarshi, K., Khan, R., Singh, M. K., Ranjan, T., Ray, S., & Ray, S. (2020). Essential functional molecules associated with SARS-CoV-2 infection: Potential therapeutic targets for COVID-19. Gene, 145313. Levi, M., Thachil, J., Iba, T., & Levy, J. H. (2020). Coagulation abnormalities and thrombosis in patients with COVID-19. The Lancet Haematology, 7(6), e438-e440. Wichmann, D., Sperhake, J. P., Lutgehetmann, M., Steurer, S., Edler, C., Heinemann, A., ... & ¨ Kluge, S. (2020). Autopsy findings and venous thromboembolism in patients with COVID-19: a prospective cohort study. Annals of internal medicine, 173(4), 268-277. |
| dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.license.spa.fl_str_mv |
Atribución-NoComercial-SinDerivadas 4.0 Internacional |
| dc.rights.uri.spa.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| rights_invalid_str_mv |
Atribución-NoComercial-SinDerivadas 4.0 Internacional http://creativecommons.org/licenses/by-nc-nd/4.0/ http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.extent.spa.fl_str_mv |
73 páginas |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.publisher.spa.fl_str_mv |
Universidad Nacional de Colombia |
| dc.publisher.program.spa.fl_str_mv |
Bogotá - Medicina - Especialidad en Hematología |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad de Medicina |
| dc.publisher.place.spa.fl_str_mv |
Bogotá, Colombia |
| dc.publisher.branch.spa.fl_str_mv |
Universidad Nacional de Colombia - Sede Bogotá |
| institution |
Universidad Nacional de Colombia |
| bitstream.url.fl_str_mv |
https://repositorio.unal.edu.co/bitstream/unal/81617/1/1017152520.2022%20-%20Andres%20Garces%20Arias.pdf https://repositorio.unal.edu.co/bitstream/unal/81617/2/license.txt https://repositorio.unal.edu.co/bitstream/unal/81617/3/1017152520.2022%20-%20Andres%20Garces%20Arias.pdf.jpg |
| bitstream.checksum.fl_str_mv |
ed1a23d2a8685004262037d038217ac4 8153f7789df02f0a4c9e079953658ab2 f59aad67d324aa9831c6f7bf88621966 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional Universidad Nacional de Colombia |
| repository.mail.fl_str_mv |
repositorio_nal@unal.edu.co |
| _version_ |
1814089853119234048 |
| spelling |
Atribución-NoComercial-SinDerivadas 4.0 Internacionalhttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Perilla Suárez, Oliver Gerardof88e1c474e26ae5af91b223a632812ae600Grajales Buitrago, Marco Antonioda903ef0eeb60966d23123b80a9b46f2Garcés Arias, Andrés703f5e543f9cee4aca5400ca3024ce55Perilla Suarez, Oliver GerardoGarces Arias, EstebanUrrea Pineda, Lizeth YamileTrujillo Montoya, SimonMesa Zuluaga, Maria AlejandraCabrera García, Huxley BraulioClavijo Epia, Laura Natalia2022-06-21T18:40:03Z2022-06-21T18:40:03Z2021https://repositorio.unal.edu.co/handle/unal/81617Universidad Nacional de ColombiaRepositorio Institucional Universidad Nacional de Colombiahttps://repositorio.unal.edu.co/ilustraciones, gráficas, tablasIntroducción : en este trabajo se describe una cohorte de pacientes hospitalizados por covid-19 y se proponen modelos pronósticos que estiman la probabilidad de presentar enfermedad grave, trombosis y muerte a partir de variables de ingreso. Métodos : estudio retrospectivo analítico de la población de pacientes con diagnóstico confirmado de covid-19, atendidos hospitalariamente en un centro de alta complejidad, entre los meses de marzo de 2020 y abril de 2021. Se determinó la asociación entre variables de ingreso y la ocurrencia de muerte, curso clínico adverso y trombosis y se construyeron y validaron internamente modelos pronósticos para estos desenlaces utilizando métodos estadísticos tradicionales y de aprendizaje automático. Resultados: se incluyeron datos de 642 pacientes, de los cuales 328 (51 %) presentaron deterioro clínico y 180 (28 %) fallecieron durante la hospitalización. Se documentaron eventos trombóticos en 67 (10 %) y de sangrado en 19 pacientes (3 %). Se encontro asociación entre biomarcadores de inflamación, trombosis y disfunción orgánica y los desenlaces de interés. Los modelos de aprendizaje automático GBM (gradient boosting machine), presentaron el mayor rendimiento pronóstico para mortalidad: AUC-ROC de 80 % (IC 95 %: 76 %-84 %) y AUC-PR de 69 % (IC 95 %: 63 %-75 %), deterioro clínico: AUC-ROC de 79 % (IC 95 %: 75 %-84 %) y AUC-PR de 75 % (IC 95 %: 71 %-81 %), y trombosis: AUC-ROC de 69 % (IC 95 %: 60 %-78 %) y AUC-PR de 37 % (IC 95 %: 27 %-49 %). Las variables pronósticas utilizadas fueron: edad, SAFI, relación de neutrofilos sobre linfocitos, proteína C reactiva, dímero D, creatinina y deshidrogenasa láctica. Conclusión : se desarrollaron modelos con buen rendimiento pronóstico para muerte y enfermedad grave y con moderado rendimiento para trombosis en pacientes hospitalizados por covid19. El modelo con mejor desempeno para todos los desenlaces fue GBM. Para determinar su utilidad en la práctica clínica y de investigación, estos modelos deben ser evaluados en otras cohortes. Se construyó una aplicación para visualizar su funcionamiento y facilitar su validación: https://hga-p-w.shinyapps.io/covid_gbm_app/ (Texto tomado de la fuente).Introduction: We propose to characterize a cohort of patients hospitalized for covid-19 and to create models that estimate the probability of presenting clinical deterioration, thrombosis, and in-hospital mortality based on data obtainable at hospital admission. Methods: Retrospective analytical study of a population of patients with a confirmed diagnosis of covid-19 in a health center of high complexity, between March 2020 and April 2021. The association between entry variables and the outcomes of interest was determined, and prognostic models were developed and validated using traditional statistical methods and machine learning techniques. Results: Data from 642 patients were recorded. The outcome of clinical deterioration occurred in 328 patients (51 %) and death in 180 patients (28 %). Thrombotic events were documented in 67 patients (10 %) and bleeding in 19 patients (3 %). Correlations were found between biomarkers of inflammation, thrombosis, organ dysfunction, and the aforementioned outcomes of interest. GBM (gradient boosting machine), a machine learning technique, presented the best performance for mortality: AUC-ROC of 80 % (95 % CI: 76 % -84 %) and AUC-PR of 69 % (95 % CI: 63 % -75 %), and clinical deterioration: AUC-ROC of 79 % (95 % CI: 75 % -84 %) and AUC-PR of 75 % (95 % CI: 71 % -81 % ), and thrombosis: AUC-ROC of 69 % (95 % CI: 60 % -78 %) and AUC-PR of 37 % (95 % CI: 27 % -49 %). The prognostic variables used by the models were: age, SpO2/FiO2 ratio, neutrophil to lymphocyte ratio, C-reactive protein, D-dimer, creatinine, and lactate dehydrogenase. Conclusion: Models with good prognostic performance for death and severe disease and moderate performance for thrombosis were developed. GBM exhibited the best performance for all outcomes of interest. To determine the usefulness of these models in clinical and research practice, they should be further assessed in other cohorts. An app was built to visualize them and to facilitate their validation: https://hga-p-w.shinyapps.io/covid_gbm_app/Incluye anexosEspecialidades MédicasEspecialista en Hematología73 páginasapplication/pdfspaUniversidad Nacional de ColombiaBogotá - Medicina - Especialidad en HematologíaFacultad de MedicinaBogotá, ColombiaUniversidad Nacional de Colombia - Sede Bogotá610 - Medicina y salud::616 - EnfermedadesInfecciones por Coronavirus/complicacionesInfecciones por Coronavirus/mortalidadModelos TeóricosCoronavirus Infections/complicationsModels, TheoreticalCoronavirus Infections/mortalitySARS-CoV-2TRIPODGBMRetrospective cohortThrombosisClinical deteriorationMortalityPrognostic modelsMachine learningCovid-19Cohorte retrospectivaEventos tromboticosDeterioro clínicoMortalidadModelos pronosticosAprendizaje automáticoCaracterizacion de pacientes hospitalizados por covid-19, desarrollo y evaluación de modelos pronósticos para trombosis, deterioro clínico y muerteCharacterization of patients hospitalized for covid 19, development and evaluation of prognostic models for thrombosis, clinical deterioration and deathTrabajo de grado - Especialidad Médicainfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/acceptedVersionTexthttp://purl.org/redcol/resource_type/TMBiremeGuan, W. J., Ni, Z. Y., Hu, Y., Liang, W. H., Ou, C. Q., He, J. X., ... & Zhong, N. S. (2020). Clinical characteristics of coronavirus disease 2019 in China. New England journal of medicine, 382(18), 1708-1720.Roser, M., Ritchie, H., Ortiz-Ospina, E., & Hasell, J. (2020). Coronavirus pandemic (COVID19). Our world in data.Hadid, T., Kafri, Z., & Al-Katib, A. (2021). Coagulation and anticoagulation in COVID-19. Blood Reviews, 47, 100761.Al-Samkari, H., Karp Leaf, R. S., Dzik, W. H., Carlson, J. C., Fogerty, A. E., Waheed, A., ... & Rosovsky, R. P. (2020). COVID-19 and coagulation: bleeding and thrombotic manifestations of SARS-CoV-2 infection. Blood, 136(4), 489-500.Thachil, J., & Srivastava, A. (2020, October). SARS-2 Coronavirus–Associated Hemostatic Lung Abnormality in COVID-19: Is It Pulmonary Thrombosis or Pulmonary Embolism?. In Seminars in thrombosis and hemostasis (Vol. 46, No. 07, pp. 777-780). Thieme Medical Publishers.Iba, T., Levy, J. H., Connors, J. M., Warkentin, T. E., Thachil, J., & Levi, M. (2020). The unique characteristics of COVID-19 coagulopathy. Critical Care, 24(1), 1-8.Rajarshi, K., Khan, R., Singh, M. K., Ranjan, T., Ray, S., & Ray, S. (2020). Essential functional molecules associated with SARS-CoV-2 infection: Potential therapeutic targets for COVID-19. Gene, 145313.Levi, M., Thachil, J., Iba, T., & Levy, J. H. (2020). Coagulation abnormalities and thrombosis in patients with COVID-19. The Lancet Haematology, 7(6), e438-e440.Wichmann, D., Sperhake, J. P., Lutgehetmann, M., Steurer, S., Edler, C., Heinemann, A., ... & ¨ Kluge, S. (2020). Autopsy findings and venous thromboembolism in patients with COVID-19: a prospective cohort study. Annals of internal medicine, 173(4), 268-277.EstudiantesInvestigadoresPúblico generalORIGINAL1017152520.2022 - Andres Garces Arias.pdf1017152520.2022 - Andres Garces Arias.pdfTesis de Especialidad Médica en Hematologíaapplication/pdf3673574https://repositorio.unal.edu.co/bitstream/unal/81617/1/1017152520.2022%20-%20Andres%20Garces%20Arias.pdfed1a23d2a8685004262037d038217ac4MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-84074https://repositorio.unal.edu.co/bitstream/unal/81617/2/license.txt8153f7789df02f0a4c9e079953658ab2MD52THUMBNAIL1017152520.2022 - Andres Garces Arias.pdf.jpg1017152520.2022 - Andres Garces Arias.pdf.jpgGenerated Thumbnailimage/jpeg5300https://repositorio.unal.edu.co/bitstream/unal/81617/3/1017152520.2022%20-%20Andres%20Garces%20Arias.pdf.jpgf59aad67d324aa9831c6f7bf88621966MD53unal/81617oai:repositorio.unal.edu.co:unal/816172024-08-06 23:10:35.163Repositorio Institucional Universidad Nacional de Colombiarepositorio_nal@unal.edu.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 |