SciELO - Scientific Electronic Library Online

 
vol.46 número1Mieloma múltiple con afectación laríngea: causa atípica de disfoníaInfluencia de distintos escenarios sobre los factores de mal pronóstico en pacientes con COVID-19 índice de autoresíndice de materiabúsqueda de artículos
Home Pagelista alfabética de revistas  

Servicios Personalizados

Revista

Articulo

Indicadores

Links relacionados

  • En proceso de indezaciónCitado por Google
  • No hay articulos similaresSimilares en SciELO
  • En proceso de indezaciónSimilares en Google

Compartir


Anales del Sistema Sanitario de Navarra

versión impresa ISSN 1137-6627

Anales Sis San Navarra vol.46 no.1 Pamplona ene./abr. 2023  Epub 10-Jul-2023

https://dx.doi.org/10.23938/assn.1029 

Cartas al editor

Adaptación de los factores de mal pronóstico en pacientes con COVID-19 al escenario actual

Adjustment of poor prognostic factors in patients with COVID-19 to the current scenario

María José Núñez-Orantos1  , Francisco Javier Candel2  , Juan González-del Castillo (orcid: 0000-0002-4329-9802)3  4 

1Servicio de Medicina Interna. Hospital Clínico San Carlos. Madrid. España

2Servicio de Microbiología Clínica. Hospital Clínico San Carlos. Madrid. España

3Servicio de Urgencias. Hospital Clínico San Carlos. Madrid. España

4Instituto de Investigación Sanitaria del Hospital San Carlos. Madrid. España

Sr. Editor:

Hemos leído con interés el trabajo de Blanco-Taboada y col1, publicado recientemente en su revista, que describe diferentes factores de riesgo que actúan como predictores independientes de mortalidad o ingreso en la Unidad de Cuidados Intensivos (UCI) en pacientes hospitalizados por COVID-19. La posibilidad de estratificar el riesgo de mala evolución de estos pacientes de acuerdo a estos factores nos parece fundamental para evitar altas inadecuadas e ingresos innecesarios, por lo que consideramos que este tipo de trabajos resultan de gran interés. Desde fases muy tempranas de la pandemia de COVID-19 se publicaron diferentes artículos que identificaban factores de riesgo de mala evolución de los pacientes2,3 y modelos predictivos de mortalidad4-6 para tratar de ayudar en la toma inicial de decisiones. No obstante, a la hora de decidir si aplicarlos en la práctica clínica o no, deben valorarse algunas cuestiones.

En primer lugar, hay que valorar las variables de resultado que se tienen en cuenta. La mortalidad a 30 días es una variable que clásicamente se ha utilizado en los estudios de factores de riesgo para valorar el efecto de una intervención sobre el paciente. Sin embargo, durante la pandemia hemos asistido a estancias muy prolongadas de los pacientes, por lo que el desenlace mortal podría ocurrir transcurridos más de 30 días desde la atención inicial. Por otra parte, la supervivencia final del paciente no implica que no haya sufrido un cuadro grave que haya requerido su ingreso en la UCI o la instauración de tratamientos intensivos como ventilación mecánica u oxigenoterapia de alto flujo. Por lo tanto, a la hora de valorar los factores de riesgo en esta enfermedad, con estancia prolongada en pacientes graves, deberían evaluarse otras variables de resultado distintas a la mortalidad. De hecho, si los pacientes no se recuperaron ni murieron durante el periodo de estudio, sus datos no deben excluirse del análisis, o se debería considerar un periodo apropiado para el análisis del evento. En este sentido, nos parece de gran interés la descripción de factores de riesgo de ingreso en UCI que realizan Blanco-Taboada y col1.

En segundo lugar, hay que valorar el método de inclusión de pacientes. En es el estudio de Blanco-Taboada y col1 se han incluido únicamente pacientes con una decisión ya tomada de hospitalización. Esto significa que los factores de riesgo pueden no ser útiles para la toma inicial de decisiones en entornos como urgencias o atención primaria. Lo ideal, en nuestra opinión, hubiese sido incluir todos los pacientes evaluados en el centro hospitalario independientemente de la decisión inicial de ingresarlos o no. No obstante, la mayoría de los factores de riesgo obtenidos coinciden con los de las otras series publicadas, como son la edad, la saturación de oxígeno, o los niveles de creatinina o de proteína C reactiva, lo cual indica que los resultados podrían generalizarse a otros niveles asistenciales.

En tercer lugar, quizá el aspecto más importante en el cambiante escenario que es la pandemia de COVID-19 es la identificación del contexto en que se ha realizado el estudio. El periodo de inclusión de pacientes del estudio de Blanco-Taboada y col1 comprende desde el 1 de marzo de 2020 hasta el 9 de febrero de 2021. En el verano de 2022 existen dos aspectos fundamentales que condicionan el pronóstico de los pacientes: por un lado, la variante circulante (omicron) ha mostrado un comportamiento menos virulento, habiéndose descrito menores tasas de hospitalización, de ingreso en UCI, de necesidad de ventilación mecánica y de mortalidad7; por otro lado, la elevada tasa de población vacunada ha afectado de forma importante el pronóstico de los pacientes, haciendo que el riesgo de complicaciones disminuya drásticamente8. Por tanto, extrapolar los resultados de un estudio realizado antes de que se dieran las condiciones del momento actual puede no ser adecuado ya que las circunstancias del virus y del huésped son distintas, lo que puede influir en los resultados. Por este motivo, de cara a realizar una toma de decisiones con seguridad es necesario validar en el escenario actual los factores de riesgo y/o escalas pronósticas obtenidas en otros contextos.

Son escasos los artículos científicos publicados que evalúan los factores de riesgo en este nuevo escenario; tan solo dos de ellos9,10 los analizan en el contexto de elevadas tasas de vacunación. Ambos estudios establecen que la edad, el estado inmunológico y la comorbilidad (enfermedad cardiaca, hepática, renal y pulmonar crónica) continúan siendo los factores de riesgo predictores de mala evolución, aunque este riesgo es mucho mayor en población no vacunada. No obstante, estos dos estudios se realizaron cuando la variante circulante era delta y, por tanto, aún carecemos de información del efecto de la variante omicron sobre los factores de riesgo.

Antes de trasladar las conclusiones de los estudios de escalas pronósticas y/o de factores de riesgo a la práctica clínica habitual se deben tener en cuenta diferentes aspectos que determinen la seguridad de esa decisión (Tabla 1).

Tabla 1. Aspectos a tener en cuenta para valorar si los resultados ofrecidos por cualquier estudio son adecuados para nuestra población y, por tanto, trasladables a nuestra rutina asistencial. 

Aspectos Observaciones
Variable de resultado utilizada Esta puede ser mortalidad intrahospitalaria, mortalidad a 30 días, necesidad de oxígeno de alto flujo, necesidad de ventilación mecánica, ingreso en la unidad de medicina intensiva.
Identificación del contexto Atención Primaria, urgencias, hospitalización, ingreso en la unidad de medicina intensiva.
Escenario global Tasa de vacunación, variable circulante, disponibilidad de tratamientos comercializados o no
Método de inclusión de los pacientes Idealmente deben ser consecutivos
Características de los pacientes incluidos Debe incluir información clara del paciente en el momento de ser incluido en el estudio: comorbilidad, punto del curso de su enfermedad, o la situación de gravedad.
Intervenciones realizadas que pudieran modificar los resultados ¿Están todos los pacientes bajo el mismo protocolo de tratamiento?
Utilidad de las predicciones ¿Satisfacen la necesidad clínica?
Tamaño muestral y número de eventos El tamaño de la muestra y el número de eventos observados (resultado de interés) deben ser suficientes para asegurar la potencia y relevancia de los resultados.
Comportamiento de las variables Los análisis de regresión logística implican la categorización de las variables continuas cuando el incremento del riesgo no es lineal; el desafío consiste en determinar cuántas categorías deben establecerse para cada variable y cuáles son sus puntos de corte. Esta categorización puede provocar una pérdida en la precisión del modelo obtenido.
Validación de los resultados Idealmente debe realizarse una validación externa (con datos distintos a los empleados para la obtención del modelo y/o de los predictores).

En conclusión, creemos que son necesarios nuevos estudios que validen en la situación actual de la pandemia COVID-19 los factores de riesgo y las escalas pronósticas previamente publicadas.

Agradecimentos

No aplica.

Bibliografía

1. Blanco-Taboada AL, Fernández-Ojeda MR, Castillo-Matus MM, Galán-Azcona MD, Salinas-Gutiérrez J, Ruiz-Romero MV. Factores de mal pronóstico en pacientes hospitalizados por COVID-19. An Sist Sanit Navar 2022; 45(2): e1000. Doi: 10.23938/ASSN.1000 [ Links ]

2. Jordan RE, Adab P, Cheng KK. COVID-19: risk factors for Usevere disease and death. BMJ 2020; 368: m1198. Doi: 10.1136/bmj.m1198 [ Links ]

3. Gutiérrez Gabriel S, Domínguez García MJ, Pérez Mañas G, Moreno García N, Silvan Domínguez M, Andrés EM. Marcadores y seguimiento tras alta de urgencias en neumonías COVID-19. Emergencias 2021; 33: 174-180. [ Links ]

4. Berenguer J, Borobia AM, Ryan P, Rodríguez-Baño J, Bellón JM, Jarrín I., et al. COVID-19@Spain and COVID@HULP Study groups development and validation of a prediction model for 30-day mortality in hospitalised patients with COVID-19: the COVID-19 SEIMC score. Thorax 2021; 76: 920-929. Doi: 10.1136/thoraxjnl-2020-216001 [ Links ]

5. García-Martínez A, López-Barbeito B, Coll-Vinent B, Placer A, Font C, Vargas CR., et al. Análisis de mortalidad de los pacientes atendidos por COVID-19 en el servicio de urgencias de un hospital de tercer nivel en la fase inicial de la pandemia. Derivación de un modelo de riesgo para urgencias. Emergencias 2021; 33: 273-281. [ Links ]

6. Martín-Rodríguez F, Sanz-García A, Alberdi Iglesias A, Ortega Rabbione G, del Pozo Vegas C, De la Torre-Díez I., et al. Modelo de riesgo de mortalidad en pacientes con sospecha de enfermedad por COVID-19 basado en información del centro coordinador de urgencias. Emergencias 2021; 33: 264-272. [ Links ]

7. Maslo C, Friedland R, Toubkin M, Laubscher A, Akaloo T, Kama B. Characteristics and outcomes of hospitalized patients in South Africa during the COVID-19 omicron wave compared with previous waves. JAMA 2022; 327(6): 583-584. Doi: 10.1001/jama.2021.24868 [ Links ]

8. Grupo de Trabajo de Efectividad Vacunación COVID-19. Análisis de la efectividad de la vacunación frente a COVID-19 en España. Informe de 13 de octubre de 2021. https://www.sanidad.gob.es/profesionales/saludPublica/prevPromocion/vacunaciones/covid19/docs/Efectividad_VacunacionCOVID-19_Espana_3Informe.pdfLinks ]

9. Yek C, Warner S, Wiltz JL, Sun J, Adjei S, Mancera A., et al. Risk factors for severe COVID-19 outcomes among persons aged ≥18 years who completed a primary COVID-19 vaccination series - 465 health care facilities, United States, December 2020-October 2021. MMWR Morb Mortal Wkly Rep 2022; 71(1): 19-25. Doi: 10.15585/mmwr.mm7101a4 [ Links ]

10. Hippisley-Cox J, Coupland CA, Mehta N, Keogh RH, Diaz-Ordaz K, Khunti K., et al. Risk prediction of COVID-19 related death and hospital admission in adults after COVID-19 vaccination: national prospective cohort study. BMJ 2021; 374: n2244. Doi: 10.1136/bmj.n2244 [ Links ]

FinanciaciónLos autores declaran no haber recibido financiación externa para la realización de este estudio.

Citación:

Núñez Orantos MJ, Candel FJ, González del Castillo J. Factores de mal pronóstico en pacientes con COVID-19 en el escenario actual. An Sist Sanit Navar 2023; 46(1): e1029

https://doi.org/10.23938/ASSN.1029

Recibido: 25 de Julio de 2022; Aprobado: 24 de Octubre de 2022

Correspondencia: Juan González del Castillo. E-mail: jgonzalezcast@gmail.com

Conflictos de intereses

Los autores declaran no tener conflictos de intereses.


Cartas al editor

Influencia de distintos escenarios sobre los factores de mal pronóstico en pacientes con COVID-19

Impact of different scenarios on poor prognostic factors in patients with COVID-19

Ana Laura Blanco-Taboada (orcid: 0000-0001-5683-7406)1  , María del Rocío Fernández-Ojeda2  , María Milagros Castillo-Matus2  , María Dolores Galán-Azcona2  , Javier Salinas-Gutiérrez2  , María Victoria Ruiz-Romero (orcid: 0000-0002-0601-8952)3 

1Servicio de Medicina Interna. Hospital Universitario Virgen de la Victoria. Málaga. España

2Unidad de Medicina Interna. Servicio de Medicina. Hospital San Juan de Dios de Aljarafe. Bormujos. Sevilla. España

3Unidad de Calidad e Investigación. Hospital San Juan de Dios de Aljarafe. Bormujos. Sevilla. España

Sr. Editor:

Hemos leído con gran interés la carta de Núñez Orantos y col1, Adaptación a los factores de mal pronóstico en pacientes con COVID-192. En ella, los autores comentan diferentes aspectos a valorar a la hora de extrapolar escalas pronósticas y factores de riesgo a la práctica clínica habitual en una población y contexto determinados.

La mortalidad en pacientes con COVID-19 ventilados mecánicamente con insuficiencia respiratoria aguda grave ha sido muy alta, siendo un factor muy importante a considerar 3. Coincidimos con Núñez Orantos y col en que estos pacientes han requerido en ocasiones un ingreso hospitalario prolongado, lo que afecta a la relevancia de la variable de estudio de mortalidad a los 30 días. Por ello, es importante que nuestro estudio2describa los factores de riesgo de ingreso en la Unidad de Cuidados Intensivos (UCI), ya que la asistencia con ventilación mecánica u oxigenoterapia de alto flujo ha sido clave en el tratamiento de pacientes con COVID-19. Por tanto, el análisis de los factores de riesgo de ingreso en UCI, las complicaciones durante la hospitalización, factores analíticos, días de ingreso en UCI, utilización de ventilación mecánica no invasiva, invasiva u oxigenoterapia de alto flujo, son variables clave a tener en cuenta, distintas de la mortalidad, que pueden ser muy útiles en nuestra práctica clínica diaria.

En cuanto al método de inclusión de pacientes, en nuestro estudio solo incluimos los pacientes que se encontraban hospitalizados en la planta de Medicina Interna y que habían sido ingresados desde el área de Urgencias, no los pacientes atendidos en Atención Primaria o en Urgencias que fueron dados de alta a domicilio. Coincidimos con Núñez Orantos y col1en que incluir a todos estos pacientes para poder identificar a aquellos con mal pronóstico a fin de poder realizar una derivación precoz es de gran relevancia.

Nos parece muy importante la última reflexión realizada, ya que nos encontramos ante un cambio continuo de variantes del virus SARS-CoV-2 que condicionan, por tanto, la pauta de tratamiento, las complicaciones y el pronóstico de los pacientes. Durante las primeras olas de la pandemia, antes de la introducción de las vacunas, era esencial poder identificar a las personas con COVID-19 con mayor riesgo de complicaciones, por lo que se han publicado abundantes estudios al respecto4-7, e incluso se han desarrollado herramientas de evaluación de riesgos8. Pero en la fase temprana de la cuarta ola se ha observado un patrón de características en pacientes hospitalizados con COVID-19 diferente al de olas anteriores, con resultado de pacientes más jóvenes con menos comorbilidades, menos hospitalizaciones, menos diagnósticos respiratorios y una disminución en la gravedad y la mortalidad9.

A este cambio de patrón se suma una alta tasa de población vacunada, lo que conlleva menores tasas de ingreso hospitalario, mejor pronóstico final de estos pacientes y menor mortalidad. Los efectos positivos de la campaña de vacunación se están visualizando en muchas partes del mundo, pero la desaparición de esta infección aún está lejos de ser una realidad, ya que también se ve amenazada por la presencia de nuevas variantes del SARS-CoV-2 que podrían socavar la eficacia de la vacuna y, por tanto, encontrarnos ante un continuo cambio de escenario con necesidad de nuevos estudios10.

Diferentes estudios han identificado factores de riesgo clínicos en pacientes vacunados; la edad11, la obesidad, las condiciones médicas preexistentes y la desventaja socioeconómica12,13parecen afectar a la respuesta a algunas vacunas o medicamentos inmunosupresores13,14. Se han descrito algunos algoritmos, como el QCovid3 en Reino Unido15, que discriminan los pacientes vacunados con mayor riesgo de ingreso hospitalario y mortalidad. Esta información puede ayudar a planificar el reclutamiento de los pacientes, a priorizar el refuerzo vacunal y a administrar futuros tratamientos específicos, realizando una clasificación de los pacientes según sus características que podríamos tener en cuenta también para realizar nuevos estudios.

Como sabemos, con la propagación global del SARS-CoV-2 las variantes virales surgieron rápidamente, prevaleciendo sobre las cepas originales encontradas al comienzo de la pandemia16, entre ellas la de nuestro estudio (realizado desde el 1 de marzo de 2020 hasta el 9 de febrero de 2021). Hay diferentes mecanismos involucrados en la aparición de nuevas mutaciones, como la selección natural, las infecciones persistentes en pacientes inmunocomprometidos y los cambios de huésped. El cambio continuo de variedades hace que sea difícil extrapolar los resultados de nuestro estudio2a la situación clínica actual. Sin embargo, nuestro estudio fue de gran utilidad en estas primeras olas de la pandemia -de gran incertidumbre sobre las pautas de nuevos tratamientos y la necesidad de ingreso en la UCI- para disminuir las complicaciones, la mortalidad y conseguir una mejora en la calidad asistencial. En el contexto de una pandemia grave causada por un virus nuevo, es vital abordar las lagunas de conocimiento e identificar factores potencialmente predictivos de complicaciones de la COVID-19, lo que justifica una mayor investigación17.

Actualmente, viviendo en un continuo cambio de variantes, creemos también que es muy necesaria la realización de nuevos estudios que permitan la validación de los factores de riesgo en cada escenario para obtener escalas pronósticas que se adecúen a la virulencia del SARS-CoV-2, al estado inmunológico poblacional y a las manifestaciones clínicas más frecuentes, para dar a la población el mejor tratamiento posible y mejorar con ello la asistencia hospitalaria.

Tenemos que tener en cuenta que la publicación de modelos predictivos para la COVID-19 está aumentado rápidamente18para respaldar la toma de decisiones médicas en un momento en que se necesitan con urgencia, como ocurrió en los primeros momentos de la pandemia. Pero estos modelos tienen a su vez un alto riesgo de sesgo debido a los puntos anteriormente comentados, por lo que no se pueden tomar como objeto de actuación o guía de decisiones clínicas. Los predictores identificados en los modelos deben considerarse, por tanto, predictores candidatos para nuevos modelos actuales, siguiendo una metodología adecuada y teniendo en cuenta todas aquellas características descritas por Núñez Orantos y col1.

Queremos dar las gracias a Núñez Orantos y coautores por la gran reflexión realizada, y animar a los centros hospitalarios a realizar este tipo de estudios, cada vez más completos, para dar respuesta a las nuevas incertidumbres que esta pandemia nos presenta.

Agradecimentos

No aplica.

Bibliografía

1 Núñez Orantos MJ, Candel FJ, González del Castillo J. Adaptación de los factores de mal pronóstico en pacientes con COVID-19 al escenario actual. An Sist Sanit Navar 2023; 46(1): e1029. https://doi.org/10.23938/ASSN.1029 [ Links ]

2 Blanco-Taboada AL, Fernández-Ojeda MR, Castillo-Matus MM, Galán-Azcona MD, Salinas-Gutiérrez J, Ruiz-Romero MV. Factores de mal pronóstico en pacientes hospitalizados por COVID-19. An Sist Sanit Navar 2022; 45(2): e1000. https://doi.org/10.23938/ASSN.1000 [ Links ]

3 Ibarra-Estrada MÁ, García-Salas Y, Mireles-Cabodevila E, López-Pulgarín JA, Chávez-Peña Q, García-Salcido R et al. Use of airway pressure release ventilation in patients with acute respiratory failure due to COVID-19: results of a single-center randomized controlled trial. Crit Care Med 2022; 50(4): 586-594. https://doi.org/10.1097/CCM.0000000000005312 [ Links ]

4 Berenguer J, Ryan P, Rodríguez-Baño J, Carcas A, Jarrín I, Yllescas M et al. Characteristics and predictors of death among 4035 consecutively hospitalized patients with COVID-19 in Spain. Clin Microbiol Infect 2020; 26: 1525-1536. https://doi.org/10.1016/j.cmi.2020.07.024 [ Links ]

5 Pan F, Yang L, Li Y, Liang B, Li L, Ye T et al. Factors associated with death outcome in patients with severe coronavirus disease-19 (COVID-19): a case-control study. Int J Med Sci 2020; 17: 1281-1292. https://doi.org/10.7150/ijms.46614 [ Links ]

6 Wu C, Chen X, Cai Y, Xia J, Zhou X, Xu S. Risk factors associated with acute respiratory distress syndrome and death in patients with coronavirus disease 2019 pneumonia in Wuhan, China. JAMA Intern Med 2020; 180: 934. https://doi.org/10.1001/jamainternmed.2020.0994 [ Links ]

7 Yang X, Yu Y, Xu J, Shu H, Xia J, Liu H et al. Clinical course and outcomes of critically ill patients with SARS-CoV-2 pneumonia in Wuhan, China: a single-centered, retrospective, observational study. Lancet Respir Med 2020; 8: 475-481. https://doi.org/10.1016/S2213-2600(20)30079-5 [ Links ]

8 Clift AK, Coupland CAC, Keogh RH, Diaz-Ordaz K, Williamson E, Harrison EM et al. Living risk prediction algorithm (QCOVID) for risk of hospital admission and mortality from coronavirus 19 in adults: national derivation and validation cohort study. BMJ 2020; 371: m3731. https://doi.org/10.1136/bmj.m3731 [ Links ]

9 Maslo C, Friedland R, Toubkin M, Laubscher A, Akaloo T, Kama B. Characteristics and outcomes of hospitalized patients in South Africa during the COVID-19 omicron wave compared with previous waves. JAMA 2022; 327(6): 583-584. https://doi.org/10.1001/jama.2021.24868 [ Links ]

10 Rotondo JC, Martini F, Maritati M, Mazziotta C, Di Mauro G, Lanzillotti C et al. SARS-CoV-2 infection: new molecular, phylogenetic, and pathogenetic insights. Efficacy of current vaccines and the potential risk of variants. Viruses 2021; 13(9): 1687. https://doi.org/10.3390/v13091687 [ Links ]

11 Wall EC, Wu M, Harvey R, Kelly G, Warchal S, Sawyer C et al. Neutralising antibody activity against SARS-CoV-2 VOCs B.1.617.2 and B.1.351 by BNT162b2 vaccination. Lancet 2021; 397: 2331-2333. https://doi.org/10.1016/S0140-6736(21)01290-3 [ Links ]

12 Hoes J, Boef AGC, Knol MJ, De Melker HE, Mollema L, van der Klis FRM et al. Socioeconomic status is associated with antibody levels against vaccine preventable diseases in the Netherlands. Front Public Health 2018; 6: 209. https://doi.org/10.3389/fpubh.2018.00209 [ Links ]

13 Zimmermann P, Curtis N. Factors that influence the immune response to vaccination. Clin Microbiol Rev 2019; 32(2): e00084-18. https://doi.org/10.1128/CMR.00084-18 [ Links ]

14 Kennedy NA, Lin S, Goodhand JR, Chanchlani N, Hamilton B, Bewshea C et al. Contributors to the CLARITY IBD study. Infliximab is associated with attenuated immunogenicity to BNT162b2 and ChAdOx1 nCoV-19 SARS-CoV-2 vaccines in patients with IBD. Gut 2021; 70(10): 1884-1893. https://doi.org/10.1136/gut-jnl-2021-324789 [ Links ]

15 Hippisley-Cox J, Coupland CA, Mehta N, Keogh RH, Diaz-Ordaz K, Khunti K et al. Risk prediction of COVID-19 related death and hospital admission in adults after COVID-19 vaccination: national prospective cohort study. BMJ 2021; 374: n2244. https://doi.org/10.1136/bmj.n2244 [ Links ]

16 Tegally H, Wilkinson E, Giovanetti M, Iranzadeh A, Fonseca V, Giandhari J et al. Detection of a SARS-CoV-2 variant of concern in South Africa. Nature 2021; 592: 438-443. https://doi.org/10.1038/s41586-021-03402-9 [ Links ]

17 Gallo Marin B, Aghagoli G, Lavine K, Yang L, Siff EJ, Chiang SS et al. Predictors of COVID-19 severity: a literature review. Rev Med Virol 2021; 31: e2146. https://doi.org/10.1002/rmv.2146 [ Links ]

18 Wynants L, Van Calster B, Collins GS, Riley RD, Heinze G, Schuit E et al. Prediction models for diagnosis and prognosis of covid-19: systematic review and critical appraisal. BMJ 2020; 369: m1328. https://doi.org/10.1136/bmj.m1328 [ Links ]

FinanciaciónLos autores declaran no haber recibido financiación externa para la realización de este estudio.

Citación:

Blanco-Taboada AL, Fernández-Ojeda MJ, Castillo-Matus MM, GalánAzcona MD, Salinas-Gutiérrez J, Ruiz-Romero MV. Influencia de distintos escenarios sobre los factores de mal pronóstico en pacientes con COVID-19. An Sist Sanit Navar 2023; 46(1): e1033

https://doi.org/10.23938/ASSN.1033

Correspondencia: María del Rocío Fernández Ojeda. E-mail: mariarocio.fernandez@sjd.es

Conflictos de intereses

Los autores declaran no tener conflictos de intereses.

Creative Commons License Este es un artículo publicado en acceso abierto bajo una licencia Creative Commons