Los científicos identifican características para definir mejor el largo COVID

Comunicado de prensa

lunes, 16 de mayo de 2022

Utilizando el aprendizaje automático, los investigadores están encontrando patrones en los datos de registros de salud electrónicos para identificar mejor a las personas que pueden tener la enfermedad.

Un equipo de investigación respaldado por los Institutos Nacionales de Salud ha identificado las características de las personas con COVID prolongado y las que probablemente la tengan. Los científicos, utilizando técnicas de aprendizaje automático, analizaron una colección sin precedentes de registros de salud electrónicos (EHR) disponibles para la investigación de COVID-19 para identificar mejor quién tiene COVID de larga duración. Al explorar datos de EHR no identificados en National COVID Cohort Collaborative (N3C), una base de datos pública nacional centralizada administrada por el Centro Nacional para el Avance de las Ciencias Traslacionales (NCATS) de los NIH, el equipo usó los datos para encontrar más 100,000 casos de COVID probablemente desde Octubre de 2021 (a partir de mayo de 2022, el número supera los 200.000). Los hallazgos aparecen en Salud digital The Lancet.

El largo COVID está marcado por muchos síntomas, que incluyen dificultad para respirar, fatiga, fiebre, dolor de cabeza, “niebla mental” y otros problemas neurológicos. Estos síntomas pueden durar varios meses o más después de un diagnóstico inicial de COVID-19. Una de las razones por las que COVID ha sido difícil de identificar durante mucho tiempo es que muchos de sus síntomas son similares a los de otras enfermedades y afecciones. Una mejor caracterización de los COVID largos podría conducir a mejores diagnósticos y nuevos enfoques terapéuticos.

“Tenía sentido aprovechar las herramientas modernas de análisis de datos y un recurso único de big data como N3C, donde se pueden representar muchas características de un COVID prolongado”, dijo la coautora Emily Pfaff, Ph. D., informática clínica de la Universidad. desde Carolina del Norte hasta Chapel Hill.

El enclave de datos N3C actualmente incluye información que representa a más de 13 millones de personas en todo el país, incluidos casi 5 millones de casos positivos de COVID-19. El recurso permite una investigación rápida sobre preguntas emergentes con respecto a las vacunas, terapias, factores de riesgo y resultados de salud de COVID-19.

La nueva investigación es parte de una iniciativa trans-NIH relacionada más grande, Researching COVID to Enhance Recovery (RECOVER), que tiene como objetivo mejorar la comprensión de los efectos a largo plazo de COVID-19, llamados secuelas post-agudas de SARS-CoV. 2 infecciones (PASC). RECOVER identificará con precisión a las personas con PASC y desarrollará enfoques para su prevención y tratamiento. El programa también responderá preguntas críticas de investigación sobre los efectos a largo plazo de COVID a través de ensayos clínicos, estudios observacionales longitudinales y más.

En el Lanceta estudio, Pfaff, Melissa Handel, Ph.D., del campus médico Anschutz de la Universidad de Colorado, y sus colegas analizaron la demografía de los pacientes, la utilización de la atención médica, los diagnósticos y los medicamentos en los registros de salud de 97,995 pacientes adultos con COVID-19 de N3C . Utilizaron esta información, junto con datos de casi 600 pacientes con COVID prolongado de tres clínicas con COVID prolongado, para crear tres modelos de aprendizaje automático para identificar pacientes con COVID prolongado.

En el aprendizaje automático, los científicos “entrenan” métodos computacionales para filtrar rápidamente grandes cantidades de datos para revelar nuevos conocimientos, en este caso, sobre COVID prolongado. Los modelos buscaron patrones en los datos que pudieran ayudar a los investigadores a comprender las características de los pacientes e identificar mejor a las personas con la enfermedad.

Los modelos se centraron en identificar posibles pacientes con COVID prolongado entre tres grupos en la base de datos de N3C: todos los pacientes con COVID-19, pacientes hospitalizados con COVID-19 y pacientes que tenían COVID-19 pero no fueron hospitalizados. Se encontró que los modelos eran precisos, ya que las personas identificadas con riesgo de COVID prolongado eran similares a los pacientes atendidos en las clínicas de COVID prolongado. Los sistemas de aprendizaje automático clasificaron a unos 100.000 pacientes en la base de datos N3C cuyos perfiles coincidían estrechamente con los de COVID prolongado.

“Una vez que pueda determinar quién tiene COVID prolongado a partir de una gran base de datos de personas, puede comenzar a preguntar sobre esas personas”, dijo Josh Fessel, MD, Ph.D., asesor clínico sénior en NCATS y un programa científico. conducir en RECUPERAR. “¿Había algo diferente en estas personas antes de que desarrollaran un COVID prolongado? ¿Tenían ciertos factores de riesgo? ¿Hubo algo en la forma en que fueron tratados durante la fase aguda de la COVID que podría haber aumentado o disminuido su riesgo de una COVID prolongada? »

Los modelos buscaron características comunes, incluidos nuevos medicamentos, visitas al médico y nuevos síntomas, en pacientes con un diagnóstico positivo de COVID que estaban al menos 90 días antes de su infección aguda. Los modelos identificaron a los pacientes con COVID prolongado si fueron a una clínica de COVID prolongado o si tenían síntomas de COVID prolongados y probablemente tenían la enfermedad pero no fueron diagnosticados.

“Queremos incorporar los nuevos patrones que vemos con el código de diagnóstico de COVID e incluirlos en nuestros modelos para tratar de mejorar su desempeño”, dijo Handel de la Universidad de Colorado. “Los modelos pueden aprender de una variedad más amplia de pacientes y volverse más precisos. Esperamos poder utilizar nuestro clasificador largo de pacientes con COVID para el reclutamiento de ensayos clínicos.

Este estudio fue financiado por NCATS, que contribuyó al diseño, mantenimiento y seguridad del enclave N3C, y la iniciativa NIH RECOVER, respaldada por NIH OT2HL161847. RECOVER coordina, entre otras cosas, el protocolo de captación de participantes al que contribuye este trabajo. Los análisis se realizaron con datos y herramientas accesibles a través de NCATS N3C Data Enclave y respaldados por NCATS U24TR002306.

Acerca del Centro Nacional para el Avance de las Ciencias Traslacionales (NCATS): NCATS lleva a cabo y apoya investigaciones sobre la ciencia y el funcionamiento de la traducción, el proceso mediante el cual se desarrollan e implementan intervenciones para mejorar la salud, para permitir que más tratamientos lleguen a más pacientes, más rápido. Para obtener más información sobre cómo NCATS ayuda a acortar el viaje desde la observación científica hasta la intervención clínica, visite https://ncats.nih.gov.

Acerca de los Institutos Nacionales de Salud (NIH):El NIH, la agencia de investigación médica del país, comprende 27 institutos y centros y forma parte del Departamento de Salud y Servicios Humanos de EE. UU. El NIH es la principal agencia federal que realiza y apoya la investigación médica básica, clínica y traslacional, y estudia las causas, tratamientos y curas de enfermedades comunes y raras. Para obtener más información sobre los NIH y sus programas, visite www.nih.gov.

NIH… Transformando el descubrimiento en salud®

###

.

Add Comment