Spanish (pdf)
Article in xml format
Article references
Automatic translation
Send this article by e-mail
Cited by SciELO 
Cited by Google 
Similars in
SciELO 
Similars in Google 
Permalink
Introducción
La infección por el SARSCOV- 2 o COVID 19 corresponde al evento zoonótico de mayor impacto en lo corrido de la década de 20201, a nivel nacional, al 9 de abril de 2020 se reportaron 2054 casos confirmados y 55 fallecimientos, para una letalidad del 2,6% aproximadamente; del total de casos reportados, el departamento de Risaralda cuenta con el 2,2% (N= 46 casos)2. No obstante, de acuerdo a los datos publicados por el análisis de situación en salud - ASIS- del país, la densidad poblacional de población geronte en los departamentos de Caldas, Quindío y Risaralda es superior a la media del país, haciendo de la región un blanco de importancia para el control de la pandemia por COVID 193.
De acuerdo a lo publicado por Wei-jie Guan et al respecto al comportamiento inicial de los pacientes con infección por COVID 19 se destacaron los hallazgos para caracterizar nexo epidemiológico: personas con antecedentes de vuelos internacionales (38,7% N=39/67), residencia en Wuhan - Hubei (58,2% N=10/28); de igual forma se caracterizaron los hallazgos clínicos más relevantes dados por fiebre (temperatura 38,5 grados), tos (68,7% N= 46), odinofagia (6% N=9) y sensación de disnea (36% N=53,7)4.
En Colombia de acuerdo al anexo 1 del Instituto Nacional de Salud6y al documento para manejo de pacientes con sospecha de COVID 19 desarrollado por el ministerio de salud y de la protección social se adaptaron 5 definiciones operativas de caso ilustradas en la tabla 1.
Tabla 1: Definiciones operativas de caso propuestas por el Instituto Nacional de Salud - INS-
| Casos | Definición Operativa |
| Caso 1 | Pacientes con criterios de insuficiencia respiratoria aguda grave - IRAG- inusitada asociado a la presencia de nexo epidemiológico dado por: provenir de Wuhan o área de circulación activa del virus, contacto estrecho con un caso confirmado o ser trabajador en salud en contacto con casos sospechosos o confirmados para COVID |
| Caso 2 | Pacientes con sintomatología respiratoria dada por fiebre, tos, odinofagia o disnea desarrollados durante los últimos 14 días asociado a nexo epidemiológico |
| Caso 3 | Vigilancia intensificada de la insuficiencia respiratoria aguda grave - IRAG- inusitada |
| Caso 4 | Mortalidad por COVID |
| Caso 5 | Vigilancia enfocada en los pacientes asintomáticos que cursan con nexo epidemiológico6 |
Fuente: Instituto Nacional de Salud. Anexo. Instructivo para la vigilancia en salud pública intensificada de infección respiratoria. Tomado de: https://www.ins.gov.co/Noticias/Coronavirus/Anexo_%20Instructivo%20Vigilancia%20COVID%20v9%2004042020.pdf citado el 09/04.
Debido a los problemas reportados por el Instituto Nacional de Salud para el manejo masivo de casos sospechosos y la necesidad de generar respuestas oportunas para garantizar el aislamiento y la contención de nuevos casos positivos dentro de la fase de contención6dependiente de los resultados de la prueba PCR7, se hace crítica la necesidad de contar con herramientas alternas que permitan predecir contagios a partir de datos clínicos mientras se obtiene un adecuado proceso de descentralización para el procesamiento de pruebas de laboratorio8; motivo por el cual se consideró la implementación de un modelo basado en la predicción de desenlaces a través del riesgo previo que pueda presentar el individuo, tomando como base experiencias previas en predicción para enfermedades crónicas no trasmisibles tales como cáncer gástrico, enfermedad celíaca y neoplasias de cavidad oral; patologías en las cuales se adelantó la creación de modelos basados en el trabajo interdisciplinario, aplicación de gráficos directos acíclicos, y monitoreo de grupos de riesgo; patologías en las cuales se cuenta con investigaciones sobre factores pronósticos, modelos pronósticos y análisis estratificados previos9,10.
Por lo tanto, el presente estudio descriptivo busca realizar difusión de las estrategias implementadas en una institución de tercer nivel del municipio de Pereira Risaralda para aproximar los diagnósticos de COVID 19 ante las limitaciones para contar con un diagnóstico oportuno de pacientes con infección por coronavirus a través de la generación de un modelo estadístico predictivo con base en el análisis de las características clínicas presentadas por la población atendida, las estrategias comentadas se han basado en la experiencia de la institución y son susceptibles de ser evaluadas a la luz de potenciales factores de confusión. A juicio del equipo investigador no se conocen investigaciones similares en torno a modelos predictivos para COVID a nivel nacional a la fecha de su realización, antecedente que soportó la decisión de ejecutar el estudio planteado.
Materiales y métodos
Se desarrolló un estudio observacional, descriptivo de corte trasversal en el cual la población analizada fueron todos los casos que consultaron a la clínica bajo sospecha de infección por COVID 19 entre el 10 de marzo y el 6 de abril captados a través de los datos reportados dentro de la plataforma SIVIGILA, registros de historia clínica y reportes de pruebas PCR a través del aplicativo SISMUESTRAS, la muestra destinada para el análisis fue de tipo censal sin contemplar restricciones frente a los casos disponibles.
La información captada tomó como criterio de inclusión cumplir alguna de las definiciones operativas de caso vigentes a la fecha para COVID-19, no se consideraron exclusiones en función de la edad o en los resultados de las pruebas solicitadas, edad o sexo, se excluyeron los casos de pacientes donde los registros de la historia clínica se encontraran incompletos o con inconsistencias, solamente se analizaron los registros iniciales de cada paciente garantizando la confidencialidad de la información analizada en todos los niveles del análisis.
No se contempló durante la fase de recolección de datos población infantil menor a 5 años ni población gestante, mientras que los registros clínicos de menores de edad con edades entre los 6 y 17 años se incluyeron bajo la consideración de absoluta reserva frente a los datos personales tomados desde las fuentes primarias de la información.
El presente estudio fue expuesto a través del Puesto de Mando Unificado -PMU- de la institución donde contó con respaldo para el desarrollo del estudio al igual que desde el comité de ética institucional donde se evalúo el riesgo que representó el tratamiento de los datos frente a la población, concluyendo que se trató de una investigación sin riesgo. Se perfiló la intervención como necesaria dentro del contexto institucional como solución para acortar las decisiones dependientes de los reportes de pruebas PCR facilitando el abordaje de los casos sospechosos.
La institución donde se realizó el estudio corresponde a una clínica de nivel 3 ubicada en el centro de la ciudad de Pereira; ésta se enfoca en la atención complementaria del régimen contributivo en la cual se prestan servicios a población de predominio adulta joven y adulta mayor con morbilidades en ascenso, debido al estallido de la pandemia se perfiló como centro de atención en pacientes con diagnóstico COVID 19 dada su ubicación y capacidad instalada.
Los datos recolectados fueron procesados haciendo uso de estadística descriptiva. Para las variables cualitativas el análisis se realizó a través de análisis de frecuencias absolutas, relativas y acumuladas, mientras que para las variables cuantitativas se realizó la exploración de los datos a través de medidas de tendencia central y medidas de dispersión. A su vez, a partir de los análisis univariados se diseñó un modelo predictivo basados en conceptos básicos de probabilidad simple y compuesta para predecir los pacientes que puedan tener resultados positivos con base en un enfoque por riesgos.
Debido a la naturaleza emergente de los datos captados se consideró evitar la limitación de los datos de ingreso, acción que controló parcialmente la selección de los datos, no obstante, dicho sesgo no pudo ser eliminado dada la exclusión de gestantes y población menor de 5 años, ambas sustraídas del análisis por los riesgos que pudo implicar la generación de recomendaciones en poblaciones de riesgo, esta acción no pudo ser limitada obligando a declarar un sesgo de selección. Se procuró captar datos primarios que no presentaran inconsistencias, sin embargo, los investigadores trabajaron desde la captación de información a través de bases de datos, factor que no permite eliminar sesgos asociados a los profesionales que operaron como fuente primaria del dato.
Se utilizaron variables sociodemográficas, epidemiológicas, signos vitales y síntomas cardinales tomando como base los datos reportados por el artículo original descriptivo publicado por Wei- jie Guan y colaboradores donde describieron los principales hallazgos evidenciados en la provincia de Hubei- China, el cuadro de operacionalización de variables se presenta en el anexo 1.
La estructura lógico-matemática establecida para desarrollar el modelo fue realizada a través de compuertas AND y OR tomando como base 4 probabilidades pretest que correspondieron a los siguientes conceptos: anamnesis, nexo epidemiológico, signos vitales y síntomas cardinales, el ensamblaje de la estructura se ilustra en la figura 1, los análisis para el procesamiento final de los datos se realizó a través del principio de probabilidades compuestas siguiendo las operaciones de multiplicación y suma para los operadores Booleanos AND y OR respectivamente, en el anexo 2 se presenta el glosario con los términos utilizados.
Fuente: autores.
Figura 1: Arquitectura Lógico Matemática del modelo de predicción. PPT1 : [SI(RE = 3; “0,18”; SI(RE =4;”0,32”; SI(RE=5;”0,49”;”0”)))] PPT2 : {(MC x 0,1) + (ΣDC) + [(CE x 0,67)x (ACE x 0,58 x (ACI X 0,6) + (TS x 0,7]}x 0,01 PPT3 : [(HTA x 0,35) + (DM2 x 0,26)+ (ERC x 0,03)+ (EnfC x 0,09) + (Cnc x 0,015)]x 0,01 PPT4 : [(SI( FC > 130 ; “3”; “1”) + (SI(12 < FR < 24 ; “2”; “3”) + SI(TAS<90 ; “3”; “1”) + (SI(SAO2 < 90; “3”;”1”) + (SI(T >=38; “0,93” ;”0”)+ (SI(Glasgow <7 ; “3”;”1”)]* 0,01
Se generaron 2 puntos de corte para la clasificación de las probabilidades, el primer punto de corte fue definido en 0,4 y el segundo punto en 0,6 para definir 3 niveles de probabilidad: Alta probabilidad mayor a 0,6, probabilidad intermedia entre 0,4 - 0,6 y baja probabilidad toda aquella menor a 0,4.
Resultados
En total se analizaron 82 registros de pacientes con cuadros clínicos compatibles con infección por COVID 19, se encontró una relación de 2:1 entre mujeres y hombres, la edad predominante se encontró entre los 15 a 49 años, con una edad promedio de 40 años, más del 90% de los casos analizados pertenecieron al departamento de Risaralda, los casos restantes correspondieron a casos provenientes del norte del departamento del Valle del Cauca.
Tabla 2: Caracterización Sociodemográfica de la población
| Características | Hombre | Mujer | Total |
|---|---|---|---|
| Rango de Edad | |||
| Menor de 5 años | 0 (0%) | 0 (0%) | 0 (0%) |
| 5 a14 años | 0 (0%) | 1 (100%) | 1 (1,2%) |
| 15 a 49 años | 18 (29%) | 43 (71%) | 61 (73,4%) |
| 50 a 65 años | 7 (50%) | 7 (50%) | 14 (15,6%) |
| Mayor de 65 años | 2 (25%) | 6 (75%) | 8 (9,6%) |
| Departamento | |||
| Risaralda | 25 (30%) | 56 (70%) | 81 (97%) |
| Valle del Cauca | 1 (50%) | 1 (50%) | 2 (3%) |
| Municipio | |||
| Pereira | 19 (32%) | 39 (68%) | 58 (71,6%) |
| Dosquebradas | 5 (25%) | 15 (75%) | 20 (24,6%) |
| La Virginia | 0 (0%) | 2 (100%) | 2 (2,4%) |
| Marsella | 1 (100%) | 0 (0%) | 1 (1,2%) |
| TOTAL | 26 (31%) | 56 (69%) | 82 (100%) |
Fuente: autores.
Respecto a los aspectos de georeferenciación se encontró una agrupación mayor de los casos positivos en los municipios de Pereira, Dosquebradas, la Virginia y Marsella, el resto de municipios del departamento no presentaron casos hasta la fecha, agrupándose sobre la subregión 1 del departamento.
Fuente: modificado de https://www.colombiamapas.net/mapa/mapa-risaralda-ubicacion.html [consultado el 01/04/2020]
Figura 2: Patrón de Georeferenciación Departamental Amarillo: menos de 20 casos reportados Naranja: entre 20 a 50 casos reportados Rojo: mayor a 50 casos reportados
A nivel municipal se encontró una distribución de 3:1 entre el casco urbano y las veredas de la ciudad, el 25% rural se distribuyó de manera uniforme en las regiones inmediatamente adyacentes al casco urbano.
Dentro del casco urbano la mayoría de los casos se concentraron en la región del centro y la comuna de Cuba, ninguna de las regiones detectadas tuvo densidades de caso superiores al 50% de los datos.
Aspectos clínicos
Dentro del perfil de morbilidad de la muestra el 16% refirió hipertensión arterial seguido por el 10% con diabetes mellitus tipo 2 y el 8% refirió enfermedad coronaria; la mediana de los signos vitales de los pacientes analizados evidenció rangos de normalidad para la frecuencia cardíaca, frecuencia respiratoria, temperatura, saturación de oxígeno y escala de Glasgow; el valor de la mediana para tensión arterial sistólica fue de 125 con un rango intercuartílico superior que alcanzó el valor de 139 mmHg, el valor medio para población entre 15 a 49 años fue de 126 mmHg.
Respecto a los aspectos clínicos identificados en la población, el 90% de los casos presentaron un motivo de consulta compatible con sintomatología respiratoria del cual el 28% correspondió a población masculina; del total de las definiciones de caso se encontró un predominio para la definición de caso 2 con el 94%, solamente el 6% presentó casos compatibles con definición de caso 1 con una distribución cercana al 50% entre sexos. A la fecha no se reportaron pacientes compatibles con definición de caso 3 ni definición de caso 5; del total de pacientes atendidos solamente 1 conto con definición de caso 4.
Frente a la sintomatología, la tos presentó una frecuencia del 90% en los registros analizados seguida por odinofagia y rinorrea, siendo la disnea el síntoma con menor aparición.
Fuente: Portal Geográfico del Municipio de Pereira Municipio de Pereira - Secretaría de Planeación [consultado el 01/04/2020] tomado de: https://mapas-pereira.opendata.arcgis.com/
Figura 3: Patrón de Georeferenciación Municipal Amarillo: menos del 20% de los casos reportados Naranja: entre 20% a 50% de los casos reportados Rojo: mayor a 50% de los casos reportados
Fuente: Portal Geográfico del Municipio de Pereira Municipio de Pereira - Secretaría de Planeación [consultado el 01/04/2020] tomado de: https://mapas-pereira.opendata.arcgis.com/
Figura 4: Patrón de Georeferenciación del casco Urbano Amarillo: menos del 20% de los casos reportados Naranja: entre 20% a 50% de los casos reportados Rojo: mayor a 50% de los casos reportados
Tabla 3: Caracterización clínica de la población
| Características clínicas | Hombre | Mujer | Total |
| Motivo de consulta | 21/73 | 52/73 | 73/81 (90%) |
| Definiciones de caso | 25/81 | 56/81 | 81 (100%) |
| Caso 1 | 3 /7 | 4 /7 | 7/81 (7%) |
| Caso 2 | 21 /74 | 52 /74 | 74/81 (90%) |
| Caso 3 | 0 | 0 | 0/81 (0%) |
| Caso 4 | 1 | 0 | 1/81(1%) |
| Caso 5 | 0 | 0 | 0/81 (0%) |
| Comorbilidades | 12/35 | 23/35 | 35/81 |
| Hipertensión Arterial | 6 /13 | 8 /13 | 13/81 (16%) |
| Diabetes mellitus tipo 2 | 2/ 8 | 6/8 | 8/81 (10%) |
| Enfermedad renal crónica | 2/3 | 1/3 | 3/81 (4%) |
| Enfermedad Coronaria | 2/7 | 5/7 | 7/81 (8%) |
| Cáncer | 0/3 | 3/3 | 3/81 (4%) |
| Signos Vitales | 3/81 (4%) | ||
| Frecuencia cardíaca | 88 (78 - 100) | ||
| Frecuencia respiratoria | 18 (17 - 20) | ||
| Tensión arterial sistólica | 125(115 - 139) | ||
| Temperatura | 36 (36 - 37) | ||
| Saturación Oxígeno | 96% (94% - 98%) | ||
| Escala de Glasgow | 15 (15 - 15) | ||
| Síntomas Manifestados | |||
| Disnea | 13/24 | 11/24 | 24/81 (29%) |
| Odinofagia | 7/46 | 39/46 | 46/81 (57%) |
| Tos | 20/73 | 53/73 | 73/81 (90%) |
| Rinorrea | 7/27 | 20/27 | 27/81 (33%) |
Fuente: autores.
Del total de registros analizados el 6,25% no aquejó ningún síntoma al momento de la valoración, el 15% refirió al menos un síntoma, el 48,75% indicó 2 síntomas, el 25% refirió 3 síntomas y solamente el 5% Indicó padecer 4 síntomas.
Dentro de los criterios para considerar probable nexo epidemiológico se encontró que el 37,5% de los pacientes cumplió la definición de contacto estrecho, indicada como “contacto inferior a 1 metro de distancia durante un tiempo no inferior a 15 minutos continuos”; el 28,75% refirió haber provenido de un área de circulación externa (España, Italia, China, Estados Unidos entre otros), el 12,5% indicó contacto con áreas de potencial circulación interna (Bogotá, Cartagena, Medellín, Cali, entre otros); el 28,75% fue personal trabajador en salud con algún nivel de contacto con probables nexo positivo dado por atención a pacientes sospechosos o confirmados.
Aplicación modelo de predicción
Tras la aplicación del modelo de predicción se encontraron los siguientes resultados:
Tabla 4: Caracterización primer modelo de predicción infección por COVID 19
| Probabilidad | Punto de corte | Hombres | Mujeres | Total |
| Alta probabilidad | > 60% | 0 (0%) | 5 (100%) | 5 (6.76%) |
| Probabilidad intermedia | 40%-60% | 7 (46,67%) | 8 (53,33%) | 15 (20.27%) |
| Baja Probabilidad | < 40% | 15 (27,78%) | 39 (72,22%) | 54 (72.97%) |
Fuente: autores.
De los 82 registros, 74 contaron con datos completos para ingresar dentro del modelo estadístico, aportando el 90,24% del total de registros, 40% (N= 30) contaron con reportes oficiales con prueba de PCR. Se realizó prueba de Spearman encontrando una correlación del -0,066 para los 30 casos reportados y de -0,059 para el total de los casos registrados.
Tabla 5: Análisis de casos positivos modelo 1 de predicción
| Casos | Positivos | Negativos | Total |
|---|---|---|---|
| Alta probabilidad | 1 | 4 | 5 |
| Probabilidad intermedia | 0 | 15 | 15 |
| Baja Probabilidad | 3 | 51 | 54 |
| Total | 4 | 70 | 74 |
Fuente: autores.
Se realizó un segundo modelo anulando la variable probabilidad intermedia tomando como punto de corte 0,6 para definir 2 categorías: probable positivo y probable negativo; tras realizar prueba de Spearman se encontró una correlación de 0,11 para el 40% de los datos reportados y de 0,12 para el total de los registros analizados.
Tomando como base el comportamiento del segundo modelo predictivo se realizó una regresión logística para evaluar el impacto de las variables evaluadas dentro del modelo general obteniendo los siguientes resultados: los resultados agrupados para sintomatología clínica no evidenciaron significancia estadística, la razón de chanche para disnea indicó un riesgo 3,35 veces superior frente a los pacientes que presentaron el síntoma respecto a los pacientes sin el síntoma, no obstante, la amplitud del intervalo de confianza no reflejó significancia estadística sugiriendo la presencia de factores de confusión.
Tabla 6: Análisis de casos positivos modelo 2 de predicción
| Casos | Positivos | Negativos | Total |
| Probable positivo | 1 | 7 | 8 |
| improbable | 3 | 63 | 66 |
| Total | 4 | 70 | 74 |
Fuente: autores.
Las variables: contacto estrecho y área de circulación internacional evidenciaron una razón de momios momio de 1,64, no obstante, sin significancia estadística, debido al cambio de fase entre contención a mitigación, la variable área de circulación nacional no pudo ser valorada con una razón de chance de 1.
Tabla 7: Regresión logística principales variables predictoras de desenlace
| Variable | Razón de chance | Intervalo de confianza | Valor de p |
|---|---|---|---|
| Disnea | 4.35 | 0.72 26.03 | 0.107 |
| Odinofagia | 1.07 | 0.15 7.40 | 0.941 |
| Tos | .865 | 0.06 11.31 | 0.912 |
| Rinorrea | 1 | No valorable | 1 |
| Total | .092 | 0.008 1.00 | 0.050 |
| Variable | Razón de chance | Intervalo de confianza | Valor de p |
| Contacto estrecho | 1.64 | 0.31 8.53 | 0.551 |
| Área de circulación internacional | 1.64 | 0.31 8.53 | 0.551 |
| Área de circulación nacional | 1 | No valorable | 1 |
| Profesional de salud expuesto | 1 | No valorable | 1 |
| Total | 0.11 | 0.033 4,18 | 0.001 |
Fuente: autores
Finalmente, se realizó una progresión contando con los datos de casos recibidos desde el 10 de marzo hasta el 6 de abril, se generaron modelos estadísticos a partir de 3 valores de R0 (1,5 - 2,0 - 2,6) y una tasa de reproducción definida en 7 días; al contrastar los datos de pacientes que consultaron por casos a la institución contra las curvas de crecimiento, el modelo más cercano fue el de un R0 de 1,5 evidenciando el siguiente comportamiento:
Con base en las predicciones realizadas dentro de la institución, las oscilaciones de probabilidad para obtener nuevos casos positivos se presentan de la siguiente forma; modelando los rangos para definir potenciales casos positivos tomando como referente los datos para casos con alta probabilidad y probabilidad intermedia para servir de guía a los modelos de predicción realizados por la institución, a partir de los datos reportados dentro de los primeros días de abril.
Tomando en consideración el comportamiento de los datos durante los meses de marzo y abril, se realizaron nuevos modelos de predicción que permitieran ajustar el R0 a los reportes detectados por la institución, evidenciando una tasa de crecimiento con mayor tendencia a concordar con los datos con valores de R0 inferiores a 1,5.
Tabla 8: Caracterización probabilidades por día
| Días | Modelo estadístico | Probabilidad intermedia | Alta probabilidad |
|---|---|---|---|
| 1/04/2020 | 33 | 6 (1-7) | 3 (1 - 4) |
| 2/04/2020 | 40 | 7(2-9) | 3 (1 -4) |
| 3/04/2020 | 49 | 9(2 -11) | 4 (1 - 5) |
| 4/04/2020 | 59 | 11(3-13) | 5 (1 - 6) |
| 5/04/2020 | 72 | 13(3 -16) | 6 (2 - 3) |
| 6/04/2020 | 87 | 16(4- 20) | 7 (2 - 9) |
| 7/04/2020 | 106 | 19 (5 - 24) | 9 (2 -11) |
| 8/04/2020 | 128 | 23 (6 - 29) | 11(3- 14) |
| 9/04/2020 | 156 | 28 (7 - 35) | 13(3 - 17) |
| 10/04/2020 | 189 | 34(9 - 43) | 16(4- 20) |
| 11/04/2020 | 230 | 41 (10 - 52) | 20 (5- 24) |
| 12/04/2020 | 279 | 50 (13 - 63) | 24 (6 -30) |
| 13/04/2020 | 339 | 61 (15 -76) | 29 (7 - 36) |
| 14/04/2020 | 411 | 74 (18 - 92) | 35 (9 - 44) |
Fuente: autores
Discusión
El presente artículo buscó proponer un modelo estadístico que permitiera predecir la probabilidad de cursar con diagnóstico de COVID-19 en una institución de tercer nivel ubicada en el municipio de Pereira.
Pese a los resultados insuficientes se consideraron las medidas establecidas como positivas, basados en principios básicos de la salud pública para el control de infecciones, el desarrollo de un modelo estadístico basado en los datos clínicos, antecedentes que sugieran nexo epidemiológico, signos vitales y hallazgos basados en la sintomatología. Se realizó con base en el principio de clasificación de las poblaciones por su nivel de riesgo generando una estimación adicional a la probabilidad de contar con el evento de interés: funcionar como herramienta para sospechar qué porcentaje de la población podría cursar con algún nivel de complicación. El desarrollo del modelo implico la puesta en prueba de 2 formas de evaluación una con resultados basado en alta probabilidad, probabilidad intermedia y baja probabilidad y un segundo modelo basado en 2 resultados definidos como probable positivo y probable negativo, pese a lo anterior ninguna de las formas de clasificación evidenció coeficientes de correlación que permitieran su implementación generalizada dentro de la institución.
Dentro de los aspectos que podrían explicar los resultados se consideran diferentes factores tales como el cambio de fase de contención a fase de mitigación (31 de marzo de 2020) mediante la cual la validez del nexo epidemiológico presentó variación en su peso al momento del diagnóstico11,12, dentro del comportamiento clínico de la enfermedad un porcentaje importante cursó con pruebas positivas para COVID siendo asintomáticos13,14, dicho subgrupo poblacional no pudo ser delimitado comportándose como un factor de interacción importante al momento de considerar la validez de los modelos estadísticos propuestos. Limitaciones como el acceso oportuno al total de resultados de las pruebas PCR, la verificación de las constantes vitales y los antecedentes personales de la población atendida impactaron en la generalización del modelo para la toma de decisiones como parte del plan de contingencia. Se precisa de nuevos análisis que contemplen pesos estadísticos específicos en muestras de pacientes con diagnósticos positivos para refinar la precisión y la exactitud del modelo propuesto.
Frente a los hallazgos sociodemográficos llama la atención el desbalance de la relación hombre:mujer (1:2) al igual que un aumento importante en la frecuencia de pacientes con un rango de edad entre 15 - 49 años (73,4%) evidenciando un comportamiento discordante respecto al perfil de riesgo esperado según lo publicado por Wei-jie Guan y colaboradores donde reportaron una carga porcentual para el sexo femenino entre el 32 - 42%, de igual forma se evidenciaron diferencias respecto a la carga porcentual según el rango de edad (18- 55%)4, respecto a los datos indicados por el Instituto Nacional de Salud los hallazgos registrados son concordantes para el rango de edad con un predominio entre los 30 - 39 años (22,22% N=494casos), no obstante, la relación hombre:mujer fue superior para el sexo masculino (1132 hombres respecto a 1091 mujeres)14.
La distribución geográfica de los casos registrados se agrupan sobre la subregión 1 (Pereira, Dosquebradas, la Virginia, Santa Rosa de Cabal y Marsella)14, hallazgos concordantes con el perfil de densidad poblacional registrado en el análisis de situación en salud del departamento de Risaralda16, la distribución poblacional en el municipio de Pereira conserva un patrón de 3:1 entre el área urbana y rural, lo cual puede interpretarse como una tendencia de diseminación esperable para la región debido a la proporción de personas que viven dentro del área rural del municipio de Pereira, datos concordantes con lo reportado en el análisis de situación en salud para el municipio de Pereira17.
El patrón predictivo descrito para la institución evidencia una tendencia positiva frente al comportamiento del estadístico Rho hacia el descenso lo cual puede ser reflejo de las medidas en salud pública establecidas por el municipio y la región para la contención del virus, a nivel nacional el Ministerio de Salud y de la Protección Social a través del Boletín de Prensa No 135 de 2020 reportó un comportamiento de la curva similar a lo observado dentro de la institución18, empero, debido a los fallos en los reportes de pruebas confirmatorias no es posible descartar factores de confusión derivados del subregistro, de igual forma los cambios dinámicos presentados en el contexto de la pandemia obligan al desarrollo de nuevos modelos que contemplen factores de corrección y ajuste19,20.
La siguiente investigación cuenta con fortalezas tales como la inclusión de registros desde el inicio de la pandemia en la ciudad de Pereira, la estimación de variables sociodemográficas, epidemiológicas y clínicas al momento de establecer probabilidades compuestas para definir el potencial comportamiento del virus en la población, no obstante, se encuentran limitantes importantes frente a los resultados tales como factores de confusión por el cambio de fase dentro de la pandemia, la ausencia de la totalidad de reportes para contrastar los resultados de forma veraz, el número limitado de casos positivos dentro de los datos analizados restringe la posibilidad de estructurar recomendaciones concluyentes frente al comportamiento de la pandemia dentro de la institución.
Conclusión
La actual investigación apuntó hacia la generación de un modelo estadístico, basado en el perfil de riesgo de los pacientes, que pudiera delimitar la carga de probabilidad de pacientes potencialmente positivos para COVID 19, no obstante, los resultados fueron inconsistentes para lograr el alcance del objetivo propuesto; encontrando un patrón de predicción insuficiente a la luz de los hallazgos clínicos seleccionados para el tamizaje haciendo evidente la necesidad de contar con pruebas clínicas para el establecimiento de un diagnóstico oportuno dentro de la institución.
Se precisan nuevas investigaciones a través de estudios longitudinales y análisis estadísticos combinados, tales como estadística robusta o análisis de inteligencia artificial para lograr modelos predictivos con un mejor perfil de exactitud y precisión, por el momento se refuerzan las medidas básicas de contención en salud pública para el control de los casos que ingresan a la institución.
