Loading...
Publication
Traditional versus intentionally created severity scores for the prognosis of COVID-19 patients in Portugal
| Name: | Description: | Size: | Format: | |
|---|---|---|---|---|
| 2.21 MB | Adobe PDF |
Authors
Advisor(s)
Abstract(s)
Abstract
Context - The COVID-19 pandemic motivated the development of prognostic tools for critically ill patients. The calculation and analysis of traditional severity scores and scores created specifically for COVID-19 allow evaluating their discriminatory capacity in decision-making in a clinical context and predicting mortality in patients with COVID-19 allocated to intensive care units (ICU). Purpose - The goal was to compare the performance of traditional ICU severity scores (APACHE II, SAPS II, SAPS 3, SOFA) with scores developed specifically for COVID-19 (Shang-COVID, SEIMC, BURDEN, and inflammation-based), in predicting four mortality outcomes in ICU patients during the first and second waves of the pandemic in Portugal. Methods - Data from adult patients with COVID-19 admitted to the ICU at the Centro Hospitalar Universitário Lisboa Central in Lisbon, Portugal, were analysed. Eight severity scores were calculated for each patient, and four outcomes were considered: hospital mortality, ICU mortality, early ICU mortality (death within 7 days of admission), and late ICU mortality (death after 7 days of admission). The discriminative ability of the scores was evaluated through ROC curve area estimates, their respective confidence intervals, and p-values. Results - For hospital mortality, SEIMC performed best with AUCs of 0.810 (first wave) and 0.723 (second wave). APACHE II and SAPS 3 also showed good AUCs (>0.7), while BURDEN and Inflammation-base had AUCs below 0.6. For ICU mortality, SEIMC stood out with an AUC of 0.808 in the first wave. SAPS 3 and APACHE II also demonstrated good discriminative ability (>0.7). In the second wave, SEIMC had an AUC of 0.705. For early ICU death, SAPS 3 was the most effective in the second wave (AUC of 0.828), followed by SEIMC, while BURDEN and INFLAMMATION-BASED showed low discriminative ability. For late ICU mortality, SEIMC and SAPS 3 stood out in the first wave, with discriminative ability decreasing in the second wave. Conclusion - While traditional scores are relevant for predicting outcomes in COVID-19 patients, the newly developed SEIMC score demonstrated more consistent discriminative ability across all four outcomes. The good performance of traditional scores indicates that traditional scores can still be reliable in this context, emphasizing the importance of continuously validating severity scores to improve patient care and resource allocation.
Contexto - A pandemia de COVID-19 motivou o desenvolvimento de ferramentas de prognóstico para pacientes em estado crítico. O cálculo e análise de scores de severidade tradicionais e scores criados especificamente para COVID-19 permite avaliar a capacidade discriminativa destes na tomada de decisão em contexto clínico e previsão da mortalidade de pacientes com COVID-19 alocados em unidades de cuidados intensivos (UCI). Objetivo - Comparação do desempenho de scores de severidade tradicionais em UCI (APACHE II, SAPS II, SAPS 3, SOFA) com os scores desenvolvidos especificamente para COVID-19 (Shang-COVID, SEIMC, BURDEN e Inflammation-based), na previsão de quatro eventos relativos à mortalidade dos pacientes admitidos na UCI, durante a primeira e segunda vagas da pandemia em Portugal. Métodos – Foram analisados dados de pacientes adultos com COVID-19 admitidos na UCI do Centro Hospitalar Universitário Lisboa Central em Lisboa, Portugal. Foram calculados oito scores de severidade para cada paciente e considerados quatro eventos: mortalidade hospitalar, mortalidade na UCI, mortalidade precoce na UCI (morte até 7 dias da admissão, inclusive) e mortalidade tardia na UCI (morte após 7 dias da admissão). A capacidade discriminativa dos scores foi avaliada através das estimativas das áreas abaixo da curva ROC, respetivas estimativas intervalares e valores-p. Resultados – Para a mortalidade hospitalar o SEIMC teve o melhor desempenho, com AUCs de 0,810 (primeira vaga) e 0,723 (segunda vaga). O APACHE II e SAPS 3 também apresentaram bons valores de AUCs (>0,7), enquanto o BURDEN e INFLAMMATION-BASED apresentaram AUCs abaixo de 0,6. Para a mortalidade na UCI, o SEIMC destacou-se com AUC de 0,808 na primeira vaga. O SAPS 3 e APACHE II também apresentaram uma boa capacidade discriminativa (> 0,7). Na segunda vaga, o SEIMC apresentou uma AUC de 0,705. Para a morte precoce na UCI, o SAPS 3 foi o mais eficaz na segunda vaga (AUC de 0,828), seguido pelo SEIMC, enquanto o BURDEN e o Inflammation-based mostraram baixa capacidade discriminativa. Para a mortalidade tardia na UCI, o SEIMC e SAPS 3 destacaram-se na primeira vaga, tendo a capacidade discriminativa diminuído na segunda. Conclusão - Embora os scores tradicionais sejam relevantes para o prognóstico dos pacientes com COVID-19, o novo score SEIMC mostrou uma capacidade discriminativa mais consistente para os quatro eventos. O bom desempenho dos scores tradicionais mostra que podem ser credíveis neste contexto, o que destaca a importância de validar continuamente estes scores para aprimorar o cuidado ao paciente e a alocação de recursos.
Contexto - A pandemia de COVID-19 motivou o desenvolvimento de ferramentas de prognóstico para pacientes em estado crítico. O cálculo e análise de scores de severidade tradicionais e scores criados especificamente para COVID-19 permite avaliar a capacidade discriminativa destes na tomada de decisão em contexto clínico e previsão da mortalidade de pacientes com COVID-19 alocados em unidades de cuidados intensivos (UCI). Objetivo - Comparação do desempenho de scores de severidade tradicionais em UCI (APACHE II, SAPS II, SAPS 3, SOFA) com os scores desenvolvidos especificamente para COVID-19 (Shang-COVID, SEIMC, BURDEN e Inflammation-based), na previsão de quatro eventos relativos à mortalidade dos pacientes admitidos na UCI, durante a primeira e segunda vagas da pandemia em Portugal. Métodos – Foram analisados dados de pacientes adultos com COVID-19 admitidos na UCI do Centro Hospitalar Universitário Lisboa Central em Lisboa, Portugal. Foram calculados oito scores de severidade para cada paciente e considerados quatro eventos: mortalidade hospitalar, mortalidade na UCI, mortalidade precoce na UCI (morte até 7 dias da admissão, inclusive) e mortalidade tardia na UCI (morte após 7 dias da admissão). A capacidade discriminativa dos scores foi avaliada através das estimativas das áreas abaixo da curva ROC, respetivas estimativas intervalares e valores-p. Resultados – Para a mortalidade hospitalar o SEIMC teve o melhor desempenho, com AUCs de 0,810 (primeira vaga) e 0,723 (segunda vaga). O APACHE II e SAPS 3 também apresentaram bons valores de AUCs (>0,7), enquanto o BURDEN e INFLAMMATION-BASED apresentaram AUCs abaixo de 0,6. Para a mortalidade na UCI, o SEIMC destacou-se com AUC de 0,808 na primeira vaga. O SAPS 3 e APACHE II também apresentaram uma boa capacidade discriminativa (> 0,7). Na segunda vaga, o SEIMC apresentou uma AUC de 0,705. Para a morte precoce na UCI, o SAPS 3 foi o mais eficaz na segunda vaga (AUC de 0,828), seguido pelo SEIMC, enquanto o BURDEN e o Inflammation-based mostraram baixa capacidade discriminativa. Para a mortalidade tardia na UCI, o SEIMC e SAPS 3 destacaram-se na primeira vaga, tendo a capacidade discriminativa diminuído na segunda. Conclusão - Embora os scores tradicionais sejam relevantes para o prognóstico dos pacientes com COVID-19, o novo score SEIMC mostrou uma capacidade discriminativa mais consistente para os quatro eventos. O bom desempenho dos scores tradicionais mostra que podem ser credíveis neste contexto, o que destaca a importância de validar continuamente estes scores para aprimorar o cuidado ao paciente e a alocação de recursos.
Description
Dissertação para obtenção do grau de Mestre em Engenharia Biomédica
Keywords
COVID-19 Scores Prognosis ICU ROC curves Prognóstico UCI Curvas ROC
Citation
MARQUES, Daniela Andrade – Traditional versus intentionally created severity scores for the prognosis of COVID-19 patients in Portugal. Lisboa: Instituto Superior de Engenharia de Lisboa. 2024. Dissertação de Mestrado.