Κορονοϊός: Νέος αλγόριθμος προβλέπει ποιοι ασθενείς θα χρειαστούν ΜΕΘ με 90% επιτυχία

Ο αλγόριθμος χρησιμοποιεί στοιχεία του κάθε ασθενούς όπως το φύλο, η ηλικία, τα φάρμακα που λαμβάνει, ο Δείκτης Μάζας Σώματος, το αν είναι ή όχι καπνιστής και τα επίπεδα της αρτηριακής πίεσης.

Έναν νέο αλγόριθμο ο οποίος μπορεί να προβλέψει, και μάλιστα με ποσοστό επιτυχίας 90%, αν ένας ασθενής με κορωνοϊό θα χρειαστεί ΜΕΘ ανέπτυξαν ερευνητές του Πανεπιστημίου της Κοπεγχάγης – Προσεχώς σε νοσοκομεία της Δανίας

Η πανδημία Covid-19 ταλαιπωρεί και πάλι την Ευρώπη και σε πολλές χώρες τα νοσοκομεία υφίστανται ασφυκτική πίεση. Τώρα όμως ένας καινοτόμος αλγόριθμος υπόσχεται να ανακουφίσει τα συστήματα υγείας από την πίεση που τους ασκείται κάθε φορά που έρχονται αντιμέτωπα με νέα κύματα του SARS-CoV-2. A

Aυτό αναφέρουν ερευνητές του Πανεπιστημίου της Κοπεγχάγης που μαζί με συνεργάτες τους από νοσοκομεία της Δανίας ανέπτυξαν τον αλγόριθμο ο οποίος προβλέπει την εξέλιξη της πορείας της νόσου στους ασθενείς του κορονoϊού σε συνάρτηση με το πόσοι εξ αυτών υπάρχει πιθανότητα να χρειαστούν νοσηλεία σε Μονάδα Εντατικής Θεραπείας (ΜΕΘ) και  μηχανική υποστήριξη της αναπνοής.

Καλύτερη πρόβλεψη, καλύτερος σχεδιασμός

«Εάν είμαστε σε θέση να δούμε εκ των προτέρων ότι θα αντιμετωπίσουμε ζήτημα με τις κλίνες σε ένα νοσοκομείο πέντε ημέρες αργότερα, μπορούμε να κάνουμε καλύτερο σχεδιασμό και να κατευθύνουμε τους ασθενείς προς άλλα νοσοκομεία με περισσότερες διαθέσιμες κλίνες και προσωπικό. Ετσι ο αλγόριθμός μας έχει τη δυναμική να σώσει ζωές» εξήγησε ο Στέφαν Λορέντσεν, μεταδιδακτορικός ερευνητής στο Τμήμα της Επιστήμης Υπολογιστών του Πανεπιστημίου της Κοπεγχάγης, εκ των συγγραφέων μελέτης σχετικά με τον αλγόριθμο η οποία δημοσιεύθηκε στην επιθεώρηση «Scientific Reports».

Χρήση αναλυτικών στοιχείων κάθε ασθενούς

Ο αλγόριθμος χρησιμοποιεί στοιχεία του κάθε ασθενούς όπως το φύλο, η ηλικία, τα φάρμακα που λαμβάνει, ο Δείκτης Μάζας Σώματος, το αν είναι ή όχι καπνιστής, τα επίπεδα της αρτηριακής πίεσης και άλλα. Με βάση αυτά τα δεδομένα προβλέπει πόσοι ασθενείς, μέσα σε ένα χρονικό παράθυρο μιας ημέρας ως 15 ημερών, θα χρειαστούν νοσηλεία σε Μονάδα Εντατικής Θεραπείας καθώς και μηχανική υποστήριξη της αναπνοής.

Οι ερευνητές του Πανεπιστημίου της Κοπεγχάγης συνεργάστηκαν για την ανάπτυξη του αλγορίθμου με συναδέλφους τους από το νοσοκομείο Rigshospitalet και το νοσοκομείο Bispebjerg. Οι επιστήμονες βασίστηκαν σε δεδομένα σχετικά με την υγεία 42.526 Δανών που διαγνώσθηκαν θετικοί στον νέο κορωνοϊό μεταξύ Μαρτίου του 2020 και Μαΐου 2021.

Ακρίβεια πρόβλεψης άνω του 90%

Σε γενικό πλαίσιο σήμερα χρησιμοποιούνται αναδρομικά μοντέλα για την πρόβλεψη των νοσηλειών που συνδέονται με την COVID-19. Ωστόσο, τα μοντέλα αυτά δεν λαμβάνουν υπόψη τους εξατομικευμένες πληροφορίες για τον κάθε ασθενή, όπως το ιατρικό ιστορικό του, η ηλικία, το φύλο του και άλλα. «Για παράδειγμα, τα υπάρχοντα μοντέλα δεν μπορούν να διαχωρίσουν μεταξύ νεότερων ή πιο ηλικιωμένων ασθενών. Ωστόσο το αν οι περισσότεροι ασθενείς που νοσηλεύονται είναι 80χρονοι ή 25χρονοι, έχει τεράστια επίδραση στην πρόβλεψη σχετικά με την ανάγκη νοσηλείας σε ΜΕΘ» σημείωσε ο δρ Λορέντσεν και συμπλήρωσε ότι «ο δικός μας αλγόριθμος βασίζεται σε πιο λεπτομερή δεδομένα σε σύγκριση με άλλα μοντέλα. Αυτό σημαίνει ότι μπορούμε να προβλέψουμε τον αριθμό των ασθενών που θα εισαχθούν σε ΜΕΘ ή θα χρειαστούν μηχανική υποστήριξη της αναπνοής μέσα στις επόμενες πέντε ημέρες με ακρίβεια άνω του 90%» ανέφερε ο δρ Λορέντσεν.

Πρόβλεψη ως και για 10 ημέρες αργότερα

Οπως μάλιστα συμπλήρωσε, ο αλγόριθμος μπορεί να προσφέρει άκρως ακριβείς προβλέψεις για τον πιθανό αριθμό ασθενών με COVID-19 που θα εισαχθούν σε ΜΕΘ έως και 10 ημέρες αργότερα. «Η ακρίβεια του αλγορίθμου μας μειώνεται ελαφρώς μετά το χρονικό διάστημα των 10 ημερών, όπως συμβαίνει με τα υπάρχοντα αλγοριθμικά μοντέλα που χρησιμοποιούνται για την πρόβλεψη της πορείας της νόσου στα θετικά κρούσματα».

Προσεχώς σε νοσοκομεία της Δανίας

Ο αλγόριθμος είναι έτοιμος να χρησιμοποιηθεί σύντομα σε νοσοκομεία της Δανίας και μάλιστα οι ερευνητές ξεκινούν συζητήσεις με επαγγελματίες υγείας για τον σκοπό αυτό.

Δείτε επίσης: Γαλλία – Κορονοϊός: Συστάσεις για 3η δόση εμβολίου στους άνω των 18 ετών