INTRODUCCIÓN
El 31 de diciembre de 2019, el gobierno chino informó por primera vez un brote de la enfermedad por coronavirus (COVID-19) en Wuhan, la capital de la provincia de Hubei en China. Esta pandemia se ha extendido de manera rápida desde esta ciudad a todas las provincias de China y a todos los países del mundo1.
En América Latina, el primer caso se registró en Brasil el 26 de febrero y la primera muerte se reportó en Argentina el 7 de marzo. Si bien los primeros casos confirmados fueron personas llegadas de viajes luego se produjo el contagio comunitario, extendiéndose la pandemia a diferentes países de este continente llegando al país peruano el 06 de marzo del presente año2.
El 15 de marzo del presente, el gobierno peruano declaró al país en estado de emergencia, pero a pesar de ello los contagiados han ido aumentando de tal forma que los hospitales han colapsado, Al 07 de setiembre, el Perú reporta 676 848 de casos confirmados y 29 554 de casos fallecidos; siendo el quinto país con más infectados a nivel mundial y el primero en muertes por millón de personas, convirtiéndose en la principal problemática de salud pública y económica del país3,4.
El distrito de Trujillo es uno de los más poblados en el departamento de la Libertad, ubicado al norte de país y a la fecha cuenta con más de 8 000 contagiados y más de 800 fallecidos, los hospitales han colapsado tal es así que las personas hacen largas colas para ser atendidos y algunas fallecen sin llegar a ser tratados5.
La población es generalmente susceptible a este virus, sin embargo, dentro de las características de los afectados, se ha podido notar más la presencia del sexo masculino y personas con comorbilidades. Por ello, la mortalidad generalmente se da en adultos mayores y personas con diabetes, hipertensión, obesidad y enfermedades cardiovasculares6,7. Así, un estudio realizado en Cuba muestra que en la mayoría de casos tiene un cuadro clínico correspondiente a una infección respiratoria alta auto limitada, con variedad de sintomatología según grupos de riesgo, presentando una rápida progresión a una neumonía grave y fallo multiorgánico, generalmente fatal en personas de la tercera edad y con presencia de comorbilidades8.
La mayoría de las personas muestran síntomas en un intervalo de 3 a 7 días después del contagio, pero en algunas puede tardar hasta 14 días para que aparezcan, es allí donde también puede contagiar sin darse cuenta. Los síntomas pueden incluir fiebre, secreción nasal, dolor de garganta, tos, fatiga, dolores musculares, dificultad respiratoria, expectoración, hemoptisis y diarrea9.
Otro estudio realizado en China, muestra que los pacientes diagnosticados con COVID-19 eran de mediana edad (56 años), la mayoría (62%) eran hombres y alrededor de la mitad (48%), tenían afecciones crónicas subyacentes siendo la más común la hipertensión arterial (30%) y diabetes (19%). Así también, desde el inicio de la enfermedad, la mediana del tiempo hasta el alta fue de 22 días, y el tiempo promedio hasta la muerte fue de 18,5 días10. El número promedio de casos nuevos por infectado oscila entre 2,24 (IC 95 %: 1,96-2,55) y 3,58 (IC 95%: 2,89-4,39), es decir, que una persona puede llegar a contagiar aproximadamente de 2 a 4 personas11.
Un estudio realizado en España, confirma que las personas mayores que viven en residencias es un factor importante asociado a la mortalidad, los modelos de regresión indican un efecto significativo de la temperatura en las diferencias en la incidencia entre las comunidades autónomas12.
En Perú los pacientes con COVID-19 que fueron admitidos a un hospital público de Lima, tuvieron una mortalidad alta y se asoció independientemente a saturación de oxígeno, a la admisión y la edad mayor de 60 años13.
Por lo expuesto, y queriendo contribuir con una investigación que nos ayude a ampliar los conocimientos en esta enfermedad es que nos planteamos la siguiente pregunta: ¿Cuáles son los factores de riesgo de mortalidad en pacientes hospitalizados con COVID-19 en el distrito de Trujillo? Se consideró como hipótesis de investigación que los factores biológicos, como el sexo y edad; sociales como la ocupación; factores clínicos como signos, síntomas y comorbilidades, son factores de riesgo de mortalidad en pacientes hospitalizados por COVID-19 en el distrito de Trujillo. como objetivo general establecemos analizar factores biológicos, sociales y clínicos de riesgo de mortalidad en pacientes hospitalizados con COVID-19 en el distrito de Trujillo, teniendo como objetivos específicos proponer un modelo de regresión logística que permita determinar los factores de riesgo de mortalidad en pacientes hospitalizados por COVID-19 en el distrito de Trujillo, y estimar el grado de ajuste del modelo para pronosticar el fallecimiento de pacientes hospitalizados por COVID-19.
MATERIAL Y MÉTODOS
Diseño y área de estudio
Tipo de estudio descriptivo, de enfoque cuantitativo y diseño correlacional, retrospectivo, de corte transversal14.
Población y muestra
La población estuvo conformada por todos los pacientes hospitalizados del distrito de Trujillo con COVID 19 atendidos en la microrred Trujillo. La información fue obtenida del sistema del ministerio de salud, seleccionando a una muestra de 64 pacientes que cumplieron el criterio de selección y que fueron recabados durante el periodo de marzo a mayo del 2020
Procedimientos y variables
Para la recolección de datos, la técnica aplicada fue el análisis documental y el instrumento la ficha de recolección de datos aprobada por el Ministerio de Salud y reglamentada dentro del Sistema del Centro Nacional de Epidemiologia, prevención y control de enfermedades. Se revisaron variables biológicas, como el sexo y edad; sociales como la ocupación; y factores clínicos como signos, síntomas y comorbilidades
Análisis estadísticos
Para el análisis de la información, se elaboró una base de datos en Excel, se realizó el análisis en el Programa SPSS versión 26. Para identificar los factores biológicos, sociales y clínicos de riesgo de mortalidad en pacientes hospitalizados con COVID-19, se realizó el análisis de regresión logístico binario usando el método de Ward; y para estimar el grado de ajuste del modelo se aplicó la curva ROC15.
RESULTADOS
Se identificaron 64 pacientes con COVID-19 hospitalizados entre 1 de marzo y 31 de mayo del 2020. La edad media de los pacientes fue de 52,56 años (+/- 20,27), siendo el sexo masculino (68,8%) con mayores casos, las demás características epidemiológicas se presentan en laTabla 1.
Las manifestaciones clínicas más frecuentes encontradas en los pacientes hospitalizados fueron fiebre, dificultad respiratoria, malestar general, tos y auscultación pulmonar anormal (Tabla 2). Asimismo, entre las comorbilidades preexistentes, la enfermedad cardiovascular fue la comorbilidad más frecuente (Tabla 3).
En latabla 4, nos muestra que mediante el método delante de Wald permitió la selección de las variables Edad, Sexo, Tos, Dificultad respiratoria, Dolor de articulaciones y Diabetes, por lo que el modelo quedaría de la siguiente manera:
Donde Y: Mortalidad (Fallecido/No fallecido)
X1: Edad, X2: Sexo, X3: Tos, X4: Dificultad respiratoria, X5: Diabetes
El valor de OR de la variable Edad es igual a 1,11 (IC: 1,029-1,206), donde ambos valores son mayores que 1, por tanto, el que una persona tenga una mayor edad es un factor de riesgo de mortalidad (defunción) de los pacientes hospitalizados por COVID 19.
El valor de OR de la variable sexo es igual a 0.008 (IC: 0,000-0,258), donde ambos valores son menores que 1, por tanto, el que una persona sexo femenino, reduce la probabilidad de mortalidad (defunción) de los pacientes hospitalizados por COVID-19.
El valor de OR de la variable tos es de 0,055 (IC: 0,005-0,648), donde ambos valores son menores que 1, por tanto, el que una persona presente síntoma de tos, reduce la probabilidad de mortalidad (defunción) de los pacientes hospitalizados por COVID-19.
El valor de OR de la variable dificultad respiratoria es de 89,703 (IC: 3,575-2250,718), donde ambos valores son mayores que 1, por tanto, el que una persona presente síntoma de dificultad respiratoria, aumenta la probabilidad de mortalidad o defunción de los pacientes hospitalizados por COVID-19.
El valor de OR de la variable dolor de articulaciones es de 37,099 (IC: 0,619-222,044), el intervalo incluye a 1, por tanto, el que una persona presente síntoma de dolor de articulaciones no es significativo para determinar la mortalidad de los pacientes hospitalizados por COVID-19, por lo que esta variable no se incluye en el modelo.
El valor de OR de la variable de diabetes es de 77,478 (IC: 1,167-5142,378), donde ambos valores son mayores que 1, por tanto, el que una persona presente comorbilidad de diabetes, aumenta la probabilidad de mortalidad o defunción de los pacientes hospitalizados por COVID-19.
En el resumen del modelo se muestra un valor de -2LL(-2 Logaritmo de la verosimilitud) muy pequeño, lo que indica que el modelo obtenido, en el paso 6, se adecuada mejor a los datos, que los modelos de los pasos anteriores, así mismo los coeficientes de determinación de R cuadrado de Cox y Snell y R cuadrado de Nagelkerke, indican que 50,2% y 69,9% de la variación de la variable dependiente defunción, es explicada por las variables incluidas en el modelo, mostrando un porcentaje de variación explicada considerable(15 y 17).
La prueba de Hosmer-Lemeshow para el paso 6, permite estudiar la bondad de ajuste del modelo de regresión logística, teniendo como hipótesis nula que no hay diferencias entre los valores observados y los pronosticados, donde el p valor de significancia es mayor que 0,05 (p=0,396>0,05), por tanto, concluimos que el modelo está bien ajustado a los datos15.
La tabla 5 nos muestra que de los 43 pacientes hospitalizados por COVID-19 en el distrito de Trujillo que no fallecieron, por el modelo se clasifican bien 40, representando el 93%, y de los 21 pacientes hospitalizados por COVID-19 que si fallecieron, hay un total de 18 pacientes bien clasificados por el modelo, representando el 85,7%. Se espera que en la población el modelo clasificaría correctamente el 90,6% de los casos16,17.
En la figura 1 podemos apreciar que el AUC (área por debajo de la curva ROC) para el modelo es igual a 0,95 (IC 95%:0,890 a 1). El resultado lleva a rechazar la hipótesis nula de no discriminación (p <0,000). Se concluye que el modelo proporciona un poder de discriminación excelente15.
Características | Fallecido | Total (n = 64) | ||||
Si (n = 21) | No (n = 43) | |||||
n | % | n | % | n | % | |
Edad | 64.67 ± 16.88 | 46.65 ± 16.88 | 52.56 ± 20.27 | |||
Sexo | ||||||
Masculino | 18 | 85,7 | 26 | 60,5 | 44 | 68,8 |
Femenino | 3 | 14,3 | 17 | 39,5 | 20 | 31,3 |
Ocupación | ||||||
Estudiante | 0 | 0 | 2 | 4,7 | 2 | 3,1 |
Trabaja con animales | 0 | 0 | 1 | 2,3 | 1 | 1,6 |
Trabajador de salud | 1 | 4,7 | 1 | 2,3 | 2 | 3,1 |
Otros | 20 | 95,2 | 39 | 90,7 | 59 | 92,2 |
Ama de casa | 3 | 14,3 | 10 | 23,3 | 13 | 20,3 |
Desconocido | 5 | 23,8 | 5 | 11,6 | 10 | 15,6 |
Militar | 1 | 4,7 | 7 | 16,3 | 8 | 12,5 |
Jubilado | 6 | 28,6 | 1 | 2.3 | 7 | 10,9 |
Empleado | 1 | 4,8 | 4 | 9,3 | 5 | 7,8 |
Empresario/comerciante | 1 | 4,8 | 4 | 9,3 | 5 | 7,8 |
Independiente | 0 | 0 | 5 | 11,6 | 5 | 7,8 |
Conductor | 2 | 9,5 | 1 | 2,3 | 3 | 4,7 |
Trabajador de mina | 1 | 4,8 | 1 | 2,3 | 2 | 2,3 |
Trabajador de agroindustria | 0 | 0 | 1 | 2,3 | 1 | 1,6 |
Fuente: Datos obtenidos del sistema de registro de COVID19 del Ministerio de salud, marzo a mayo 2020
Signos | Fallecido | Total (n = 64) | ||||||||
Si (n = 21) | No (n = 43) | |||||||||
n | % | n | % | n | % | |||||
Temperatura | 37,6 ± 0,9 | 37,4 ± 0,9 | 37,4 ± 0,9 | |||||||
Disnea | Si | 10 | 47,6 | 17 | 39,5 | 27 | 42,2 | |||
No | 11 | 52,4 | 26 | 60,4 | 37 | 57,8 | ||||
Auscultación pulmonar anormal | Si | 10 | 47,6 | 24 | 55,8 | 34 | 53,1 | |||
No | 11 | 52,4 | 19 | 44,2 | 30 | 46,8 | ||||
Hallazgos anormales de Rx Pulmonar | Si | 7 | 33,3 | 19 | 44,2 | 26 | 40,6 | |||
No | 14 | 66,7 | 24 | 55,8 | 38 | 59,4 | ||||
Síntomas | ||||||||||
Fiebre | Si | 17 | 81,0 | 34 | 79,1 | 51 | 79,7 | |||
No | 4 | 19,1 | 9 | 20,9 | 13 | 20,3 | ||||
Malestar general | Si | 12 | 57,1 | 28 | 65,1 | 40 | 62,5 | |||
No | 9 | 42,9 | 15 | 34,88 | 24 | 37,5 | ||||
Tos | Si | 11 | 52,4 | 28 | 65,1 | 39 | 61,0 | |||
No | 10 | 47,6 | 15 | 34,8 | 25 | 39,1 | ||||
Dolor de garganta | Si | 4 | 19,1 | 19 | 44,2 | 23 | 35,9 | |||
No | 17 | 81,0 | 24 | 55,8 | 41 | 64,1 | ||||
Dificultad respiratoria | Si | 19 | 90,5 | 20 | 46,5 | 39 | 60,9 | |||
No | 2 | 9,5 | 23 | 53,5 | 25 | 39,1 | ||||
Diarrea | Si | 3 | 14,3 | 9 | 20,9 | 12 | 18,8 | |||
No | 18 | 85,7 | 34 | 79,1 | 52 | 81,3 | ||||
Náuseas | Si | 2 | 9,5 | 6 | 14,0 | 8 | 12,5 | |||
No | 19 | 90,5 | 37 | 86,1 | 56 | 87,5 | ||||
Cefalea | Si | 2 | 9,5 | 13 | 30,2 | 15 | 23,4 | |||
No | 19 | 90,5 | 30 | 69,8 | 49 | 76,6 | ||||
Dolor muscular | Si | 5 | 23,8 | 13 | 30,2 | 18 | 28,1 | |||
No | 16 | 76,2 | 30 | 69,8 | 46 | 71,9 | ||||
Dolor abdominal | Si | 1 | 4,8 | 2 | 4,7 | 3 | 4,7 | |||
No | 20 | 95,24 | 41 | 95,4 | 61 | 95,3 | ||||
Dolor de pecho | Si | 2 | 9,5 | 12 | 27,9 | 14 | 21,9 | |||
No | 19 | 90,5 | 31 | 72,1 | 50 | 78,1 | ||||
Dolor de articulaciones | Si | 1 | 4,8 | 2 | 4,7 | 3 | 4,7 | |||
No | 20 | 95,2 | 41 | 95,4 | 61 | 95,3 |
Fuente: Datos obtenidos del sistema de registro de COVID19 del Ministerio de salud, marzo a mayo 2020.
Comorbilidades | Fallecido | Total (n = 64) | ||||||||
Si (n = 21) | No (n = 43) | |||||||||
n | % | n | % | n | % | |||||
Enfermedad cardiovascular (incluye hipertensión) | Si | 9 | 42,9 | 9 | 20,9 | 18 | 28,1 | |||
No | 12 | 57,1 | 34 | 79,1 | 46 | 71,9 | ||||
Diabetes | Si | 3 | 14,3 | 1 | 2,3 | 4 | 6,3 | |||
No | 18 | 85,7 | 42 | 97,7 | 60 | 93,8 | ||||
Enfermedad pulmonar crónica | Si | 2 | 9,5 | 0 | 0 | 2 | 3,3 | |||
No | 19 | 90,5 | 43 | 100 | 62 | 96,9 | ||||
Cáncer | Si | 3 | 14,3 | 0 | 0 | 3 | 4,7 | |||
No | 18 | 85,7 | 43 | 100 | 61 | 95,3 |
Fuente: Datos obtenidos del sistema de registro de COVID19 del Ministerio de salud, marzo a mayo 2020
Variables en la ecuación | ||||||||
B | Error estándar | Wald | gl | Sig. | Exp(B) | 95% C.I. para EXP(B) | ||
Inferior | Superior | |||||||
Edad | 0,108 | 0,041 | 7,096 | 1 | 0,008 | 1,114 | 1,029 | 1,206 |
Sexo | -4,856 | 1,79 | 7,392 | 1 | 0,007 | 0,008 | 0,000 | 0,258 |
Tos | -2,901 | 1,26 | 5,318 | 1 | 0,021 | 0,055 | 0,005 | 0,648 |
Dificultad Respiratoria | 4,497 | 1,64 | 7,480 | 1 | 0,006 | 89,703 | 3,575 | 2250,718 |
Dolor articulaciones | 3,614 | 2,09 | 3,003 | 1 | 0,083 | 37,099 | 0,619 | 222,044 |
Diabetes | 4,350 | 2,14 | 4,138 | 1 | 0,042 | 77,478 | 1,167 | 5142,378 |
Constante | -2,657 | 2,99 | 0,888 | 1 | 0,346 | 0,060 |
Resumen del Modelo: Logaritmo de la verosimilitud -2 : 36,398c R cuadrado de Cox y Snell : 0,502 R cuadrado de Nagelkerke : 0,699 Prueba de Hosmer y Lemeshow: Chi-cuadrado : 8,349 Significancia : 0,396
Tabla de clasificación | ||||||
Observado | Pronosticado | |||||
Fallecido | Porcentaje correcto | |||||
No | Si | |||||
Paso 6 | Fallecido | No | 40 | 3 | 93,0 | |
Si | 3 | 18 | 85,7 | |||
Porcentaje global | 90,6 |
Fuente: Datos obtenidos del sistema de registro de COVID19 del Ministerio de salud Nota: SPSS versión 26
DISCUSIÓN
EL análisis realizado en los resultados nos muestra que en latabla 1, la edad promedio de los pacientes hospitalizados fue de 52,56 años, teniendo los pacientes fallecidos una edad promedio de 64,67 años. Asimismo, el 68,8% de los pacientes hospitalizados fueron de sexo masculino, de la misma forma predominando en los fallecidos un 85,7% de este género. Esto lo confirman la mayoría de investigaciones de las diversas partes del mundo, así como los reportes mostrados por el MINSA, ya que la mayor cantidad de personas fallecidas en Perú, son las del sexo masculino4.
Por otro lado, 92,2% de pacientes tuvo diversas ocupaciones, sin embargo, podemos apreciar que, en el grupo de los pacientes fallecidos, los jubilados lideran este grupo con un 28,6%. Según los datos analizados, también podemos afirmar que los fallecidos tuvieron aproximadamente 9,7(+/- 9,9 ) días de tiempo promedio de estancia en hospitalización hasta su muerte, coincidiendo con el estudio realizado en el Hospital de Lima-Perú donde los autores mencionan que estos tuvieron un tiempo de enfermedad hasta su deceso de 8 días (+/- 3,0)18y teniendo una diferencia minina con el estudio de China ya que en este se mencionan que el tiempo medio desde el ingreso hasta la muerte fue de 5 (3,0-9,3) días19.
Los resultados de latabla 2evidencian que la temperatura promedio de los pacientes hospitalizados fue de 37,4° C ± 0,97. En los pacientes fallecidos la temperatura media registrada fue de 37,6° C± 0,9. Los signos más frecuentes en los pacientes hospitalizados fueron disnea en 42,2 %, auscultación pulmonar anormal en 53,1 % y hallazgos anormales de Rx pulmonar el 40,6%. En pacientes fallecidos se presentaron disnea, auscultación pulmonar anormal y hallazgos anormales de Rx. Pulmonar en 47,6%, 47,6% y 33,3% respectivamente. Así también, en el estudio realizado en China afirman que la fiebre y la tos fueron los síntomas más frecuentes al inicio de la enfermedad y que la disnea y la opresión en el pecho fueron mucho más comunes en pacientes fallecidos19.
Latabla 2también muestra que el síntoma que afectó más a los pacientes hospitalizados por COVID-19 fueron fiebre con un 79,7%, malestar general al 62,5%, tos y dificultad respiratoria en la misma frecuencia con un 60,9%. Similares resultados se obtuvieron en los pacientes fallecidos, al presentar dentro de este grupo de pacientes los síntomas de fiebre, malestar general, tos y dificultad respiratoria en un 81,0%, 57,1%, 52,4% y 90,5% respectivamente. Esto se asemeja a estudios como los publicados en Cuba y en nuestro país donde los pacientes que padecían esta enfermedad presentaban similares síntomas9.
Las comorbilidades más frecuentes de los pacientes hospitalizados por COVID-19 fueron hipertensión arterial en el 28,1 % de pacientes y diabetes en el 6,3%. En los pacientes fallecidos predominaron enfermedad cardiovascular (incluye hipertensión) el 42,9%, diabetes y cáncer en un 14, 3% en ambas comorbilidades, tal como se aprecia en laTabla 3. Similares resultados se encontraron en pacientes fallecidos de China, pues los autores mencionan que la hipertensión crónica y otras comorbilidades cardiovasculares fueron más frecuentes entre los pacientes fallecidos (54 (48%) y 16 (14%)) que los pacientes recuperados (39 (24%) y 7 (4%))19.
LaTabla 4nos muestra que se ha establecido un modelo de regresión logística seleccionando las variables edad, sexo, tos, dificultad respiratoria y diabetes. Así también, el que una persona tenga una mayor edad y que presente dificultad respiratoria son factores de riesgo de mortalidad en pacientes hospitalizados. Esto coincide con los estudios realizados en China y por el Instituto de Medicina Experimental de Perú ya que mencionan que la mortalidad generalmente se da en adultos mayores6,7.
Dentro de las comorbilidades encontramos a la Diabetes como factor de riesgo para la mortalidad de los pacientes hospitalizados por COVID 19, esto se corrobora con la investigación realizada en Cuba, ya que los autores mencionan que una de las comorbilidades de riesgo es la diabetes8.
Los resultados también indican que el hecho de ser de sexo femenino y tener tos reduce la probabilidad de mortalidad en los pacientes hospitalizados por COVID 19, corroborando los resultados descriptivos, esto es lo que se mencionó líneas arriba, y la mayoría de estudios, así como el Ministerio de Salud lo confirma.
Los indicadores analizados del modelo de regresión logística propuesto mostrados en las tablas 4, 5 y lafigura 1nos indican que el modelo es significativo y de buen ajuste, concluyendo que este proporciona un poder de discriminación excelente. Por ello, nuestra contribución a la investigación es la propuesta del modelo de regresión logística para predecir la mortalidad en pacientes hospitalizados con sus factores asociados.
CONCLUSIÓN
En conclusión, los resultados muestran que el modelo es el adecuado para establecer los factores de riesgo de mortalidad siendo los más significativos dentro de los factores biológicos la edad y el sexo, dentro de los factores sociales no se incluyó ninguno en el modelo y dentro de los clínicos la tos, dificultad respiratoria y como comorbilidad, la Diabetes. Los coeficientes de determinación de R cuadrado de Cox y Snell y R son aceptables ya que muestran un porcentaje de variación explicada bastante considerable, así como que el modelo clasificaría correctamente el 90.6% de los casos.