Introducción

La exacerbación de la crisis provocada por la pandemia de COVID-19 generó una importante demanda de modelos predictivos del riesgo posterior a la infección por SARS-CoV-2.¹ En el marco de este esfuerzo, se concretaron modelaciones predictivas encaminadas a apoyar procesos de planeación y gestión de recursos, afinar protocolos médicos y delinear políticas colectivas de prevención.¹,² No obstante, la modelación predictiva ha sido escasamente centrada en las personas con miras a generar un mayor involucramiento en la prevención individual consciente. Esta última desempeña un papel trascendente en la estructuración de una prevención colectiva, informada y, sobre todo, colaborativa.³

El objetivo de esta investigación fue explorar el universo de datos públicos disponibles sobre COVID-19 en México,⁴,⁵ con la finalidad de generar un modelo predictivo de la letalidad y su implementación en un cuestionario con preguntas accesibles a la población en general. La modelación fue elaborada con una función discriminante de casos positivos a COVID-19, a través del desenlace de curarse o fallecer, otorgando a cada una de las variables predictivas una puntuación por medio de la técnica de scoring.⁶,⁷ Para dar mayor difusión a esta herramienta, el cuestionario resultante puede convertirse en una aplicación disponible en línea en la que, además, se desplieguen consejos preventivos personalizados en función de la puntuación que se obtenga.

Métodos

Este estudio utilizó los datos abiertos sobre COVID-19 acumulados al 26 de julio de 2020, publicados y actualizados diariamente por la Dirección General de Epidemiología de la Secretaría de Salud del gobierno federal.⁴ También se consideraron los datos abiertos del visualizador analítico para COVID-19 del Instituto Nacional de Estadística y Geografía.⁵

De la base de datos de la Secretaría de Salud⁴ fueron seleccionados aleatoriamente 8000 pacientes que permanecieron con vida más de dos meses después de ser positivos a SARS-CoV2 y 8000 que fueron positivos a la misma infección y que fallecieron. De la base de datos del Instituto Nacional de Estadística y Geografía⁵ se eligieron los municipios de residencia y sus variables a los cuales correspondían los 16 000 pacientes analizados.

Tomando en cuenta que la mayoría de los datos analizados son expresados en categorías, se realizó la homogeneización a través de una segmentación en cuatro clases incrementales por medio del algoritmo de medias móviles.⁸ Los datos resultantes de 75 % de los pacientes positivos sirvieron para calcular el modelo discriminante básico y los del 25 % restante, para llevar a cabo el proceso de validación externa del modelo.

Del conjunto de variables exploradas por su cercanía temática y epistemológica con el estudio, resultaron seleccionadas 15 variables por su carácter discriminante significativo (χ² con p < 0.05) de los desenlaces de curarse o fallecer⁹,¹⁰ (Tabla 1).

Enseguida, se realizó un análisis de correspondencias múltiples, conservando los 27 ejes (73.67 % de la varianza total explicada) que resultaron significativos (p < 0.05).⁶,¹¹ Con estos factores se realizó el cálculo de la función lineal discriminante de Fisher, que permitió generar el modelo de predicción seguido por la atribución de coeficientes a las variables categoriales por medio de una función score⁷,¹² (Tabla 2). La distribución de la puntuación definió la predicción de tres situaciones:

La evaluación del modelo desarrollado se realizó por medio de una validación interna con la técnica de bootstrap con 1000 remuestreos,¹³,¹⁴ la cual fue profundizada con el apoyo de la curva ROC (receiver operating characteristic) y la gráfica de LIFT.¹⁵ Se llevó a cabo también una validación externa con 25 % de los individuos positivos, población que no participó en la generación del modelo.

Resultados

La evaluación de la calidad y eficiencia del modelo de predicción se llevó a cabo en dos pasos complementarios: la validación interna y la validación externa.

La validación interna del modelo

La validación de la estabilidad interna del modelo evidencia las variaciones mínimas entre el resultado del cálculo básico del modelo y los resultados con bootstrap.¹⁶ En todos los casos, esas diferencias fueron inferiores a 0.2 %, lo que indicó una buena estabilidad interna. En el mismo orden de ideas, la curva ROC destacó una puntuación límite de 575, que caracteriza una sensibilidad de 76.6 % y una especificidad de 23.1 %, ambas aceptables en el marco de los objetivos fijados a la presente investigación (Figura 1).

Figura 1 Calidad y eficiencia del modelo de predicción. 

La capacidad discriminante del modelo por medio del área bajo la curva (AUC) fue de 0.845, con un intervalo de confianza de 95 % que indica que la predicción distingue entre curados y fallecidos con una probabilidad de 84.5 %. Un modelo con este valor de AUC es considerado útil para ciertos usos según los criterios de Swets,¹⁷ mientras que es caracterizado como excelente según los criterios de Hosmer y Lemeshow.¹⁸

Discusión

Por medio de la modelación discriminante se estableció la posibilidad de predicción de curación y fallecimiento al contraer el virus SARS-CoV-2 en México. El modelo de predicción generado tiene la ventaja de estar sustentado en datos públicos accesibles, consta de variables predictivas fáciles de contestar y, por lo tanto, susceptibles de facilitar la creación de una herramienta computacional con propósitos preventivos. Durante la crisis de COVID-19, Wynants et al.¹ documentaron cerca de 145 modelos predictivos, 34 % dedicados al pronóstico de riesgo de mortalidad o de necesidad de cuidados intensivos. En su mayoría, los modelos que mostraron avances en el conocimiento de la enfermedad²,¹⁹ fueron calificados de sesgados debido a la selección no representativa de pacientes control y al sobreajuste del modelo.¹

Aunque el presente estudio no reproduce las carencias metodológicas citadas, el modelo propuesto no parece ser el instrumento conveniente para la toma de decisiones de trascendencia operativa en el ámbito médico. Aún con un AUC de 0.845, el modelo propuesto adquiriría más eficiencia con la incorporación de variables sintomáticas y de laboratorio.² No obstante, lo anterior alejaría también el modelo de sus objetivos preventivos inducidos por la capacidad de una persona común de contestar instantáneamente un conjunto de preguntas. Tomando en cuenta la escasez de herramientas de pronóstico individual,¹ el dilema en este estudio fue resuelto a favor de los alcances preventivos.

En términos teóricos, el modelo parece corroborar, como se identifica en otras investigaciones, la importancia de la edad, el sexo y la comorbilidad para el riesgo de letalidad.¹,³ Como aportación específica de este estudio, se subraya el peso de factores contextuales como los sectores que atienden a los pacientes con COVID-19, el número de pacientes positivos y la tasa de niños de tres a cinco años que asisten a la escuela por municipio de residencia. La explicación de la incidencia de las dos primeras variables parece evidente, pero en el caso de la última, lo que más se acerca es un referente hipotético de una inmunidad social en esa categoría de infantes.²⁰

En términos prácticos, el modelo desarrollado exhibe cualidades estadísticas que le permiten convertirse en una aplicación de carácter preventivo de 15 preguntas estructuradas a partir de las variables de la Tabla 3. En el marco de esta aplicación, se otorgará una puntuación (coeficiente transformado de la Tabla 3) a cada una de las modalidades de respuesta, misma que será sumada, una vez finalizado el cuestionario para la asignación del caso, a una de las tres zonas de decisión (de alerta, de indecisión y óptima). La asignación de la consulta a una zona de decisión podría alcanzar un nivel de utilidad acompañado de consejos médicos personalizados de carácter preventivo.²¹

Conclusión

Se obtuvo un modelo predictivo con un grado de utilidad que cuenta con un respaldo estadístico y nomológico que permite su conversión en una aplicación de carácter preventivo. Un ejemplo preliminar de esta aplicación puede consultarse en https://bit.ly/2YPlox8