Design and development of an early warning score for covid-19 hospitalized patients.

Pandemics pose a major challenge for public health preparedness, requiring a coordinated international response and the development of solid containment plans. Early and accurate identification of high-risk patients in the course of the current COVID-19 pandemic is vital for planning and making proper use of available resources. The purpose of this study was to identify the key variables that account for worse outcomes to create a predictive model that could be used effectively for triage. Through literature review, 44 variables that could be linked to an unfavorable course of COVID-19 disease were obtained, including clinical, laboratory, and X-ray variables. These were used for a 2-round modified Delphi processing with 14 experts to select a final list of variables with the greatest predictive power for the construction of a scoring system, leading to the creation of a new scoring system: the COVID-19 Severity Index. The analysis of the area under the curve for the COVID-19 Severity Index was 0.94 to predict the need for ICU admission in the following 24 hours against 0.80 for NEWS-2. Additionally, the digital medical record of the Hospital Italiano de Buenos Aires was electronically set for an automatic calculation and constant update of the COVID-19 Severity Index. Specifically designed for the current COVID-19 pandemic, COVID-19 Severity Index could be used as a reliable tool for strategic planning, organization, and administration of resources by easily identifying hospitalized patients with a greater need of intensive care.

La pandemia por COVID-19 planteó un desafío para el sistema salud, debido a la gran demanda de pacientes hospitalizados. La identificación temprana de pacientes hospitalizados con riesgo de evolución desfavorable es vital para asistir en forma oportuna y planificar la demanda de recursos. El propósito de este estudio fue identificar las variables predictivas de mala evolución en pacientes hospitalizados por COVID-19 y crear un modelo predictivo que pueda usarse como herramienta de triage. A través de una revisión narrativa, se obtuvieron 44 variables vinculadas a una evolución desfavorable de la enfermedad COVID-19, incluyendo variables clínicas, de laboratorio y radiográficas. Luego se utilizó un procesamiento por método Delphi modificado de 2 rondas para seleccionar una lista final de variables incluidas en el score llamado COVID-19 Severity Index. Luego se calculó el Área Bajo la Curva (AUC) del score para predecir el pase a terapia intensiva en las próximas 24 horas. El score presentó un AUC de 0,94 frente a 0,80 para NEWS-2. Finalmente se agregó el COVID-19 Severity Index a la historia clínica electrónica de un hospital universitario de alta complejidad. Se programó para que el mismo se actualice de manera automática, facilitando la planificación estratégica, organización y administración de recursos a través de la identificación temprana de pacientes hospitalizados con mayor riesgo de transferencia a la Unidad de Cuidados Intensivos.

[Use of Extracorporeal Membrane Oxygenation in idiopathic capillary leak syndrome: a case report]. / Utilización de membrana de circulación extracorpórea en síndrome de leak capilar idiopático: reporte de un caso.

Introduction: Idiopathic systemic capillary leak syndrome (ISCLS) or Clarkson's disease is unusual but potentially lethal, characterized by recurrent shock incidents and anasarca secondary to idiopathic increase of capillary permeability. In such a context, the use of venoarterial Extracorporeal Membrane Oxygenation (ECMO) as cardiorespiratory support is a rescue action that seeks hemodynamic stability generation until spontaneous disappearance of the capillary occurs with the objective of surpassing the complications of resorption phase. Case Report: A 42 year old patient presented ISCLS and required ECMO as hemodynamic support for 8 days. She remained 20 days in Intensive Care Unit and was given hospital release after 43 days. Conclusions: The use of ECMO in the reported case was a useful strategy in the ISCLS management as a bridge to recovery both in the leak stage and the fluid resorption phase. Notwithstanding its indication is limited to thoroughly selected patients and requires further debate between specialists about its risks and benefits.

Introducción: El Síndrome de Leak Capilar Idiopático (SLCI) o enfermedad de Clarkson es un entidad rara pero potencialmente letal, caracterizada por episodios recurrentes de shock y anasarca secundarios al aumento idiopático de la permeabilidad capilar. En este contexto, el uso de membrana de oxigenación extracorpórea (ECMO) venoarterial como soporte cardiorrespiratorio, es una medida de rescate que busca generar estabilidad hemodinámica a la espera de la desaparición espontánea del leak capilar con el fin de sortear las complicaciones de la fase de reabsorción. Caso Clínico: Se presenta el caso de un paciente un paciente de 42 años de edad que presentó SLCI y requirió ECMO durante 8 días como soporte hemodinámico. Cursó 20 días de internación en la unidad de terapia intensiva y se otorgó el alta hospitalaria luego de 43 días. Conclusiones: El uso de ECMO en el caso reportado significó una estrategia útil para el manejo del SLCI como puente a la recuperación, tanto en la etapa de leak como en la fase de reabsorción de fluidos. Sin embargo, su indicación se ve limitada a pacientes altamente seleccionados, y todavía requiere un mayor debate entre especialistas sobre los posibles riesgos y beneficios.

Design and development of an early warning score for COVID-19 hospitalized patients / Diseño y desarrollo de un sistema de alerta temprana para pacientes hospitalizados por COVID-19

Abstract Pandemics pose a major challenge for public health preparedness, requiring a coordinated international response and the development of solid containment plans. Early and accurate identifica tion of high-risk patients in the course of the current COVID-19 pandemic is vital for planning and making proper use of available resources. The purpose of this study was to identify the key variables that account for worse outcomes to create a predictive model that could be used effectively for triage. Through literature review, 44 variables that could be linked to an unfavorable course of COVID-19 disease were obtained, including clinical, laboratory, and X-ray variables. These were used for a 2-round modified Delphi processing with 14 experts to select a final list of variables with the greatest predictive power for the construction of a scoring system, leading to the creation of a new scoring system: the COVID-19 Severity Index. The analysis of the area under the curve for the COVID-19 Severity Index was 0.94 to predict the need for ICU admission in the following 24 hours against 0.80 for NEWS-2. Additionally, the digital medical record of the Hospital Italiano de Buenos Aires was electronically set for an automatic calculation and constant update of the COVID-19 Severity Index. Specifically designed for the current COVID-19 pandemic, COVID-19 Severity Index could be used as a reliable tool for strategic planning, organization, and administration of resources by easily identifying hospitalized patients with a greater need of intensive care.

Resumen La pandemia por COVID-19 planteó un desafío para el sistema salud, debido a la gran demanda de pacientes hospitalizados. La identificación temprana de pacientes hospitalizados con riesgo de evo lución desfavorable es vital para asistir en forma oportuna y planificar la demanda de recursos. El propósito de este estudio fue identificar las variables predictivas de mala evolución en pacientes hospitalizados por COVID-19 y crear un modelo predictivo que pueda usarse como herramienta de triage. A través de una revisión narrativa, se obtuvieron 44 variables vinculadas a una evolución desfavorable de la enfermedad COVID-19, incluyendo variables clínicas, de laboratorio y radiográficas. Luego se utilizó un procesamiento por método Delphi modificado de 2 rondas para seleccionar una lista final de variables incluidas en el score llamado COVID-19 Severity Index. Luego se calculó el Área Bajo la Curva (AUC) del score para predecir el pase a terapia intensiva en las próximas 24 horas. El score presentó un AUC de 0,94 frente a 0,80 para NEWS-2. Finalmente se agregó el COVID-19 Severity Index a la historia clínica electrónica de un hospital universitario de alta complejidad. Se programó para que el mismo se actualice de manera automática, facilitando la planificación estratégica, organización y administración de recursos a través de la identificación temprana de pacientes hospitalizados con mayor riesgo de transferencia a la Unidad de Cuidados Intensivos.