Реферат
RESUMO Objetivo: Identificar apresentações mais graves de COVID-19. Métodos: Pacientes consecutivamente admitidos à unidade de terapia intensiva foram submetidos à análise de clusters por meio de método de explorações sequenciais Resultados: Analisamos os dados de 147 pacientes, com média de idade de 56 ± 16 anos e Simplified Acute Physiological Score 3 de 72 ± 18, dos quais 103 (70%) demandaram ventilação mecânica e 46 (31%) morreram na unidade de terapia intensiva. A partir do algoritmo de análise de clusters, identificaram-se dois grupos bem definidos, com base na frequência cardíaca máxima [Grupo A: 104 (IC95% 99 - 109) batimentos por minuto versus Grupo B: 159 (IC95% 155 - 163) batimentos por minuto], frequência respiratória máxima [Grupo A: 33 (IC95% 31 - 35) respirações por minuto versus Grupo B: 50 (IC95% 47 - 53) respirações por minuto] e na temperatura corpórea máxima [Grupo A: 37,4 (IC95% 37,1 - 37,7)ºC versus Grupo B: 39,3 (IC95% 39,1 - 39,5)ºC] durante o tempo de permanência na unidade de terapia intensiva, assim como a proporção entre a pressão parcial de oxigênio no sangue e a fração inspirada de oxigênio quando da admissão à unidade de terapia intensiva [Grupo A: 116 (IC95% 99 - 133) mmHg versus Grupo B: 78 (IC95% 63 - 93) mmHg]. Os subfenótipos foram distintos em termos de perfis inflamatórios, disfunções orgânicas, terapias de suporte, tempo de permanência na unidade de terapia intensiva e mortalidade na unidade de terapia intensiva (com proporção de 4,2 entre os grupos). Conclusão: Nossos achados, baseados em dados clínicos universalmente disponíveis, revelaram dois subfenótipos distintos, com diferentes evoluções de doença. Estes resultados podem ajudar os profissionais de saúde na alocação de recursos e seleção de pacientes para teste de novas terapias.
Abstract Objective: To identify more severe COVID-19 presentations. Methods: Consecutive intensive care unit-admitted patients were subjected to a stepwise clustering method. Results: Data from 147 patients who were on average 56 ± 16 years old with a Simplified Acute Physiological Score 3 of 72 ± 18, of which 103 (70%) needed mechanical ventilation and 46 (31%) died in the intensive care unit, were analyzed. From the clustering algorithm, two well-defined groups were found based on maximal heart rate [Cluster A: 104 (95%CI 99 - 109) beats per minute versus Cluster B: 159 (95%CI 155 - 163) beats per minute], maximal respiratory rate [Cluster A: 33 (95%CI 31 - 35) breaths per minute versus Cluster B: 50 (95%CI 47 - 53) breaths per minute], and maximal body temperature [Cluster A: 37.4 (95%CI 37.1 - 37.7)°C versus Cluster B: 39.3 (95%CI 39.1 - 39.5)°C] during the intensive care unit stay, as well as the oxygen partial pressure in the blood over the oxygen inspiratory fraction at intensive care unit admission [Cluster A: 116 (95%CI 99 - 133) mmHg versus Cluster B: 78 (95%CI 63 - 93) mmHg]. Subphenotypes were distinct in inflammation profiles, organ dysfunction, organ support, intensive care unit length of stay, and intensive care unit mortality (with a ratio of 4.2 between the groups). Conclusion: Our findings, based on common clinical data, revealed two distinct subphenotypes with different disease courses. These results could help health professionals allocate resources and select patients for testing novel therapies.