Requisito de mortalidad y apoyo avanzado para pacientes con cáncer con COVID-19: un modelo matemático dinámico para América Latina

Miniatura

Archivos

Ruiz_Patiño_Alejandro_2020.pdf (774.22 KB)

Fecha

Autores

Título de la revista

Publicado en

JCO Global Oncology, 2687-8941, Vol. 6, 2020, p. 752-759

Publicado por

Elsevier Ltd
American Society of Clinical Oncology

URI

https://hdl.handle.net/20.500.12495/5151

URL de la fuente

https://ascopubs.org/doi/10.1200/GO.20.00156

ISSN de la revista

Título del volumen

Resumen

PROPÓSITO En medio de una pandemia mundial, la evidencia sugiere que, al igual que otras infecciones virales respiratorias graves, los pacientes con cáncer tienen un mayor riesgo de infectarse por COVID-19 y tienen un pronóstico más precario. MÉTODOS Hemos modelado la mortalidad y el requerimiento de la unidad de cuidados intensivos (UCI) para la atención de pacientes con cáncer infectados por COVID-19 en América Latina. Se construyó un modelo dinámico de Markov multiestatal. Las probabilidades de transición se estimaron sobre la base de informes publicados para la probabilidad acumulada de complicaciones. Los valores del número reproductivo básico (R0) se modelaron con R utilizando el paquete EpiEstim. Las estimaciones de los días de necesidad de UCI y la mortalidad absoluta se calcularon imputando el número de casos acumulados en el modelo de Markov. RESULTADOS El tiempo medio estimado de necesidad de UCI fue de 12,7 días, el tiempo medio hasta la mortalidad fue de 16,3 días después de la infección y el tiempo medio hasta el episodio grave fue de 8,1 días. La ocupación máxima de la UCI para pacientes con cáncer se calculó a los 16 días después de la infección. El análisis de sensibilidad determinista reveló un intervalo de mortalidad entre el 18,5% y el 30,4%. Con la tendencia de incidencia real, se esperaría que América Latina perdiera aproximadamente 111,725 pacientes con cáncer por SARS-CoV-2 (rango, 87,116-143,154 pacientes) para el día 60 desde el inicio del brote. Las pérdidas calculadas varían entre el 1% y el 17,6% de todos los pacientes con cáncer de la región. CONCLUSIÓN Los casos relacionados con el cáncer y las muertes atribuibles al SARS-CoV-2 ejercerán una gran presión sobre los sistemas de salud en América Latina. La implementación temprana de intervenciones sobre la base de datos proporcionados por modelos de enfermedades podría mitigar tanto las infecciones como las muertes entre los pacientes con cáncer.

Descripción

Abstract

PURPOSE In the midst of a global pandemic, evidence suggests that similar to other severe respiratory viral infections, patients with cancer are at higher risk of becoming infected by COVID-19 and have a poorer prognosis. METHODS We have modeled the mortality and the intensive care unit (ICU) requirement for the care of patients with cancer infected with COVID-19 in Latin America. A dynamic multistate Markov model was constructed. Transition probabilities were estimated on the basis of published reports for cumulative probability of complications. Basic reproductive number (R0) values were modeled with R using the EpiEstim package. Estimations of days of ICU requirement and absolute mortality were calculated by imputing number of cumulative cases in the Markov model. RESULTS Estimated median time of ICU requirement was 12.7 days, median time to mortality was 16.3 days after infection, and median time to severe event was 8.1 days. Peak ICU occupancy for patients with cancer was calculated at 16 days after infection. Deterministic sensitivity analysis revealed an interval for mortality between 18.5% and 30.4%. With the actual incidence tendency, Latin America would be expected to lose approximately 111,725 patients with cancer to SARS-CoV-2 (range, 87,116-143,154 patients) by the 60th day since the start of the outbreak. Losses calculated vary between , 1% to 17.6% of all patients with cancer in the region. CONCLUSION Cancer-related cases and deaths attributable to SARS-CoV-2 will put a great strain on health care systems in Latin America. Early implementation of interventions on the basis of data given by disease modeling could mitigate both infections and deaths among patients with cancer.

Palabras clave

Keywords

Temáticas

Pacientes
Neoplasias
Infecciones por coronavirus

Citación

Colecciones

Artículos