Preditores de ventilação mecânica em pacientes com covid-19 hospitalizados no estado do Paraná
##plugins.themes.bootstrap3.article.sidebar##
##plugins.themes.bootstrap3.article.main##
Resumo
Objetivo: Descrever os preditores para o uso de ventilação mecânica em pacientes hospitalizados por COVID-19 no estado do Paraná. Método: estudo epidemiológico, do tipo analítico, seccional e retrospectivo, com base nos registros de Síndrome Respiratória Aguda Grave do Ministério da Saúde. Foram examinados dados sociodemográficos, clínicos, epidemiológicos e desfechos de pacientes adultos e idosos hospitalizados entre março e dezembro de 2020 no estado do Paraná. Análises estatísticas foram realizadas para identificar associações entre essas variáveis e a necessidade de ventilação mecânica. Resultados: Dos 27.045 pacientes analisados, 72,6% necessitaram de ventilação mecânica. Idade avançada, desconforto respiratório, baixa saturação de oxigênio e presença de morbidades aumentaram a probabilidade de uso de ventilação mecânica. A vacinação contra gripe reduziu essa probabilidade. A região leste do estado registrou o maior número de internações e uso de ventilação mecânica, enquanto a 15ª regional apresentou a maior taxa de ventilação mecânica por 10 mil habitantes. Conclusão: Destaca-se a importância da idade, nível educacional, sinais clínicos e vacinação na necessidade de ventilação mecânica em pacientes com COVID-19. Isso fornece insights valiosos para a gestão de recursos e estratégias de prevenção e tratamento da doença. Estudos futuros devem considerar o impacto da vacinação contra COVID-19.
##plugins.themes.bootstrap3.article.details##
Copyright © | Todos os direitos reservados.
A revista detém os direitos autorais exclusivos de publicação deste artigo nos termos da lei 9610/98.
Reprodução parcial
É livre o uso de partes do texto, figuras e questionário do artigo, sendo obrigatória a citação dos autores e revista.
Reprodução total
É expressamente proibida, devendo ser autorizada pela revista.
Referências
2. BASTOS GAN, et al. Características clínicas e preditores de ventilação mecânica em pacientes com COVID-19 hospitalizados no sul do país. Revista Brasileira de Terapia Intensiva, 2020; 32(4): 487-492.
3. BRASIL. Ministério da Saúde. Disponível em: https://covid.saude.gov.br/. Acessado em: 05 de abr. 2023.
4. BUSSAB WO e MORETTIN PA. Estatística básica. São Paulo: Editora Saraiva, 8 ed., 2017.
5. CHEN J, et al. Clinical progression of patients with COVID-19 in Shanghai, China. J Infect., 2020; 80(5): e1-e6.
6. CHOMISTEK AK, et al. Predictors of critical care, mechanical ventilation, and mortality among hospitalized patients with COVID-19 in an electronic health record database. BMC Infectious Diseases, 2022; 22(1): 413.
7. CONLON A. et al. Impact of the influenza vaccine on COVID-19 infection rates and severity. American Journal of Infection Control, 2021; 49(6): 694-700.
8. DA COSTA SOUSA V, et al. Factors associated with mortality, length of hospital stay and diagnosis of COVID-19: Data from a field hospital. Journal of Infection and Public Health, 2022; 15(7): 800–805.
9. DATASUS - Departamento de Informática do SUS. Disponível em: http://www2.datasus.gov.br/datasus/index.php?area=02. Acessado em: 05 de abr. 2023.
10. FAN E, et al. An official American Thoracic Society/European Society of Intensive Care Medicine/Society of Critical Care Medicine clinical practice guideline: mechanical ventilation in adult patients with acute respiratory distress syndrome. Am J Respir Crit Care Med, 2017; 195:1253-63.
11. HOLANDA MA e PINHEIRO BV. COVID-19 pandemic and mechanical ventilation: facing the present, designing the future. Jornal Brasileiro de Pneumologia, 2020; 46(04): e2020028.
12. HOSMER JR, et al. Applied logistic regression. Hoboken, New Jersey: John Wiley & Sons, Inc., 3.ed., 2013
13. IBGE - Instituto Brasileiro de Geografia e Estatística. Disponível em: https://www.ibge.gov.br/. Acessado em: 06 de abr. 2023
14. KHANIJAHANI A, et al. A systematic review of racial/ethnic and socioeconomic disparities in COVID-19. International Journal for Equity in Health, 2021; 20(1): 1-30.
15. LAGUARDIA J. O uso da variável “raça” na pesquisa em saúde. Physis: Revista de Saúde Coletiva, 2004; 14(2): 197–234.
16. MAGALHÃES MN. Probabilidade e variáveis aleatórias. São Paulo, SP: Editora da Universidade de São Paulo (Edusp), 3 ed., 2011; 424p.
17. NORONHA KVMC, et al. Pandemia por COVID-19 no Brasil: análise da demanda e da oferta de leitos hospitalares e equipamentos de ventilação assistida segundo diferentes cenários. Cadernos de Saúde Pública, 2020; 36(6): e00115320.
18. PAIVA CI et al. Perfil epidemiológico da Covid-19 no Estado do Paraná. Revista de Saúde Pública do Paraná, 2020; 3(Sup.1): 39-61.
19. PEARSON K. Mathematical contributions to the theory of evolution. VII. On the correlation of characters not quantitatively measurable. Philosophical Transactions of the Royal Society of London. Series A, Containing Papers of a Mathematical or Physical Character, 1900; 195:1-47.
20. QUINTÃO VC, et al. The anesthesiologist and COVID-19. Revista Brasileira de Anestesiologia, 2020; 70(2): 77-81.
21. R Core Team. R: A language and environment for statistical computing. Version 4.0.4. R Foundation for Statistical Computing, Vienna, Austria, 2021. Disponível em: https://www.R-project.org/. Acessado em: 20 de jun. 2023.
22. Secretaria de Estado da Saúde do Paraná. Coronavírus - COVID-19. Disponível em: https://www.saude.pr.gov.br/Pagina/Coronavirus-COVID-19. Acessado em: 06 de abr. 2023.
23. TEICH VD, et al. Epidemiologic and clinical features of patients with COVID-19 in Brazil. Einstein, 2020; 18: eAO6022.