Palabras clave
Infecciones por coronavirus
Factores de riesgo
Respiración artificial
Pandemia
Cómo citar
Copyright © | Todos los derechos reservados.
La revista posee los derechos de autor exclusivos para la publicación de este artículo en los términos de la ley brasileña 9610/98.
Reproducción parcial
El uso de partes de los textos, figuras y cuestionario del artículo es libre, siendo obligatoria la citación de los autores y revista.
Reproducción total
Está expresamente prohibido y debe ser autorizado por la revista.
Resumen
Objetivo: Describir los predictores del uso de ventilación mecánica en pacientes hospitalizados por COVID-19 en el estado de Paraná. Método: Estudio epidemiológico analítico, transversal y retrospectivo, basado en registros del Síndrome Respiratorio Agudo Severo del Ministerio de Salud, datos sociodemográficos, clínicos, epidemiológicos y desenlaces de pacientes adultos y ancianos hospitalizados entre marzo y diciembre de 2020 en el estado de Paraná. Se realizaron análisis estadísticos para identificar asociaciones entre estas variables y la necesidad de ventilación mecánica. Resultados: De los 27.045 pacientes analizados, el 72,6% requirió ventilación mecánica. La edad avanzada, las molestias respiratorias, la baja saturación de oxígeno y la presencia de morbilidades aumentaron la probabilidad de utilizar ventilación mecánica. La vacunación contra la gripe redujo esta probabilidad. La región oriente del estado registró el mayor número de hospitalizaciones y uso de ventilación mecánica, mientras que la 15ª región tuvo la mayor tasa de ventilación mecánica por cada 10 mil habitantes. Conclusión: Se destaca la importancia de la edad, el nivel educativo, los signos clínicos y la vacunación en la necesidad de ventilación mecánica en pacientes con COVID-19. Esto proporciona información valiosa para la gestión de recursos y las estrategias de prevención y tratamiento de enfermedades. Los estudios futuros deberían considerar el impacto de la vacunación contra la COVID-19.
Referencias
BACKER JA, et al. Incubation period of 2019 novel coronavirus (2019-nCoV) infections among travellers from Wuhan, China, 20-28 January 2020.
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.
BRASIL. Ministério da Saúde. Disponível em: https://covid.saude.gov.br/. Acessado em: 05 de abr. 2023.
BUSSAB WO e MORETTIN PA. Estatística básica. São Paulo: Editora Saraiva, 8 ed., 2017.
CHEN J, et al. Clinical progression of patients with COVID-19 in Shanghai, China. J Infect., 2020; 80(5): e1-e6.
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.
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.
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.
DATASUS - Departamento de Informática do SUS. Disponível em: http://www2.datasus.gov.br/datasus/index.php?area=02. Acessado em: 05 de abr. 2023.
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.
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.
HOSMER JR, et al. Applied logistic regression. Hoboken, New Jersey: John Wiley & Sons, Inc., 3.ed., 2013
IBGE - Instituto Brasileiro de Geografia e Estatística. Disponível em: https://www.ibge.gov.br/. Acessado em: 06 de abr. 2023
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.
LAGUARDIA J. O uso da variável “raça” na pesquisa em saúde. Physis: Revista de Saúde Coletiva, 2004; 14(2): 197–234.
MAGALHÃES MN. Probabilidade e variáveis aleatórias. São Paulo, SP: Editora da Universidade de São Paulo (Edusp), 3 ed., 2011; 424p.
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.
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.
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.
QUINTÃO VC, et al. The anesthesiologist and COVID-19. Revista Brasileira de Anestesiologia, 2020; 70(2): 77-81.
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.
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.
TEICH VD, et al. Epidemiologic and clinical features of patients with COVID-19 in Brazil. Einstein, 2020; 18: eAO6022.