Ítem
Acceso Abierto

Associated factors with mortality due to COVID-19 in a high complexity center in Bogotá, Colombia

Mostrar el registro sencillo de la publicación
dc.contributor.advisorRamírez Santana, Heily Carolina
dc.contributor.advisorRodríguez Velandia, Yhojan Alexis
dc.contributor.advisorRojas Quintana, Manuel Eduardo
dc.contributor.gruplacCentro de Estudio de Enfermedades Autoinmunes - CREA
dc.creatorCamacho Domínguez, Laura
dc.creator.degreeEspecialista en Epidemiología (en Convenio con el CES)
dc.creator.degreeEspecialista en Epidemiología
dc.creator.degreeLevelEspecialización
dc.creator.degreetypeFull time
dc.date.accessioned2023-07-06T13:20:24Z
dc.date.available2023-07-06T13:20:24Z
dc.date.created2023-04-21
dc.date.embargoEndinfo:eu-repo/date/embargoEnd/2025-07-07
dc.descriptionANTECEDENTES El COVID-19 ha generado un impacto sin precedentes. Los pacientes en estado crítico presentan una mortalidad hasta del 61%, y el tratamiento agresivo no parece ser suficiente. Diferentes estudios han descrito factores asociados a la mortalidad, sin embargo, en Latinoamérica la información es escasa. Nuestro objetivo fue determinar los factores asociados con la mortalidad por COVID-19 en un hospital de alta complejidad en Bogotá, Colombia. MÉTODOS Este estudio de casos y controles incluyó a 282 personas que fallecieron a causa de COVID-19 y 282 que sobrevivieron. Los individuos fueron emparejados por edad, sexo y mes de ingreso, para determinar las variables asociadas con la mortalidad. Se implementaron imputaciones múltiples por ecuación encadenada (MICE) para las variables con datos faltantes. Se estimaron árboles de clasificación y regresión (CART) para evaluar la interacción de los factores y su papel en la predicción de la mortalidad durante la hospitalización. RESULTADOS La mayoría de los pacientes eran varones en la séptima década. Aquellos que se recuperaron reportaron sintomatología heterogénea, mientras que los pacientes fallecidos presentaron dificultad respiratoria, disnea y convulsiones al ingreso. Además, este último grupo presentó una mayor carga de comorbilidades y alteraciones en los biomarcadores de laboratorio. Después de la imputación de conjuntos de datos, el análisis CART estimó 14 perfiles clínicos. La precisión del modelo fue del 85,6 % (P < 0,0001). CONCLUSIÓN El análisis multivariante arrojó un modelo confiable para predecir la mortalidad en COVID-19. Este análisis reveló nuevas interacciones entre las características clínicas y paraclínicas. Además, este modelo predictivo podría ofrecer nuevas pistas para el manejo personalizado de esta condición en entornos clínicos.
dc.description.abstractBACKGROUND COVID-19 has generated an unprecedented impact. Patients in critical states present a reported mortality of up to 61%, and aggressive treatment does not seem to be enough. Different studies have described associated factors to mortality; however, in Latin America, the information is scarce. Thus, we aimed to determine the associated factors with mortality due to COVID-19 in a high-complexity hospital in Bogotá, Colombia. METHODS This case-control study included 282 individuals who died due to COVID-19, compared with 282 individuals who survived. Individuals were matched by age, sex, and month of admission to determine if there were associated variables with the primary outcome. Multiple imputations by chained equation (MICE) were implemented to account for missing variables. Classification and regression trees (CART) were estimated to evaluate the interaction of factors on admission and their role in predicting mortality during hospitalization. RESULTS Most of the patients included were males in the seventh decade. Recovered patients reported heterogeneous symptomatology, whereas deceased patients were most likely to present respiratory distress, dyspnea, and seizures on admission. In addition, the latter group exhibited a higher burden of comorbidities and alterations in laboratory biomarkers. After the imputation of datasets, CART analysis estimated 14 clinical profiles. The accuracy model for prediction was 85.6% (P < 0.0001). CONCLUSION Multivariate analysis yielded a reliable model to predict mortality in COVID-19. This analysis revealed new interactions between clinical and paraclinical features. Furthermore, this predictive model could offer new clues for the personalized management of this condition in clinical settings.
dc.format.extent81 pp
dc.format.mimetypeapplication/pdf
dc.identifier.doihttps://doi.org/10.48713/10336_40024
dc.identifier.urihttps://repository.urosario.edu.co/handle/10336/40024
dc.language.isoeng
dc.publisherUniversidad del Rosario
dc.publisherUniversidad CES
dc.publisher.departmentEscuela de Medicina y Ciencias de la Salud
dc.publisher.programEspecialización en Epidemiología
dc.rightsAttribution-ShareAlike 4.0 International*
dc.rights.accesRightsinfo:eu-repo/semantics/embargoedAccess
dc.rights.accesoRestringido (Temporalmente bloqueado)
dc.rights.licenciaEL AUTOR, manifiesta que la obra objeto de la presente autorización es original y la realizó sin violar o usurpar derechos de autor de terceros, por lo tanto la obra es de exclusiva autoría y tiene la titularidad sobre la misma. PARGRAFO: En caso de presentarse cualquier reclamación o acción por parte de un tercero en cuanto a los derechos de autor sobre la obra en cuestión, EL AUTOR, asumirá toda la responsabilidad, y saldrá en defensa de los derechos aquí autorizados; para todos los efectos la universidad actúa como un tercero de buena fe. EL AUTOR, autoriza a LA UNIVERSIDAD DEL ROSARIO, para que en los términos establecidos en la Ley 23 de 1982, Ley 44 de 1993, Decisión andina 351 de 1993, Decreto 460 de 1995 y demás normas generales sobre la materia, utilice y use la obra objeto de la presente autorización. -------------------------------------- POLITICA DE TRATAMIENTO DE DATOS PERSONALES. Declaro que autorizo previa y de forma informada el tratamiento de mis datos personales por parte de LA UNIVERSIDAD DEL ROSARIO para fines académicos y en aplicación de convenios con terceros o servicios conexos con actividades propias de la academia, con estricto cumplimiento de los principios de ley. Para el correcto ejercicio de mi derecho de habeas data cuento con la cuenta de correo habeasdata@urosario.edu.co, donde previa identificación podré solicitar la consulta, corrección y supresión de mis datos.spa
dc.rights.urihttp://creativecommons.org/licenses/by-sa/4.0/*
dc.source.instnameinstname:Universidad del Rosario
dc.source.reponamereponame:Repositorio Institucional EdocUR
dc.subjectCovid-19
dc.subjectSARS-COV-2
dc.subjectMortalidad
dc.subjectFactor de riesgo
dc.subjectFactor protector
dc.subject.keywordCovid-19
dc.subject.keywordSARS-COV-2
dc.subject.keywordMortality
dc.subject.keywordRisk Factor
dc.subject.keywordProtective Factor
dc.titleAssociated factors with mortality due to COVID-19 in a high complexity center in Bogotá, Colombia
dc.title.TranslatedTitleFactores asociados a la mortalidad por COVID-19 en un centro de alta complejidad de Bogotá, Colombia
dc.typebachelorThesis
dc.type.documentTrabajo de grado
dc.type.hasVersioninfo:eu-repo/semantics/acceptedVersion
dc.type.spaTrabajo de grado
local.department.reportEscuela de Ciencias Humanas
Archivos
Bloque original
Mostrando1 - 2 de 2
Miniatura
Nombre:
Associated-factors-with-mortality-due.pdf
Tamaño:
1.06 MB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Miniatura
Nombre:
References.RIS.txt
Tamaño:
23.78 KB
Formato:
Plain Text
Descripción:
Descargar
Colecciones
Especialización en Epidemiología