Novembro 5, 2024

O Ribatejo | jornal regional online

Informações sobre Portugal. Selecione os assuntos que deseja saber mais sobre a Folha d Ouro Verde

Cientistas identificam características para definir melhor o COVID prolongado

Cientistas identificam características para definir melhor o COVID prolongado

nova versão

segunda-feira, 16 de maio de 2022

Usando o aprendizado de máquina, os pesquisadores estão encontrando padrões em dados de registros eletrônicos de saúde para identificar melhor as pessoas com probabilidade de ter a doença.

Uma equipe de pesquisa apoiada pelos Institutos Nacionais de Saúde identificou características de pessoas que têm COVID a longo prazo e aquelas que provavelmente a tiveram. Os cientistas, usando técnicas de aprendizado de máquina, analisaram o conjunto sem precedentes de registros eletrônicos de saúde (EHRs) disponíveis para pesquisas sobre COVID-19 para determinar melhor quem teve COVID por um longo tempo. Explore os dados do EHR que não estão especificados em Grupo Cooperativo Nacional COVID (N3C), um banco de dados público nacional central liderado pelo Centro Nacional para o Avanço das Ciências Translacionais (NCATS) dos Institutos Nacionais de Saúde, a equipe usou os dados para encontrar mais de 100.000 casos prováveis ​​​​de COVID de longo prazo em outubro de 2021 (a partir de maio de 2022, o número foi superior a 200.000). Os resultados aparecem em The Lancet Saúde Digital.

A COVID-19 de longo prazo é caracterizada por sintomas generalizados, incluindo falta de ar, fadiga, febre, dor de cabeça, ‘nevoeiro cerebral’ e outros problemas neurológicos. Esses sintomas podem persistir por vários meses ou mais após o diagnóstico inicial de COVID-19. Uma razão pela qual o COVID tem sido tão difícil de identificar por tanto tempo é que muitos de seus sintomas são semelhantes aos de outras doenças e condições. Uma melhor caracterização do COVID-19 pode levar a um melhor prognóstico e novas abordagens terapêuticas.

“Faz sentido aproveitar as ferramentas modernas de análise de dados e um recurso exclusivo de big data, como o N3C, onde muitos dos recursos de longa duração do COVID podem ser representados”, disse a coautora Emily Pfaff, PhD, cientista de informações clínicas na Universidade. Da Carolina do Norte em Chapel Hill.

Atualmente, o bolso de dados do N3C inclui informações que representam mais de 13 milhões de pessoas em todo o país, incluindo quase 5 milhões de casos positivos de COVID-19. O recurso permite pesquisas rápidas sobre questões emergentes sobre vacinas, tratamentos, fatores de risco e resultados de saúde contra a COVID-19.

A nova pesquisa faz parte de uma iniciativa maior nos Institutos Nacionais de Saúde, Pesquisando COVID para promover a recuperação (recuperação), que visa melhorar a compreensão dos efeitos a longo prazo do COVID-19, chamados de sequelas pós-aguda da infecção por SARS-CoV-2 (PASC). O RECOVER identificará com precisão as pessoas com PASC e desenvolverá abordagens para prevenção e tratamento. O programa também responderá a importantes perguntas de pesquisa sobre os efeitos a longo prazo do COVID por meio de ensaios clínicos, estudos observacionais longitudinais e muito mais.

No Lanceta Study, Pfaff, Melissa Heindel, PhD, no Campus Médico Anschutz da Universidade do Colorado, e colegas examinaram a demografia dos pacientes, uso de saúde, diagnósticos e medicamentos nos registros de saúde de 97.995 pacientes adultos com COVID-19 em N3C. Eles usaram essas informações, juntamente com dados de quase 600 pacientes COVID de longo prazo de três clínicas COVID de longo prazo, para criar três modelos de aprendizado de máquina para identificar pacientes COVID de longo prazo.

No aprendizado de máquina, os cientistas “treinam” métodos computacionais para filtrar rapidamente grandes quantidades de dados para revelar novos insights – neste caso, sobre o longo COVID. Os modelos procuraram padrões nos dados que pudessem ajudar os pesquisadores a entender as características dos pacientes e identificar melhor os indivíduos com a doença.

Os modelos se concentraram na identificação de possíveis pacientes com COVID de longo prazo entre três grupos no banco de dados do N3C: todos os pacientes com COVID-19, pacientes hospitalizados com COVID-19 e pacientes que tiveram COVID-19, mas não foram hospitalizados. Os modelos se mostraram precisos, porque as pessoas identificadas como em risco prolongado de COVID eram semelhantes aos pacientes atendidos em longas clínicas de COVID. Os sistemas de aprendizado de máquina categorizaram quase 100.000 pacientes no banco de dados N3C cujos perfis eram idênticos àqueles com um surto prolongado de COVID-19.

Josh Wessel, MD, PhD, consultor clínico sênior do NCATS e um programa de ciências líder no Recover, disse. “Havia algo diferente nessas pessoas muito antes de terem COVID? Eles têm certos fatores de risco? Havia algo sobre como eles foram tratados durante o COVID agudo que pode aumentar ou diminuir o risco de infecção por COVID a longo prazo?”

Os modelos procuraram características comuns, incluindo novos medicamentos, consultas médicas e novos sintomas, em pacientes com diagnóstico positivo de COVID que estavam pelo menos 90 dias após a infecção aguda. Os modelos identificaram pacientes com COVID prolongado se fossem a uma clínica COVID prolongada ou apresentassem sintomas prolongados de COVID e provavelmente tivessem a condição, mas não fossem diagnosticados.

“Queremos integrar os novos padrões que vemos com o código de diagnóstico COVID e incluí-lo em nossos modelos para tentar melhorar seu desempenho”, disse Haendel, da Universidade do Colorado. “Os modelos podem aprender com um grupo maior de pacientes e se tornar mais precisos. Esperamos poder usar nosso longo classificador de pacientes COVID para recrutar participantes de ensaios clínicos.”

Este estudo foi financiado pelo NCATS, que contribuiu para o projeto, manutenção e segurança do N3C Enclave, e a Iniciativa NIH RECOVER, com apoio do NIH OT2HL161847. O Recover coordena, entre outras coisas, o protocolo de recrutamento de participantes para o qual este trabalho contribui. As análises foram realizadas com dados e ferramentas acessadas por meio do NCATS N3C. área de dados Suportado por NCATS U24TR002306.

Sobre o Centro Nacional para o Avanço da Ciência Translacional (NCATS): O NCATS conduz e apóia pesquisas sobre ciência e operação translacionais – o processo pelo qual as intervenções de melhoria da saúde são desenvolvidas e implementadas – para permitir que mais tratamentos alcancem mais pacientes mais rapidamente. Para obter mais informações sobre como o NCATS pode ajudar a encurtar a jornada da observação científica à intervenção clínica, visite https://ncats.nih.gov.

Sobre os Institutos Nacionais de Saúde (NIH):O NIH, a agência de pesquisa médica do país, inclui 27 institutos e centros e faz parte do Departamento de Saúde e Serviços Humanos dos EUA. O National Institutes of Health é a principal agência federal que realiza e apoia pesquisas básicas, clínicas e polimédicas, investigando as causas, tratamentos e tratamento de doenças comuns e raras. Para obter mais informações sobre os Institutos Nacionais de Saúde e seus programas, visite www.nih.gov.

Institutos Nacionais de Saúde … Transformando Descoberta em Saúde®

###