Amb l'augment de casos de coronavirus i la proximitat de l'hivern, hi ha una necessitat urgent de models fiables que prediguin el curs de la Covid-19 per donar suport a les decisions sobre protecció, ingrés hospitalari, tractament i vacunacions.

L'eina britànica de predicció de riscos (coneguda com QCOVID) utilitza informació disponible sobre les persones, com la seva edat, origen ètnic i si tenen certes afeccions preexistents (comorbiditats) per ajudar a identificar les persones amb més risc de desenvolupar una malaltia greu. Està dissenyat per a ser aplicat en la població adulta general.

QCOVID proporciona informació detallada sobre el risc de les persones de patir una malaltia greu a causa de la Covid-19 i està dissenyada perquè els metges la utilitzin amb els pacients. S'ha d'actualitzar periòdicament a mesura que evolucioni la pandèmia i s'ha d'anar supervisant.

En alguns models previs de predicció de riscos s'ha identificat que tenen un alt risc de biaix, el que generava preocupacions per si aquests models no són fiables a la pràctica. Contra això va prendre mesures el grup de recerca del Regne Unit es va proposar desenvolupar i validar un model de predicció basat en la població per estimar els riscos generals d'infectar-se i, posteriorment, ser ingressats a l'hospital o morir a causa de la Covid-19.

Els seus descobriments es basen en dades de més de 8 milions de pacients d'entre 19 i 100 anys. Així, es van utilitzar dades de 6 milions de persones per desenvolupar el model durant un període de 97 dies (24 de gener a 30 d'abril de 2020), i 2,2 milions més posteriorment per validar el seu resultat en dos períodes de temps separats durant la primera onada de la pandèmia.

Durant el període d'estudi, es van produir 4.384 morts per Covid-19 en el grup de desenvolupament i el model va funcionar bé, predient gairebé un 73 i un 74% de la variació en el temps fins la mort per Covid-19 en homes i dones, respectivament.

[plantillacoronavirus]