Completo

Introducción

De acuerdo con la Organización Mundial de la Salud (OMS), la enfermedad por coronavirus (COVID-19) es de tipo infecciosa respiratoria, causada por el virus SARS-CoV2. Las manifestaciones de la COVID-19 varían desde la ausencia de síntomas hasta el desarrollo de un síndrome de dificultad respiratoria con progresión fatal (1). Desde el inicio de la pandemia se observó un considerable interés por identificar los factores asociados a la susceptibilidad en la infección por el SARS-CoV2. La inteligencia artificial (IA) se ha convertido en una herramienta útil en muchas áreas y sectores de la vida cotidiana. Existen diversos trabajos donde implementan diferentes enfoques relacionados con la enfermedad de la COVID-19. Dentro de estas investigaciones se ha buscado comprender el papel de múltiples moléculas clave en la defensa frente al vi rus, entre ellas, los anticuerpos naturales post-infección (2); los cuales a menudo son detectados y cuantificados a través de diferentes inmunoensayos (3). Los esfuerzos que van desde la implementación de las medidas de distanciamiento social hasta la aceleración del desarrollo de vacunas se convirtieron en actores clave para el control y manejo de la pandemia. Sin embargo, un aspecto crucial que requiere atención, es la comprensión de la enfermedad en aquellos individuos recuperados de la infección por SARS-CoV2. Este grupo, fuera del foco, encapsula información importante que puede contribuir no solo a la comprensión de la enfermedad, sino también a la prevención y tratamientos efectivos.

Objetivos

El objetivo de la presente investigación fue identificar las características clave que tienen impacto en los niveles de anticuerpos en pacientes que han superado la COVID-19. Para lograrlo, se empleó un algoritmo de selección de características basado en aprendizaje automático con el propósito de contribuir al reconocimiento del grupo de riesgo vinculado a la COVID-19 mediante los niveles de anticuerpos.

Material y métodos

Se estudió un conjunto de datos de 58 individuos recupera dos; se analizaron 120 características, incluidos datos sociodemográficos, clínicos, biométricos y serológicos, a través de la cuantificación de niveles de anticuerpos IgG anti-SARS-CoV2. Del conjunto de datos, se seleccionaron las características relacionadas con enfoque epidemiológico de importancia en el área de la Salud Publica, quedando 36 variables, más los niveles de anticuerpos discretizados en una variable dicotómica (negativos y positivos). Selección hacia adelante (Forward Selection): Es una técnica de refinamiento de modelos que busca construir un modelo óptimo mediante la incorporación iterativa de características que poseen un alto grado de información. Previo a la implementación de la técnica, se evalúan individualmente todas las características conforme a una métrica predefinida. Posteriormente, el proceso se inicia con un conjunto de características vacío, agregando sucesivamente cada característica siempre y cuando contribuya al rendimiento del modelo (4). Regresión logística: Es un algoritmo estadístico que estima la probabilidad de que una observación pertenezca a una categoría en función de variables independientes, utilizando la función sigmoide para transformar la escala lineal en una esca la de probabilidades entre 0 y 1 (5). Área bajo la curva (AUC): La curva ROC (receiver operating characteristic curve) es una herramienta utilizada para evaluar clasificadores según su rendimiento. Se construye a partir de una matriz de confusión, calculando dos medidas: sensibilidad y especificidad. Para obtener un único valor que represente el rendimiento esperado, se utiliza el área bajo la curva (AUC) ROC que representa la probabilidad que una instancia positiva sea clasificada más alta que una instancia negativa que se define por la sensibilidad y 1- especificidad, y tiene un valor entre 0 y 1 (6).

Resultados

En la Tabla 1 se muestra cada característica con su respectivo AUC ordenado de manera descendente. Los resultados muestran una variabilidad importante en la capacidad predictiva de las características. La edad se sitúa como la característica más predictiva, con un AUC=0.78, lo que indica una fuerte asociación entre la edad y los niveles de anticuerpos IgG anti-SARS-CoV2. Posteriormente, se incorporaron gradualmente cada característica, evaluando su desempeño en relación con la variable dependiente. La Tabla 2 exhibe la combinación de características que ejercen mayor influencia en la predicción del nivel de anticuerpos. Destacan la edad, escolaridad, así como la presencia de condiciones médicas como la hipertensión y la diabetes. Además, se consideran relevantes factores como el desplazamiento a otros estados, el consumo de tabaco. La Figura 1 (que incluimos en la página siguiente) muestra la curva ROC obtenida por el modelo de las características identificadas por la técnica de selección hacia adelante, que arroja un AUC de 0.84, esto indica que el modelo es capaz de distinguir entre la presencia y ausencia de anticuerpos.

Discusión

Los resultados del estudio sugieren que la edad, la escolaridad, la presencia de hipertensión y diabetes, el desplazamiento a otros estados y el consumo de tabaco, son en conjunto, características clave que tienen un impacto en los niveles de anticuerpos en pacientes que han superado la COVID-19. Otros autores también resaltan que la edad se ha identificado como un factor de riesgo importante para la COVID-19. Estudios mencionan que la edad influye en los niveles de anticuerpos (7). Otras características identificadas en la investigación tienen una base biológica plausible, como la hipertensión y la diabetes que son enfermedades que pueden afectar la función inmunológica y son factores de riesgo (8). De la misma manera, el consumo de tabaco se asocia con un mayor riesgo de infecciones (9). Por otro lado, los resultados resaltan la importancia de considerar no solo factores biológicos, sino también factores socioeconómicos y demográficos al evaluar el riesgo a la susceptibilidad de infección por SARS-CoV2.

Conclusión

Se identificaron distintos factores como determinantes de la respuesta inmunológica post-infección. Aunque los hallazgos identificados son relevantes para la prevención y tratamiento de la enfermedad, se señalan limitaciones como el tamaño de muestra pequeño y el diseño retrospectivo del estudio, lo que podría afectar la generalización de los resultados. De igual manera, los resultados ayudan a la identificación de personas con estas características para evitar la reinfección por SARS-CoV2, y que aquellas con niveles bajos de anticuerpos consideren recibir una vacuna de refuerzo. Este estudio proporciona una base sólida para futuras investigaciones sobre los factores que influyen en la producción y en los niveles de anticuerpos IgG en pacientes recuperados de COVID-19, destacando su importancia clínica y de salud pública.

Palabras clave: Niveles de anticuerpos COVID-19 Salud Pública Selección de características.

2025-01-06   |   7 visitas   |   Evalua este artículo 0 valoraciones

Vol. 19 Núm.2. Julio-Diciembre 2024 Pags. 67-70 Rev Invest Cien Sal 2024; 19(Supl. 2)