19/09/2021
Actualidad

Las condiciones de vida indias doblan el riesgo de Covid grave postvacunal

Institución - Fuente: redaccionmedica.com
Tipo de documento: Noticia

Investigadores británicos desarrollan un nuevo modelo predictivo para medir el impacto de las vacunas del coronavirus.


Investigadores británicos han desarrollado un nuevo modelo de predicción de riesgo para estimar el riesgo de mortalidad e ingreso hospitalario relacionado con el Covid-19 en adultos después de una o dos dosis de vacunación y denominado QCovid. Tras un análisis de los resultados tras la utilización de estos marcadores, detectaron que "en comparación con el grupo étnico blanco, los grupos paquistaní e indio tenían un riesgo hasta dos veces mayor de muerte e ingreso en hospital después de la vacunación".


Las primeras conclusiones de este modelo predictivo, publicadas en BMJ, sugieren que estas disparidades étnicas podrían deberse a una "exposición diferencial residual" a la enfermedad motivada, por ejemplo, por el comportamiento, el estilo de vida, el tamaño del hogar y la ocupación laboral. No obstante, los científicos reconocen que "la vacunación podría cambiar el comportamiento (y la exposición) en algunos grupos más que en otros".


Tras analizar a un total de 6,9 millones de personas vacunadas, este modelo predictivo también apunta a que los índices de riesgo son más altos para las personas con síndrome de Down, trasplante de riñón, anemia de células falciformes, residencia en un hogar de cuidados, quimioterapia, trasplante reciente de médula ósea o trasplante de órgano sólido, VIH / SIDA, demencia, enfermedad de Parkinson, afecciones neurológicas y cirrosis hepática. En este contexto, y en concreto, "es probable que las asociaciones con el síndrome de Down en todos los modelos reflejen una mayor susceptibilidad a la infección y predisposición genética".


La investigación también desarrolla y evalúa nuevos modelos de predicción de riesgo clínico para estimar los riesgos absolutos de admisión hospitalaria y mortalidad "relacionada con el Covid-19 en la población general de personas vacunadas, así como en el subconjunto de personas con resultados positivos de la prueba del SARS-CoV-2".


La investigación indicia, a su vez, que aunque no se puede dar una interpretación causal a estas asociaciones, "se sabe que características individuales como la edad, la obesidad, las condiciones médicas preexistentes y la desventaja socioeconómica afectan la competencia inmunológica y, al menos para ciertas enfermedades, afectan la respuesta a algunas vacunas o fármacos inmunosupresores".


Otra de las conclusiones de este estudio es que el modelo de predicción de riesgo se puede implementar en varios entornos de atención y salud, ya sea durante la fase actual de la pandemia o en oleadas posteriores de infección (con recalibración según sea necesario); sin embargo, "el riesgo absoluto para las personas siempre dependerá de la prevalencia de la enfermedad y la exposición personal".


En cualquier caso, los riesgos absolutos están relacionados tanto con la prevalencia de la infección por Covid-19 en la población como con la probabilidad de exposición al coronavirus en una población adulta vacunada. "Aunque estos algoritmos se han diseñado para informar la política de salud del Reino Unido y las intervenciones para gestionar los riesgos relacionados con el Covid-19, también tienen potencial internacional, sujeto a validación local". Es más, los modelos anteriores de predicción de riesgos similares se han validado internacionalmente y se ha demostrado que tienen un buen rendimiento fuera del Reino Unido.