• español
  • English
  • français
  • Deutsch
  • português (Brasil)
  • italiano
    • español
    • English
    • français
    • Deutsch
    • português (Brasil)
    • italiano
    • español
    • English
    • français
    • Deutsch
    • português (Brasil)
    • italiano
    JavaScript is disabled for your browser. Some features of this site may not work without it.

    Parcourir

    Tout UVaDOCCommunautésPar date de publicationAuteursSujetsTitres

    Mon compte

    Ouvrir une session

    Statistiques

    Statistiques d'usage de visualisation

    Compartir

    Voir le document 
    •   Accueil de UVaDOC
    • PROJET DE FIN D'ÉTUDES
    • Trabajos Fin de Grado UVa
    • Voir le document
    •   Accueil de UVaDOC
    • PROJET DE FIN D'ÉTUDES
    • Trabajos Fin de Grado UVa
    • Voir le document
    • español
    • English
    • français
    • Deutsch
    • português (Brasil)
    • italiano

    Exportar

    RISMendeleyRefworksZotero
    • edm
    • marc
    • xoai
    • qdc
    • ore
    • ese
    • dim
    • uketd_dc
    • oai_dc
    • etdms
    • rdf
    • mods
    • mets
    • didl
    • premis

    Citas

    Por favor, use este identificador para citar o enlazar este ítem:https://uvadoc.uva.es/handle/10324/54777

    Título
    Modelo predictivo de mortalidad en COVID-19 severo basado en parámetros clínicos, analíticos y perfiles de citocinas
    Autor
    Arroyo Alonso, Raquel
    Director o Tutor
    Tamayo Gómez, EduardoAutoridad UVA
    Gorgojo Galindo, ÓscarAutoridad UVA
    Editor
    Universidad de Valladolid. Facultad de MedicinaAutoridad UVA
    Año del Documento
    2022
    Titulación
    Grado en Medicina
    Résumé
    La neumonía es la principal causa de admisión hospitalaria en los pacientes con enfermedad por COVID-19. Este estudio lleva a cabo una caracterización extensiva de los parámetros clínicos, analíticos y perfiles de citocinas con el fin de predecir mortalidad a los 28 días en pacientes COVID-19. El estudio incluyó 108 pacientes COVID-19 admitidos entre marzo y abril de 2020 en el Hospital Clínico Universitario de Valladolid (España). Se recogieron muestras de plasma de cada paciente tras su admisión en el servicio de urgencias. Se midieron por duplicado los niveles séricos de 45 citocinas, y los datos fueron analizados utilizando SPPS, versión 25.0. El modelo multivariante resultante mostró como única citocina a VEGF-A relacionada con el riesgo de mortalidad a los 28 días (OR=3,49, IC 95%-(1,85-17,41), p=0,04) junto al dímero-D (OR=11,28, IC 95%-(1,87-68,19), p=0,032) y creatinina (OR=6,92, IC 95%-(1,19-40,38), p=0,04). En los tres factores se estimó un punto de corte a partir del cual se cumple el modelo. Asimismo, se llevó a cabo una validación interna mediante una curva COR mostrando una AUC de 0,83, con una sensibilidad del 78,9% y una especificidad del 83,8%. Por último, la curva de Kaplan-Meier mostró en torno a un 40% más de mortalidad acumulada para aquellos pacientes que cumplían con los valores de corte del modelo multivariante. Como conclusión, un modelo predictivo simple, rápido y robusto basado en dos parámetros de laboratorio comunes y una citocina específica (VEGF-A), podría ser utilizado para predecir y reducir la mortalidad de los pacientes ingresados por COVID-19.
    Materias (normalizadas)
    COVID-19 (Enfermedad)
    Inmunología
    Materias Unesco
    3207.10 Inmunopatología
    Palabras Clave
    COVID-19
    VEGF-A
    Diagnóstico
    Citocinas
    Biomarcadores
    Validación
    Idioma
    spa
    URI
    https://uvadoc.uva.es/handle/10324/54777
    Derechos
    openAccess
    Aparece en las colecciones
    • Trabajos Fin de Grado UVa [30858]
    Afficher la notice complète
    Fichier(s) constituant ce document
    Nombre:
    TFG-M2609.pdf
    Tamaño:
    1.271Mo
    Formato:
    Adobe PDF
    Thumbnail
    Voir/Ouvrir
    Attribution-NonCommercial-NoDerivatives 4.0 InternacionalExcepté là où spécifié autrement, la license de ce document est décrite en tant que Attribution-NonCommercial-NoDerivatives 4.0 Internacional

    Universidad de Valladolid

    Powered by MIT's. DSpace software, Version 5.10