Skip to main page content
U.S. flag

An official website of the United States government

Dot gov

The .gov means it’s official.
Federal government websites often end in .gov or .mil. Before sharing sensitive information, make sure you’re on a federal government site.

Https

The site is secure.
The https:// ensures that you are connecting to the official website and that any information you provide is encrypted and transmitted securely.

Access keys NCBI Homepage MyNCBI Homepage Main Content Main Navigation
. 2022 Jan;222(1):1-12.
doi: 10.1016/j.rce.2021.06.003. Epub 2021 Jun 23.

[Derivation and validation of a risk score for admission to the Intensive Care Unit in patients with COVID-19]

[Article in Spanish]
J Ena  1 , J V Segura-Heras  2 , E M Fonseca-Aizpuru  3 , M L López-Reboiro  4 , A Gracia-Gutiérrez  5 , J A Martín-Oterino  6 , A Martín-Urda Diez-Canseco  7 , C Pérez-García  8 , J M Ramos-Rincón  9 , R Gómez-Huelgas  10 ; en nombre del grupo de trabajo SEMI-COVID-19
Affiliations

[Derivation and validation of a risk score for admission to the Intensive Care Unit in patients with COVID-19]

[Article in Spanish]
J Ena et al. Rev Clin Esp. 2022 Jan.

Abstract
in English, Spanish

Background: This work aims to identify and validate a risk scale for admission to intensive care units (ICU) in hospitalized patients with coronavirus disease 2019 (COVID-19).

Methods: We created a derivation rule and a validation rule for ICU admission using data from a national registry of a cohort of patients with confirmed SARS-CoV-2 infection who were admitted between March and August 2020 (n = 16,298). We analyzed the available demographic, clinical, radiological, and laboratory variables recorded at hospital admission. We evaluated the performance of the risk score by estimating the area under the receiver operating characteristic curve (AUROC). Using the β coefficients of the regression model, we developed a score (0 to 100 points) associated with ICU admission.

Results: The mean age of the patients was 67 years; 57% were men. A total of 1,420 (8.7%) patients were admitted to the ICU. The variables independently associated with ICU admission were age, dyspnea, Charlson Comorbidity Index score, neutrophil-to-lymphocyte ratio, lactate dehydrogenase levels, and presence of diffuse infiltrates on a chest X-ray. The model showed an AUROC of 0.780 (CI: 0.763-0.797) in the derivation cohort and an AUROC of 0.734 (CI: 0.708-0.761) in the validation cohort. A score of greater than 75 points was associated with a more than 30% probability of ICU admission while a score of less than 50 points reduced the likelihood of ICU admission to 15%.

Conclusion: A simple prediction score was a useful tool for forecasting the probability of ICU admission with a high degree of precision.

Fundamento: Identificar y validar una escala de riesgo de ingreso en las unidades de cuidados intensivos (UCI) en pacientes hospitalizados con enfermedad por coronavirus 2019 (COVID-19).

Métodos: Realizamos una regla de derivación y otra de validación para ingreso en UCI, utilizando los datos de un registro nacional de cohortes de pacientes con infección confirmada por SARS-CoV-2 ingresados entre marzo y agosto del año 2020 (n = 16.298). Analizamos variables demográficas, clínicas, radiológicas y de laboratorio disponibles en el ingreso hospitalario. Evaluamos el rendimiento de la escala de riesgo mediante estimación del área bajo la curva de característica operativa del receptor (AROC). Utilizamos los coeficientes β del modelo de regresión para elaborar una puntuación (0 a 100 puntos) asociada con ingreso en UCI.

Resultados: La edad media de los pacientes fue de 67 años; 57% varones. Un total de 1.420 (8,7%) pacientes ingresaron en la UCI. Las variables independientes asociadas con el ingreso en UCI fueron: edad, disnea, índice de comorbilidad de Charlson, cociente neutrófilos-linfocitos, lactato deshidrogenasa e infiltrados difusos en la radiografía de tórax. El modelo mostró un AROC de 0,780 (IC: 0,763-0,797) en la cohorte de derivación y un AROC de 0,734 (IC: 0,708-0,761) en la cohorte de validación. Una puntuación > 75 se asoció con una probabilidad de ingreso en UCI superior a un 30%, mientras que una puntuación < 50 redujo la probabilidad de ingreso en UCI al 15%.

Conclusión: Una puntuación de predicción simple proporcionó una herramienta útil para predecir la probabilidad de ingreso en la UCI con un alto grado de precisión.

Keywords: Clinical epidemiology; Critical care; General linear model; Intensive care unit; Respiratory infection; Viral infection.

PubMed Disclaimer

Figures

Figura 1
Figura 1
Curva de característica operativa del receptor para ingreso en UCI en la cohorte de derivación y validación. El área bajo la curva de característica operativa del receptor fue 0,781 en la cohorte de derivación y 0,747 en la cohorte de validación. El punto de corte que optimiza sensibilidad y especificidad fue 0,087, tanto en la cohorte de derivación como en la de validación.
Figura 2
Figura 2
Relación entre la puntuación individual y la probabilidad (valor predictivo positivo) de que un paciente ingrese en UCI.
See this image and copyright information in PMC

Similar articles

See all similar articles

Cited by

  • [Predicting COVID-19 progress with clinical scales].
    Estrada V, González Del Castillo J. Estrada V, et al. Rev Clin Esp. 2022 Jan;222(1):42-43. doi: 10.1016/j.rce.2021.08.001. Epub 2021 Sep 1. Rev Clin Esp. 2022. PMID: 34483348 Free PMC article. Spanish. No abstract available.
  • Predicting COVID-19 progress with clinical scales.
    Estrada V, González Del Castillo J. Estrada V, et al. Rev Clin Esp (Barc). 2022 Jan;222(1):42-43. doi: 10.1016/j.rceng.2021.08.001. Epub 2021 Oct 21. Rev Clin Esp (Barc). 2022. PMID: 34756571 Free PMC article. No abstract available.

References

    1. Secretaría de Estado de Sanidad/Centro de Coordinación de Alertas y Emergencias Sanitarias. Actualización n° 355. Enfermedad por el coronavirus (COVID-19). [Consultado 14 Abr 2021]. Disponible en: https://www.mscbs.gob.es/profesionales/saludPublica/ccayes/alertasActual...
    1. Zhou F., Yu T., Du R., Fan G., Liu Y., Liu Z., et al. Clinical course and risk factors for mortality of adult inpatients with COVID-19 in Wuhan, China: a retrospective cohort study. Lancet. 2020;395(10229):1054–1062. doi: 10.1016/S0140-6736(20)30566-3. Epub 2020 Mar 11. - DOI - PMC - PubMed
    1. Ferrando C., Mellado-Artigas R., Gea A., Arruti E., Aldecoa C., Bordell A., et al. Patient characteristics, clinical course and factors associated to ICU mortality in critically ill patients infected with SARS-CoV-2 in Spain: A prospective, cohort, multicentre study. Rev Esp Anestesiol Reanim. 2020;67:425–437. doi: 10.1016/j.redar.2020.07.003. Epub 2020 Jul 13. PMID: 32800622; PMCID: PMC7357496. - PMC - PubMed
    1. Berenguer J., Ryan P., Rodríguez-Baño J., Jarrín I., Carratalà J., Pachón J., et al. Characteristics and predictors of death among 4035 consecutively hospitalized patients with COVID-19 in Spain. Clin Microbiol Infect. 2020;26:1525–1536. doi: 10.1016/j.cmi.2020.07.024. Epub 2020 Aug 4. PMID: 32758659; PMCID: PMC7399713. - DOI - PMC - PubMed
    1. Núñez-Gil I.J., Fernández-Pérez C., Estrada V., Becerra-Muñoz V.M., El-Battrawy I., Uribarri A., et al. Mortality risk assessment in Spain and Italy, insights of the HOPE COVID-19 registry. Intern Emerg Med. 2021;16:957–966. doi: 10.1007/s11739-020-02543-5. PMID: 33165755; PMCID: PMC7649104. - DOI - PMC - PubMed

Publication types