Infecția bacteriană secundară a plămânului (pneumonia) a fost extrem de frecventă la pacienții cu COVID-19, afectând aproape jumătate dintre pacienții care au avut nevoie de sprijin din partea ventilației mecanice, scriue MedicalPress citând un studiu de la Universitatea americană Northwestern.
Oamenii de știință de la Școala de Medicină Feinberg de la Universitatea Northwestern au descoperit că pneumonia bacteriană secundară care nu se rezolvă a fost un factor cheie al decesului la pacienții cu COVID-19 care poate depăși chiar ratele de deces din cauza infecției virale în sine.
Oamenii de știință au găsit, de asemenea, dovezi că COVID-19 nu provoacă o „furtună de citokine”, despre care se crede adesea că provoacă moartea.
Studiul a fost publicat recent în Journal of Clinical Investigation.
„Studiul nostru evidențiază importanța prevenirii, căutării și tratării agresive a pneumoniei bacteriene secundare la pacienții critici cu pneumonie severă, inclusiv cei cu COVID-19”, a spus autorul principal, dr. Benjamin Singer, profesor asociat de medicină la Școala de Medicină de la Universitatea Northwestern Feinberg și un medic pneumolog și de îngrijire critică Northwestern Medicine.
Cercetătorii au descoperit că aproape jumătate dintre pacienții cu COVID-19 dezvoltă o pneumonie bacteriană secundară asociată ventilatorului.
„Cei care s-au vindecat de pneumonia secundară aveau mai multe probabilități să trăiască, în timp ce cei a căror pneumonie nu s-a rezolvat aveau mai multe probabilități să moară”, a spus Singer. „Datele noastre au sugerat că mortalitatea legată de virus în sine este relativ scăzută, dar alte lucruri care se întâmplă în timpul șederii la UTI, cum ar fi pneumonia bacteriană secundară, au compensat acest lucru”.
Descoperirile studiului infirmă, de asemenea, teoria furtunii de citokine, a spus Singer, de asemenea profesor de medicină pulmonară Lawrence Hicks la Feinberg.
„Termenul „furtună de citokine” înseamnă o inflamație copleșitoare care provoacă insuficiență de organ în plămâni, rinichi, creier și alte organe”, a spus Singer. „Dacă acest lucru ar fi adevărat, dacă furtuna de citokine ar sta la baza duratei lungi de ședere pe care o vedem la pacienții cu COVID-19, ne-am aștepta să vedem tranziții frecvente către stări care sunt caracterizate de insuficiență multi-organică. Nu asta am văzut.”
Studiul a analizat 585 de pacienți din unitatea de terapie intensivă (ATI) de la Northwestern Memorial Hospital cu pneumonie severă și insuficiență respiratorie, dintre care 190 aveau COVID-19. Oamenii de știință au dezvoltat o nouă abordare de învățare automată numită CarpeDiem, care grupează zilele de pacienți similare în ATI în stări clinice pe baza datelor din fișa medicală electronică. Această abordare nouă, care se bazează pe conceptul de runde zilnice de către echipa de ATI, le-a permis să se întrebe cum au afectat evoluția bolii complicațiile precum pneumonia bacteriană.
„Aplicarea învățării automate și a inteligenței artificiale la datele clinice poate fi folosită pentru a dezvolta modalități mai bune de tratare a bolilor precum COVID-19 și pentru a ajuta medicii de ATI care gestionează acești pacienți”, a spus co-autorul studiului, dr. Catherine Gao, instructor în cadrul studiului medicină pulmonară și de îngrijire critică la Feinberg și un medic Northwestern Medicine.
„Importanța suprainfectiei bacteriene a plămânului ca factor care contribuie la decesul la pacienții cu COVID-19 a fost subapreciată, deoarece majoritatea centrelor nu au căutat-o sau se uită doar la rezultatele în ceea ce privește prezența sau absența suprainfectiei bacteriene, nu dacă tratamentul este de succes sau nu”, a spus coautorul studiului, dr. Richard Wunderink, care conduce Centrul de biologie a sistemelor de terapie pentru pneumonie de la Northwestern.
Următorul pas în cercetare va fi utilizarea datelor moleculare din probele de studiu și integrarea lor cu abordări de învățare automată pentru a înțelege de ce unii pacienți se vindecă de pneumonie , iar alții nu. Cercetătorii doresc, de asemenea, să extindă tehnica la seturi de date mai mari și să folosească modelul pentru a face predicții care pot fi aduse înapoi la pat pentru a îmbunătăți îngrijirea pacienților în stare critică.
