Modelos de predicción para la letalidad por COVID-19: análisis secundario del Sistema Nacional de Vigilancia Epidemiológica del Ministerio de Salud de Perú

Abstract

Objetivo: Constuir modelos y evaluar su performance para la predicción de letalidad por COVID-19 considerando datos poblacionales del sistema de vigilancia de la enfermedad en el Perú. Metodología: Estudio de tipo cohorte retrospectiva. La población de estudio estuvo conformada por los casos registrados y confirmados de COVID-19 en el sistema de vigilancia de nueve provincias de Lima. La población total fue dividida en una muestra aleatoria de 80%, en donde se realizó la construcción de modelos utilizando estrategias diferentes para seleccionar variables (1: estudios previos; 2: método de Lasso; 3: significancia estadística ; 4: post-hoc). En el 20% restante se realizó la validación interna. La selección de los modelos finales se basó en la comparación del performance obtenido y la coherencia biológica de las asociaciones. Resultados: La información de 17 678 casos fue utilizada para la creación de modelos y 4 420 para la validación. Los modelos construidos tuvieron performances comparables; sin embargo, se decidió seleccionar el modelo 1 (13 ítems), debido a su menor cantidad de variables y ligero mayor performance, y el modelo resumido obtenido de la estrategia 4 (3 ítems). Los performance de ambos modelos fueron consistentes cuando se realizó la validación, inclusive, cuando se evaluó en diferentes escenarios. Conclusión: Los modelos construidos tuvieron performances comparables; sin embargo, recomendamos dos modelos de predicción, cuyas áreas bajo la curva fueron óptimas y mostraron superioridad debido a su plausibilidad biológica y al menor número de variables incluidas. Futuros estudios deberán corroborar el performance y validar la utilidad en contextos acutales.

Aim: To develop and evaluate models for predicting COVID-19 fatality, we considered population data from the disease surveillance system in Peru. Methods: Retrospective cohort study. The study population consisted of registered and confirmed COVID-19 cases in the surveillance system of nine provinces in Lima. The total population was divided into an 80% random sample, where models were constructed using different strategies for variable selection (1: previous studies; 2: Lasso method; 3: statistical significance; 4: post-hoc). The remaining 20% underwent internal validation. Selection of final models was based on comparing the achieved performance and biological coherence of associations. Results: Information from 17,678 cases was used for model creation, and 4,420 for validation. Constructed models had comparable performances; however, model 1 (13 items) was selected due to its lower number of variables and slightly higher performance, along with the summary model obtained from strategy 4 (3 items). The performances of both models remained consistent during validation, even across different scenarios. Conclusion: The constructed models exhibited comparable performances; nevertheless, we recommend two prediction models with optimal area under the curve values that demonstrated superiority due to their biological plausibility and fewer included variables. Future studies should corroborate the performance and validate utility in current contexts.