REPERT MED CIR. 2022;31(Supl. Núm.1):87-95 87
de Medicina y Cirugía
Vol.
31
(Núm. Supl.1)
2022
John Jaime Sprockel MDa
Lilian Andrea Torresb
Marilyn Johanna Rodríguez MDc
a Médico Internista, Hospital de San José, Instituto de Investigaciones Fundación Universitaria de Ciencias de la Salud. Bogotá DC, Colombia.
b Instituto de Ciencias Básicas Hospital Infantil Universitario de San José, Fundación Universitaria de Ciencias de la Salud. Bogotá DC, Colombia.
c Medicina Interna, Fundación Universitaria de Ciencias de la Salud. Bogotá DC, Colombia
Introducción: la variabilidad del comportamiento clínico del COVID-19 puede ser uno de los determinantes que limitan la
toma de decisiones terapéuticas. Se busca clasicar a pacientes latinoamericanos hospitalizados mediante la herramienta FEN-
COVID para la identicación de fenotipos clínicos y determinar su asociación con mortalidad e ingreso a la unidad de cuidado
intensivo (UCI). Métodos: estudio observacional de cohorte retrospectivo, que incluyó adultos hospitalizados en dos centros
de tercer nivel de atención con COVID-19 conrmado entre septiembre 2020 y marzo 2021. A cada paciente seleccionado
se asignó un fenotipo aplicando la calculadora FEN-COVID. Se llevó a cabo un análisis multivariado para documentar las
asociaciones entre el fenotipo, las complicaciones hospitalarias y los desenlaces clínicos. Resultados: se identicaron 126
pacientes hospitalizados por COVID-19, edad promedio de 58 años, 45 mujeres (35.7%), 23% diabéticos, 45% hipertensos
R E S U M E N
Aplicación de la calculadora de Aplicación de la calculadora de
probabilidad fenotípica FEN-COVID en probabilidad fenotípica FEN-COVID en
pacientes hospitalizados por COVID-19 pacientes hospitalizados por COVID-19
en una población latinoamericanaen una población latinoamericana
Application of the FENCOVID phenotype-probability calculator Application of the FENCOVID phenotype-probability calculator
in COVID-19 in-patients in a latin american populationin COVID-19 in-patients in a latin american population
Artículo de investigación
ISSN: 0121-7372 • ISSN electrónico: 2462-991X
INFORMACIÓN DEL ARTÍCULO
Historia del artículo:
Fecha recibido: mayo 11 de 2022
Fecha aceptado: julio 7 de 2022
Autor para correspondencia.
Dr. John Jaime Sprockel
jjsprockel@fucsalud.edu.co
DOI
10.31260/RepertMedCir.01217372.1363
de Medicina y Cirugía
88 REPERT MED CIR. 2022;31(Supl. Núm.1):87-95
ABSTRACT
Introduction: the clinical variability of COVID-19 may be one of the determinants limiting therapeutic decisions. This
study aims to classify a cohort of Latin American in-patients using the FENCOVID tool to identify clinical phenotypes and
predict likelihood of mortality and need of intensive care unit (ICU) admission. Methods: a retrospective cohort observational
study, in hospitalized adults with COVID-19 conrmed between September 2020 and March 2021, at two tertiary health care
centers. Phenotype assignment in selected patients was performed by applying the FENCOVID calculator. A multivariate
analysis was conducted to document the associations between phenotype, in-hospital complications, and clinical outcomes.
Results: a total of 126 COVID-19 in-patients were identied. The median age was 58 years, 45 were females (35.7%), 23%
were diabetic, 45% had hypertension and 20% were obese. One-hundred-eight (85.7%) patients were phenotype B and 18
(14.2%) phenotype C. Although the latter had worse outcomes (ICU admission in 77.8% vs 45.4% and death in 66% vs
22%, OR 1.408, IC95% 3.191-5.243, p <0.007), this association was not maintained in the multivariate analysis OR 1.110
(IC95% 0.780 - 1.581, p de 0.555) Conclusion: FENCOVID phenotypes appear to discriminate a subset showing poor clinical
behavior, although a milder phenotype was not described. The bivariate analysis documented an association with death or
ICU admission which was not maintained in the multivariate model.
Keywords: Phenotype, COVID-19, Prognosis, Hospitalization, SARS-CoV-2
© 2022 Fundación Universitaria de Ciencias de la Salud - FUCS.
This is an open access article under the CC BY-NC-ND license (http://creativecommons.org/licenses/by-nc-nd/4.0/).
INTRODUCCIÓN
La enfermedad por COVID 19 ocasionada por el beta
coronavirus SARS-COV2 es responsable hasta la fecha de
más de 246 mil millones de contagios y ha dejado a su paso
alrededor de cinco millones de muertes de acuerdo con lo
reportado por el Centro de Ciencia e Ingeniería de Sistemas
de la Universidad Johns Hopkins.1 El comportamiento de
la enfermedad es variable, reportándose un amplio espectro
clínico relacionado con la presentación de síntomas y el
desarrollo de complicaciones2, esto sumado a la ausencia
de estrategias terapéuticas efectivas, ha conducido a una
fractura en la estructura de los sistemas de salud a nivel
global3, incitando a las autoridades en salud pública a
reorientar la distribución de recursos y maximizar esfuerzos
para el desarrollo de sistemas de estraticación de la atención
en salud.4 La fenotipicación ha demostrado ser de utilidad
para comprender la heterogeneidad de la presentación de
las enfermedades y clasicar a los pacientes de acuerdo
con variables demográcas, clínicas y paraclínicas, cuya
asociación con desenlaces clínicos permita tomar decisiones
terapéuticas tempranas oportunas.5
Desde muy temprano y durante el curso de la pandemia se
ha pretendido desarrollar sistemas de clasicación fenotípica
para aquellos pacientes críticamente enfermos con o sin
complicaciones6, y determinar la asociación de estos con
diferentes desenlaces clínicos7, basados en parámetros
objetivos de fácil obtención en centros de atención en salud.
El grupo colaborativo REIPI-SEIMC COVID-19 propuso
un modelo de clasicación a partir de características
demográcas, signos, síntomas, hallazgos radiológicos y de
laboratorio, que fue desarrollado a partir de dos cohortes
españolas, con 4.035 pacientes hospitalizados en 127 centros
españoles, con el cual buscaban desarrollar una herramienta
probabilística simplicada de asignación fenotípica que fue
denominado FEN-COVID.8
y 20% obesos. 108 (85.7%) fueron del fenotipo B y 18 (14.2%) fenotipo C. Aunque en este último los desenlaces fueron
peores (requerimiento de UCI 77.8% vs 45.4% y mortalidad 66% vs 22%, OR 1.408, IC95% 3.191-5.243, p <0.007), esta
asociación no se mantuvo en el análisis multivariado con OR 1.110 (IC95% 0.780 - 1.581, p de 0.555) Conclusión: los fenotipos
identicados a partir de FEN-COVID parecen discriminar un subgrupo de pacientes que ostenta el peor comportamiento
clínico, aunque no tuvo representación del fenotipo más leve. El análisis bivariado documentó asociación con la muerte o
ingreso a UCI que no se mantuvo en el modelo multivariado.
Palabras clave: fenotipo, COVID-19, prognosis, hospitalización, SARS-CoV-2.
© 2022 Fundación Universitaria de Ciencias de la Salud - FUCS.
Este es un artículo Open Access bajo la licencia CC BY-NC-ND (https://creativecommons.org/licenses/by-nc-nd/4.0/).
de Medicina y Cirugía
89
REPERT MED CIR. 2022;31(Supl. Núm.1):87-95
Se llevó a cabo un estudio observacional de cohorte
retrospectivo en el que se incluyeron pacientes
hospitalizados en sala general o urgencias de dos hospitales
de tercer nivel de atención con diagnóstico de COVID-19,
conrmado por reacción en cadena de la polimerasa en
tiempo real (RT-PCR) durante septiembre 2020 y marzo
2021. Se tomó información de aquellos pacientes cuya
historia clínica se recuperó de estos dos hospitales y contó
con la autorización del comité de ética e investigaciones de
cada institución. Los criterios de exclusión fueron pacientes
menores de 18 años, aquellos que no contaran con todas las
variables predeterminadas para el uso de la calculadora de
probabilidad fenotípica FEN-COVID y pacientes a quienes
no se logró realizar seguimiento clínico a los 30 días de la
consulta a los centros de atención en salud.
Los pacientes fueron seleccionados a partir de los censos
diarios del servicio de medicina interna, que se encontraban
hospitalizados en las áreas de aislamiento respiratorio bajo
la sospecha o conrmación de la infección por SARS-COV2
de los hospitales de San José e Infantil Universitario de San
José, Bogotá DC, Colombia, durante el tiempo de recolección.
Se llevó a cabo la entrevista de los pacientes tamizados y
se solicitó la rma del consentimiento informado para la
vinculación al trabajo. Luego se procedió a diligenciar los
datos en un formato virtual dentro de la plataforma RED
CAP®, herramienta de acceso institucional. Ante la actual
situación de la pandemia por COVID-19 se siguieron los
protocolos de aislamiento y protección personal derivados
de los consensos locales e institucionales. Se incluyeron
datos de la historia clínica electrónica, como información
demográca, de presentación clínica, antecedentes y el
examen físico; después se consignaron los peores resultados
de laboratorio durante la hospitalización y las imágenes
diagnósticas realizadas durante el mismo periodo. Cada
caso recolectado se asignó a uno de tres fenotipos, según
la mayor probabilidad de pertenencia al aplicar la fórmula
derivada del modelo calculado por la aplicación virtual
de FEN-COVID (Phenotype-probability Calculation v 1.1.i,
accedido en http://fen-covid.com/index.html). Por último se
consignaron los desenlaces relacionados con el ingreso a la
unidad de cuidados intensivos y la muerte intrahospitalaria,
así como la duración de la estancia hospitalaria.
MÉTODOS
El estudio identicó tres fenotipos en los cuales las tasas
de mortalidad a 30 días fueron 2.5% (IC 95% 1.4-4.3%)
para el fenotipo A, 30.5% (IC 95% 28.5 – 32.6%) para
el B y 60.7% (IC 95% 53.7-67.2%) para el C. El objetivo
del presente estudio es llevar a cabo la aplicación de la
clasicación por fenotipos de FEN-COVID en una población
de pacientes hospitalizados por COVID-19 en dos hospitales
latinoamericanos de tercer nivel de atención y determinar
su asociación con desenlaces clínicos como complicaciones,
mortalidad e ingreso a unidades de cuidado intensivo.
El tamaño de la muestra fue establecido por conveniencia.
La descripción de las variables cuantitativas fue presentada
mediante medias y desviación estándar, para las medidas
de tendencia central se utilizaron medianas y rangos
intercuartílicos para las de dispersión según su distribución
y las variables cualitativas se presentan con frecuencias
absolutas y relativas. Se llevó a cabo un análisis bivariado
mediante T de Student para las variables cuantitativas y
Chi cuadrado para las cualitativas, deniendo diferencia
estadística signicativa con una probabilidad menor de
0.05. Se llevaron a cabo análisis bivariados tomando como
variable dependiente el ingreso a unidades de cuidados
intensivos o la muerte intrahospitalaria y como variables
independientes la pertenencia al fenotipo C, así como edad,
género, índice de masa corporal, tabaquismo, hipertensión
arterial, diabetes, falla cardiaca, enfermedad pulmonar
obstructiva crónica, relación neutrólos/linfocitos,
creatinina, deshidrogenasa láctica, troponina, proteína C
reactiva, ferritina y dímero D. En caso de que la asociación
fuera signicativa al obtener un valor de p menor de 0.5, la
variable se incluyó en el análisis multivariado mediante una
regresión logística múltiple.
El análisis de los datos se realizó en el programa R versión
4.0.2 (R Foundation, Vienna, Austria), las visualizaciones de
comorbilidades, complicaciones y resultados por fenotipo
clínico utilizando el paquete circlize para R.9
ANÁLISIS ESTADÍSTICO
Durante el periodo del estudio se recolectaron 143
pacientes que estuvieron hospitalizados en las dos
instituciones (45 en el Hospital de San José y 98 en el
Hospital Infantil Universitario de San José), de ellos se
contó con la información completa para el cálculo de la
probabilidad de pertenecer a los fenotipos estudiados en
126 casos entre los cuales se encontraron representados dos
fenotipos clínicos: fenotipo B con 108 (85,7%) y fenotipo C
con 18 (14,2%). Las características demográcas, clínicas y
paraclínicas de la población incluida en este estudio están
descritas en detalle en la tabla 1. El promedio de edad fue
58 años, sexo femenino 45 pacientes (35.7%) y el promedio
de duración de síntomas se sitúo en 15.9 días. Los síntomas
más frecuentes manifestados fueron tos (81%), disnea (81%)
y anosmia y disgeusia (42,9%); las comorbilidades más
frecuentes fueron hipertensión arterial (45.2%), diabetes
(23%), obesidad (21%) y enfermedad pulmonar obstructiva
crónica (19.0%). Los laboratorios mostraron predominio
de leucocitosis y neutrolia, así como bajos parámetros de
oxigenación (PaO2 55.9 mm Hg y PaFiO2 142.6 mm Hg/%).
RESULTADOS
de Medicina y Cirugía
90 REPERT MED CIR. 2022;31(Supl. Núm.1):87-95
Tabla 1. Características demográficas de la población
Característica Todos los pacientes
n = 126 Valor de p
Fenotipo B
n = 108
Fenotipo C
n = 18
Edad en años, promedio (DE) 59.3 (14.9) 58.9 (14.9) 62.1 (14.2) 0.398
Sexo femenino, n (%) 45 (35.7%) 40 (37%) 5 (27.8%) 0.555
Duración de los síntomas, días promedio (DE) 15.9 (9.9) 15.9 (10.2) 16 (8.5)0 .984
Edad en años, promedio (DE)
Síntomas, n (%)
Tos
Disnea
Anosmia y/o disgeusia
Dolor abdominal
Factores de riesgo, n (%)
Índice de Charlson, promedio (DE)
Tabaquismo, n (%)
Trabajador socio sanitario, n (%)
Comorbilidades, n (%)
Falla cardiaca
Enfermedad pulmonar obstructiva crónica
Diabetes
Hipertensión arterial
Hipercolesterolemia
Cáncer
Enfermedad cerebrovascular
Enfermedad renal crónica
Obesidad
59.3 (14.9)
102 (81%)
102 (81%)
54 (42.9%)
15 (11.9%)
90 (83.3%)
87 (80.6%)
43 (39.8%)
11 (10.2%)
12 (66.7%)
15 (83.3%)
11 (61.1%)
4 (22.2%)
0.228
0.850
0.173
0.328
2.4 (1.9)
19 (15.1%)
12 (9.5%)
2.3 (1.9)
16 (14.8%)
11 (10.2%)
3 (1.9)
3 (16.7%)
1 (5.6%)
0.211
0.194
0.777
Examen Físico
índice de masa corporal, promedio (DE)
Temperatura, promedio (DE)
Saturación O2, promedio (DE)
26.4 (4.5)
38.1 (1.1)
82.2 (8.4)
25.4 (4.6)
38 (1.1)
83.6 (6.93)
26.3 (3.8)
38.7 (0.6)
73.62 (11.46)
0.845
0.002
0.002
15 (11.9%)
24 (19.0%)
29 (23.0%)
57 (45.2%)
21 (16.7%)
5 (3.9%)
4 (3.2%)
9 (7.1%)
27 (21.4%)
11 (10.2%)
17 (15.7%)
24 (22.2%)
43 (39.8%)
18 (16.7%)
5 (3.7%)
4 (0.9%)
5 (4.6%)
21 (19.4%)
4 (22.2%)
7 (38.9%)
5 (27.8%)
14 (77.8%)
3 (16.7%)
0 (0%)
0 (0%)
4 (22.2%)
6 (33.3%)
0.473
0.063
0.156
0.005
0.904
0.630
<0.001
0.027
0.059
Laboratorios, promedio (DE)
Leucocitos
Presión arterial de oxígeno
Relación Pa/FiO2
Creatinina
Lactato deshidrogenasa
Proteína C reactiva
Dímero D
Ferritina
Troponina
GOT
GPT
Potasio
13006.1 (6121.5)
11075.4 (5748.2)
28.64 (174.4)
55.9 (14.3)
142.6 (82.8)
1.6 (1.8)
470.3 (365.5)
91.7 (88.6)
1017.8 (1639.4)
1250 (1148)
65.4 (516.9)
94.3 (189.8)
87.72 (150.9)
4.5 (3.4)
12144.3 (5694.3)
10201.3 (5260.1)
30.1 (187.8)
57.3 (14.4)
154.4 (82.4)
1.0 (0.6)
455.3 (382.8)
90.8 (92.1)
1041.5 (1671.4)
1173 (1193.3)
19.8 (97.7)
80.6 (127.0)
78.1 (119.7)
4.3 (3.6)
18176.1 (6199.0)
16319.8 (5901.2)
19.6 (24.0)
48 (11.2)
73.9 (41.7)
4.9 (2.7)
561 (228.4)
97.2 (65.3)
11532 (1422.5)
1674.8 (747.6)
136.1 (1278.5)
167.6 (381.1)
139.2 (262.9)
5.4 (0.7)
0.001
<0.001
0.192
0.006
<0.001
<0.001
0.126
0.716
0.202
0.024
0.356
0.413
0.408
0.007
58.9 (14.9) 62.1 (14.2) 0.398
DE: desviación estándar. Fuente: los autores.
de Medicina y Cirugía
91
REPERT MED CIR. 2022;31(Supl. Núm.1):87-95
Figura 1. Diagrama de cuerdas con la distribución de las características demográficas y factores de riesgo dependiendo de los diferentes
fenotipos. IMC: índice de masa corporal; HTA: hipertensión arterial; ICC: insuficiencia cardiaca congestiva; EPOC: enfermedad pulmonar
obstructiva crónica; ERC: enfermedad renal crónica. Fuente: los autores.
Como se observa en la tabla 1, al comparar el fenotipo
C con el B, en el primero hubo mayor frecuencia de
comorbilidades en especial enfermedad pulmonar
obstructiva crónica (38.9% vs 15.7%, p: 0.063). Además,
mostraron una tendencia a presentar mayor índice de masa
corporal (26.3 k/m² vs 25.4 k/m², p: 0.845) y temperatura
(38.7° vs 38°, p: 0.002), oximetrías más bajas (73.6% vs
83.6%, p: 0.002), así mismo mayor frecuencia de síntomas
extrapulmonares como anosmia, disgeusia (61.1% vs
39.8%, p: 0.173) y dolor abdominal (22.2% vs 10.2%, p:
0.328); también tuvo mayor recuento de leucocitos (18.2
103/ mm3 vs 12.1 103/ mm3, p: 0.001), niveles de ferritina
(1674.8 ng/mL vs 1173 ng/mL, p: 0.024), proteína C reactiva
(90.8 mg/dL vs 97.2 mg/dL p: 0.716), troponina (136.1 ng/L
vs 19.8 ng/L, p: 0.356), deshidrogenasa láctica (561 U/L
vs 455.3 U/L, p: 0.126) y transaminasas; al mismo tiempo
También se observa peor resultado en las escalas de
predicción clínica de sepsis, mayor disfunción orgánica y
desenlaces para el fenotipo C. predominando más casos de
choque séptico (50% vs 12%, p: <0.001), lesión miocárdica
(61.1% vs 21.3%, p: 0.002), sobreinfección bacteriana
(72.2% vs 31.5%, p: 0.003), lesión renal aguda (77.8% vs
18.5%, p:<0.001) y coagulopatía (11.1% vs 0%, p: 0.002),
de igual manera, mayor cantidad de casos con ingreso a UCI
(77.8% vs 45.4%, p: 0.013) y muertes (66.7% vs 28.6%, p:
<0.001) (tabla 2 y figura 2).
peores parámetros de oxigenación como PaO2 (48 mm Hg
vs 57.3 mm Hg, p: 0.006), Pa/FiO2 bajas (73.9 mm Hg/% vs
154.4 mm Hg/%, p: <0.001) y marcadores de lesión renal
como creatinina (4.9 vs 1, p: <0.001). La distribución de
características demográcas y comorbilidades se puede
observar en la figura 1.