La identificación precoz de pacientes con alto riesgo de mortalidad por COVID-19 podría mejorar su pronóstico y optimizar la gestión de recursos en futuras pandemias. En este estudio, se utilizan herramientas de Big Data para integrar y analizar 4408 variables clínicas, de laboratorio, microRNAs y metabolómicas en una cohorte de 95 pacientes. Mediante un proceso de depuración en cuatro etapas -que incluyó reducción de dimensionalidad con PCA, LASSO, ELASTICNET y MOFA- se seleccionaron 75 variables para desarrollar algoritmos de predicción de mortalidad, posteriormente validados en un grupo independiente. Los resultados demostraron que un conjunto reducido de biomarcadores moleculares, medidos dentro de las primeras 72 horas de hospitalización, permite predecir con precisión el riesgo de fallecimiento en pacientes con COVID-19. Este enfoque multiómico, facilitado por técnicas de Big Data, ofrece una herramienta prometedora para la toma de decisiones clínicas tempranas.
Predicción precoz de la supervivencia en pacientes ingresados por COVID-19 con una aproximación integrada con variables ómicas
Martínez González, O. (Autor/a). jul 2025
Tesis doctoral: Tesina (TFM)
Martínez González, O. (Autor/a),
Suppi Boldrito, R. (Director/a),
jul 2025Tesis doctoral: Tesina (TFM)
Tesis doctoral: Tesina (TFM)