Admission Predictors of In-Hospital Mortality and the Combined Outcome of Death or Invasive Mechanical Ventilation in Patients with COVID-19 During the Pre-Vaccination Era: A Retrospective Cohort Study

Este estudo de coorte retrospectivo identificou que idade, pH arterial, razão neutrófilo-linfócito, carga de comorbidades e creatinina sérica são preditores independentes de mortalidade hospitalar em pacientes com COVID-19 não vacinados, permitindo uma estratificação de risco precoce baseada em dados clinicamente disponíveis.

O essencial

Imagine que a pandemia de COVID-19, antes das vacinas, era como uma grande tempestade que atingiu o Brasil. Os médicos estavam no meio da chuva, tentando prever quem conseguiria atravessar a tempestade ileso e quem precisaria de ajuda extra para não se afogar.

Este estudo é como um mapa de sobrevivência desenhado por uma equipe de médicos de Goiânia (no Centro-Oeste do Brasil) que olharam para trás, para os primeiros meses da pandemia (antes das vacinas), para entender o que realmente determinava se um paciente ia sobreviver ou não.

Eles analisaram 482 pessoas que tiveram que ser internadas. Em vez de usar apenas a intuição, eles usaram a ciência para encontrar 5 "sinais de alerta" que apareciam logo na chegada ao hospital e que diziam muito sobre o futuro do paciente.

Aqui está a explicação simples, usando analogias do dia a dia:

1. A Idade (O "Motor" do Carro)

• O que o estudo diz: Quanto mais velho o paciente, maior o risco.
• A analogia: Pense no corpo como um carro. Um carro novo (jovem) aguenta melhor um buraco na estrada. Um carro mais velho (idoso) tem mais desgaste nas peças e é mais frágil. Neste estudo, a idade foi o fator mais forte: a cada 10 anos a mais, o risco de não sobreviver aumentava significativamente. O corpo idoso tem menos "reserva" para lutar contra a tempestade.

2. O pH do Sangue (O "Termostato" do Corpo)

• O que o estudo diz: Pacientes com o sangue mais ácido (pH mais baixo) tinham mais chances de morrer.
• A analogia: Imagine que o seu corpo é uma piscina de água. Para as plantas (nossas células) viverem, a água precisa ter um equilíbrio químico perfeito. Se a água fica muito ácida (como se alguém jogasse limão demais), as plantas morrem.
  • O estudo descobriu que, mesmo que a pessoa não parecesse muito doente por fora, se o "pH da piscina" estivesse desequilibrado (ácido), era um sinal de que o corpo estava em grande dificuldade, como um motor superaquecido. Era um aviso silencioso, mas perigoso.

3. A Relação Neutrófilos/Linfócitos (O "Exército" em Desordem)

• O que o estudo diz: Um número alto de glóbulos brancos de ataque (neutrófilos) combinado com poucos glóbulos de defesa (linfócitos) era um mau sinal.
• A analogia: Imagine que seu corpo é uma fortaleza.
  • Os Neutrófilos são os soldados que correm para a frente de batalha gritando e causando confusão (inflamação).
  • Os Linfócitos são os estrategistas e generais que organizam a defesa de longo prazo.
  • Quando o número de "soldados gritões" é enorme e os "generais" são poucos, a fortaleza entra em caos. O corpo começa a se atacar a si mesmo. O estudo mostrou que essa "desordem no exército" era um forte preditor de que a batalha seria perdida.

4. O Número de Doenças Anteriores (O "Peso na Mochila")

• O que o estudo diz: Quanto mais doenças a pessoa já tinha (diabetes, pressão alta, problemas no coração, etc.), pior o resultado.
• A analogia: Imagine que enfrentar o vírus é como subir uma montanha íngreme.
  • Uma pessoa saudável está subindo com uma mochila leve.
  • Uma pessoa com várias doenças está subindo a mesma montanha, mas carregando uma mochila cheia de pedras (diabetes, pressão alta, problemas renais).
  • Quanto mais pesado o "peso na mochila", mais difícil é chegar ao topo. O estudo mostrou que não importava tanto qual era a pedra, mas sim quantas pedras a pessoa carregava.

5. A Creatinina (O "Filtro" do Corpo)

• O que o estudo diz: Níveis altos de creatinina no sangue indicavam risco de morte.
• A analogia: Seus rins são como filtros de água de uma casa. Se a água que sai do filtro está suja (alta creatinina), significa que o filtro está entupido ou quebrado.
  • Quando os filtros do corpo param de funcionar bem, as toxinas se acumulam. O estudo mostrou que, se os "filtros" do paciente já estavam falhando no momento da chegada, o corpo tinha menos chance de se recuperar da tempestade.

O Que Eles Viram nos Raios-X (Tomografia)?

Eles também olharam para os pulmões através de tomografias.

• A analogia: Não importava tanto a "forma" da mancha no pulmão (se era redonda ou irregular), mas sim quanto da "floresta" estava pegando fogo.
• Se mais de 50% dos pulmões estavam afetados (a floresta quase toda em chamas), o risco de morte triplicava. Era a extensão do dano que importava, não apenas o desenho da fumaça.

Conclusão Simples

A grande lição deste estudo é que, na hora da chegada ao hospital, os médicos não precisavam de testes complicados ou caros para ter uma ideia do risco. Eles só precisavam olhar para:

1. A idade.
2. O pH do sangue (ácido ou não).
3. O desequilíbrio do "exército" de defesa.
4. O peso das doenças antigas.
5. A saúde dos filtros renais.

Esses 5 sinais, juntos, funcionavam como um sistema de alerta precoce. Se eles estavam todos vermelhos, a equipe médica sabia que precisava preparar a "batalha" com mais força e cuidado, pois a tempestade seria muito difícil de atravessar.

Isso é especialmente importante porque foi feito antes das vacinas, mostrando como o vírus agia de forma natural e brutal, servindo como um lembrete de como o corpo humano reage quando está sozinho contra um inimigo novo.

Resumo técnico

Título do Estudo

Preditores de Admissão de Mortalidade Hospitalar e do Desfecho Combinado de Morte ou Ventilação Mecânica Invasiva em Pacientes com COVID-19 na Era Pré-Vacinal: Um Estudo de Coorte Retrospectivo.

---

1. O Problema e o Contexto

Durante a fase inicial da pandemia de COVID-19 (pré-vacinação), os hospitais enfrentaram pressão sem precedentes e a tomada de decisão clínica dependia fortemente de evidências observacionais. Embora existissem diversos estudos sobre preditores de gravidade, muitos apresentavam limitações metodológicas, conjuntos de dados incompletos ou ajustes insuficientes para fatores de confusão.
Especificamente no Brasil, a maioria dos dados publicados originou-se de grandes centros metropolitanos das regiões Sul, Sudeste e Nordeste, deixando a região Centro-Oeste subrepresentada, apesar de suas características demográficas e de saúde distintas. Além disso, poucos estudos integraram sistematicamente a apresentação clínica, parâmetros laboratoriais (incluindo gasometria arterial) e achados de tomografia computadorizada (TC) de tórax em uma única coorte bem caracterizada. O objetivo deste estudo foi preencher essa lacuna, analisando uma coorte de pacientes na região Centro-Oeste do Brasil antes do início da vacinação.

2. Metodologia

• Desenho do Estudo: Coorte retrospectiva, observacional e unicêntrica.
• Local e Período: Hospital do Coração Anis Rassi (HCAR), Goiânia, Goiás (Centro-Oeste do Brasil), entre 13 de março de 2020 e 28 de janeiro de 2021 (fase pré-vacinal).
• População: 482 adultos consecutivos (idade mediana: 61 anos; 64,3% homens) com infecção confirmada por RT-PCR para SARS-CoV-2 e que necessitaram de internação.
• Critérios de Exclusão: Pacientes que deixaram o hospital contra o conselho médico, transferências antes do desfecho definitivo ou óbitos não atribuíveis à COVID-19.
• Variáveis Coletadas: Dados demográficos, sinais vitais, sintomas, comorbidades, parâmetros laboratoriais completos (incluindo hemograma, marcadores bioquímicos, coagulação e gasometria arterial) e achados de TC de tórax (disponíveis para 424 pacientes), todos coletados nas primeiras 48 horas de admissão.
• Análise Estatística:
  • Regressão logística univariada para 76 variáveis.
  • Regressão logística multivariada com seleção a priori de variáveis baseada em relevância clínica e representação de domínios fisiopatológicos distintos.
  • Análise de caso completo (sem imputação de dados faltantes).
  • Desfechos primários: Mortalidade hospitalar. Desfecho secundário: Morte ou necessidade de ventilação mecânica invasiva (VMI).

3. Principais Contribuições e Resultados

Desfechos Gerais

• Mortalidade Hospitalar: 9,3% (45/482 pacientes).
• Ventilação Mecânica Invasiva: Necessária em 15,4% (74 pacientes), com uma taxa de mortalidade de 58,1% entre os ventilados.
• Tempo de Internação: Mediana de 8 dias (IQR 5–12), significativamente maior para os não sobreviventes (13 dias).

Preditores Independentes de Mortalidade (Análise Multivariada)

O estudo identificou cinco variáveis independentes de admissão associadas à mortalidade, representando diferentes domínios fisiopatológicos:

1. Idade: A cada 10 anos de aumento, o risco ajustado de morte aumentou 66% (OR 1,66; IC 95% 1,19–2,32; p=0,003).
2. pH Arterial: Um aumento de 0,1 unidade no pH reduziu o risco de morte em 53% (OR 0,47; IC 95% 0,25–0,89; p=0,021). Pacientes não sobreviventes apresentavam acidemia (pH mediano 7,40 vs. 7,42).
3. Razão Neutrófilo-Linfócito (NLR): A cada unidade de aumento, o risco aumentou 30% (OR 1,30; IC 95% 1,18–1,44; p<0,001), refletindo desregulação imunológica e inflamação sistêmica.
4. Número de Comorbidades: A cada comorbidade adicional, o risco aumentou 59% (OR 1,59; IC 95% 1,25–2,02; p<0,001).
5. Creatinina Sérica: A cada unidade de aumento, o risco aumentou 37% (OR 1,37; IC 95% 1,05–1,77; p=0,019), indicando disfunção renal como fator de risco.

Nota: O modelo demonstrou boa calibração e poder explicativo moderado a alto (Nagelkerke R² = 0,43).

Achados de Tomografia Computadorizada (TC)

A TC foi analisada apenas em modelos univariados e descritivos. O padrão predominante foi opacidade em vidro fosco (76,6%). O achado mais relevante foi a extensão do envolvimento pulmonar: envolvimento >50% foi associado a um risco quase três vezes maior de morte (OR 2,87; p=0,003) em comparação com envolvimento <50%. Padrões morfológicos específicos não diferiram significativamente entre sobreviventes e não sobreviventes.

Desfecho Combinado (Morte ou VMI)

Para o desfecho composto, quatro dos cinco preditores (Idade, pH, NLR e Comorbidades) permaneceram significativos. A creatinina apresentou uma tendência não significativa (p=0,069), sugerindo que a disfunção renal é um preditor mais forte para o desfecho fatal do que apenas para a progressão para ventilação mecânica.

4. Significância e Conclusão

• Valor Clínico: O estudo valida que dados rotineiramente disponíveis na admissão (idade, gasometria arterial, hemograma e creatinina) são suficientes para estratificação de risco robusta na fase pré-vacinal.
• Inovação Fisiopatológica: A identificação do pH arterial como um preditor independente, além dos marcadores inflamatórios e renais, destaca a importância da homeostase ácido-base e da decompensação metabólica na progressão fatal da doença.
• Representatividade Regional: Preenche uma lacuna crítica de dados na região Centro-Oeste do Brasil, fornecendo uma linha de base para o comportamento natural da doença antes da modulação por vacinas e tratamentos padronizados.
• Limitações: Design retrospectivo, tamanho limitado de eventos (45 óbitos) e falta de validação externa. As variáveis de TC não foram incluídas no modelo multivariado devido à disponibilidade incompleta e colinearidade.

Em suma, este estudo fornece um framework de referência para a avaliação de risco precoce em pacientes com COVID-19, enfatizando que a carga de comorbidades, a idade, a acidemia, a inflamação sistêmica (NLR) e a função renal são os pilares centrais para prever a mortalidade hospitalar nesta população.