4C Mortality Score: Estratificação de risco de pacientes admitidos com Covid-19

Novo escore pode ajudar na estratificação de risco de mortalidade de Covid-19. Saiba mais sobre o 4C Mortality Score.

Algumas das dúvidas principais que permeiam a mente dos médicos que estão na linha de frente no atendimento aos pacientes com a síndrome Covid-19, associada ao vírus SARS-CoV-2, que chegam às emergências dos hospitais, consistem em: “Qual o risco de morte desse paciente? Qual a melhor decisão clínica: internação ou acompanhamento ambulatorial?”

Durante a atual pandemia, o influxo significativamente elevado de pacientes sintomáticos respiratórios em emergências, que necessitam de assistência rápida e decisão clínica acurada para o devido cuidado ao paciente, reforça a necessidade de instrumentos úteis à melhor orientação das condutas. Com o intuito de responder a essas perguntas da melhor forma, alguns esforços foram propostos, e aqui destacamos o estudo realizado por Knight et al. (2020) e publicado em setembro de 2020, como descrito abaixo.

mulher com covid-19 agurdando estratificação de risco

Estratificação de risco de Covid-19

Com o objetivo de desenvolver um escore para a avaliação de risco de morte em pacientes admitidos ao serviço hospitalar com a síndrome Covid-19, os pesquisadores do grupo International Severe Acute Respiratory and emerging Infections Consortium (ISARIC) da Organização Mundial de Saúde (OMS) realizaram um estudo de coorte observacional prospectivo com a proposta 4C Mortality Score incluindo a finalidade de validação desse score.

O estudo foi denominado Clinical Characterisation Protocol UK (CCP-UK) e desenvolvido pelo ISARIC Coronavirus Clinical Characterisation Consortium (ISARIC-4C) e incluiu 260 hospitais na Inglaterra, Escócia e Wales. O estudo piloto foi realizado em uma coorte de pacientes recrutados entre 6 de fevereiro de 2020 e 20 de maio de 2020 com Covid-19 confirmada.

A validação foi conduzida em uma segunda coorte com pacientes adultos (≥ 18 anos) com infecção por SARS-CoV-2 confirmada recrutados entre 21 de maio de 2020 e 29 de junho de 2020. Foram incluídos 35.463 pacientes (taxa de mortalidade de 32,2%) na primeira coorte, e 22.361 casos na coorte de validação (taxa de mortalidade de 30,1%). A informação clínica foi coletada na admissão do doente na unidade de saúde. Foram também calculados outros escores de estratificação publicados anteriormente e comparados com o proposto nesse trabalho.

Como calcular?

O 4C Mortality Score final incluiu oito variáveis prontamente disponíveis na avaliação inicial no hospital:

  • Idade;
  • Sexo;
  • Número de comorbidades;
  • Frequência respiratória;
  • Saturação de oxigênio periférica;
  • Nível de consciência;
  • Nível de uréia sérica;
  • Proteína C reativa.

Dentre as comorbidades, foram consideradas de acordo com o índice de comorbidade de Charlson modificado como: doença cardíaca crônica, doença respiratória crônica (excluindo asma), doença renal crônica, doença hepática moderada a grave, demência, condições neurológicas crônicas, doença de tecido conjuntivo, diabetes melito, HIV ou AIDS, e neoplasias malignas. A obesidade foi adicionalmente incluída como comorbidade. Foram excluídos também hipertensão arterial, infarto agudo do miocárdio prévio e convulsão.

Os valores adotados para os diferentes parâmetros estão descritos na Tabela 1.

Leia também: Entre liberações e interrupções: como funcionam os ensaios clínicos de vacinas?

Tabela 1: 4C Mortality Score para cálculo do risco de morte em pacientes com Covid-19 em ambiente hospitalar. Índice prognóstico derivado por modelo de regressão logística.

Variável Valores para 4C Mortality Score 
Idade (anos)
< 50
50-59 +2
60-69 +4
70-79 +6
80 +7
Sexo ao nascer
Feminino
Masculino +1
No. de comorbidades
0
1 +1
≥2 +2
Frequência respiratória (irpm)
<20
20-29 +1
≥30 +2
Saturação de oxigênio periférico em ar ambiente (%)
≥92
<92 +2
Score na Escala de Coma de Glasgow
15
<15 +2
Uréia (mmol/L)
7
7-14 +1
>14 +3
Proteína C reativa (mg/dL)
<50
50-99 +1
≥100 +2

O 4C Mortality Score varia entre entre 0 a 21 pontos na soma de valores possíveis, e em sua implementação apresentou alta discriminação para mortalidade com excelente calibração. Os pacientes com score ≥ 15 pontos (n = 4158, 19%) apresentaram uma taxa de mortalidade de 62% (valor preditivo positivo de 62%) comparado com 1% de taxa de mortalidade para aqueles com score ≤ 3 (n = 1650, 7%, valor preditivo negativo 99%).

Esse score pragmático e clinicamente aplicável apresentou resultados que superaram outras ferramentas de estratificação de risco aplicados ao Covid-19 como SOFA, qSOFA, Surgisphere, SMARTCOP, NEWS, DL score, SCAP, CRB65, COVID-GRAM, DS-CRB65, CURB65, A-DROP e outros. Também apresentou utilidade na decisão clínica, e apresentou performance similar aos modelos mais complexos utilizados em outros estudos.

Alguns outros modelos como APACHE II não puderam ser comparados e outras poucas limitações foram apresentadas no manuscrito.

A versão em inglês se encontra em seu site. Em breve, uma versão em português será publicada no Whitebook.

Outros detalhes sobre a problemática da avaliação de risco em pacientes com Covid-19 podem ser analisados nas referências abaixo.

Referências bibliográficas:

  • Caramelo F, Ferreira N, Oliveiros B. Estimation of risk factors for COVID-19 mortality – preliminary results. medRxiv. 2020.
  • Docherty AB, Harrison EM, Green CA, et al, ISARIC4C Investigators. Features of 20133 UK patients in hospital with covid-19 using the ISARIC WHO Clinical Characterisation Protocol: prospective observational cohort study. 2020.
  • Dunning JW, Merson L, Rohde GGU, et al, ISARIC Working Group 3, ISARIC Council. Open source clinical science for emerging infections. Lancet Infect Dis 2014;14:8-9.
  • Gupta RK, Marks M, Samuels THA, Luintel A, Rampling T, Chowdhury H, et al. Systematic evaluation and external validation of 22 prognostic models among hospitalised adults with COVID-19: an observational cohort study. medRxiv. 2020.
  • Knight SR, Ho A, Pius R, Buchan I, Carson G, Drake TM, Dunning J, Fairfield CJ, Gamble C, Green CA, Gupta R, Halpin S, Hardwick HE, Holden KA, Horby PW, Jackson C, Mclean KA, Merson L, Nguyen-Van-Tam JS, Norman L, Noursadeghi M, Olliaro PL, Pritchard MG, Russell CD, Shaw CA, Sheikh A, Solomon T, Sudlow C, Swann OV, Turtle LC, Openshaw PJ, Baillie JK, Semple MG, Docherty AB, Harrison EM; ISARIC4C investigators. Risk stratification of patients admitted to hospital with covid-19 using the ISARIC WHO Clinical Characterisation Protocol: development and validation of the 4C Mortality Score. BMJ. 2020 Sep 9;370:m3339.
  • Moons KGM, Altman DG, Reitsma JB, et al. Transparent Reporting of a multivariable prediction model for Individual Prognosis or Diagnosis (TRIPOD): explanation and elaboration. Ann Intern Med 2015;162:W1-73.
  • Williams RD, Markus AF, Yang C, Salles TD, Falconer T, Jonnagaddala J, et al. Seek COVER: Development and validation of a personalized risk calculator for COVID-19 outcomes in an international network. medRxiv. 2020.
  • Wynants L, Calster BV, Bonten MMJ, et al. Prediction models for diagnosis and prognosis of covid-19 infection: systematic review and critical appraisal. 2020.
  • Zhang H, Shi T, Wu X, Zhang Z, Wang K, Bean D, et al. Risk prediction for poor outcome and death in hospital in-patients with COVID-19: derivation in Wuhan, China and external validation in London, UK. medRxiv. 2020.

Avaliar artigo

Dê sua nota para esse conteúdo

Selecione o motivo:
Errado
Incompleto
Desatualizado
Confuso
Outros

Sucesso!

Sua avaliação foi registrada com sucesso.

Avaliar artigo

Dê sua nota para esse conteúdo.

Você avaliou esse artigo

Sua avaliação foi registrada com sucesso.

Baixe o Whitebook Tenha o melhor suporte
na sua tomada de decisão.