Reducirse al “trío clásico” de síntomas de Covid-19 olvida a un tercio de los casos positivos

Tos, fiebre y pérdida de olfato es el “trío clásico” de síntomas que marcan el triaje de la Covid-19 actualmente y que determinan cuándo una persona es apta para realizar una prueba PCR de confirmación. Sin embargo, reducirse a esta triada puede resultar un grave error, según acaban de confirmar investigadores del King’s College London. En concreto, los científicos aseguran que extender la lista de síntomas para incluir fatiga, dolor de garganta, dolor de cabeza y diarrea habría detectado el 96% de los casos sintomáticos, lo que permitiría diagnostica millones de casos que no han sido confirmados. Estos hallazgos, publicados en la revista científica Journal of Infection, se basan en datos de 122.000 usuarios adultos del Reino Unido obtenidos a través de la aplicación Zoe Covid Symptom Study que se sometieron a pruebas de PCR.

El profesor Tim Spector, científico principal de la aplicación Zoe y profesor de epidemiología genética en el King’s College de Londres, asegura que deberían incluirse más síntomas: “Sabemos desde el principio que con solo centrar las pruebas en la tríada clásica de tos, fiebre y anosmia se pierde una proporción significativa de casos positivos”. Si bien la prueba con hisopo de PCR es la forma más confiable de saber si alguien está infectado con el coronavirus SARS-CoV-2 que causa la Covid-19, el análisis de este equipo sugiere que la lista limitada de tres síntomas deja por el camino muchos casos positivos sin diagnosticar. Ejemplo de ello, según Spector, es que “identificamos la anosmia como un síntoma en mayo y nuestro trabajo llevó al Gobierno a agregarlo a la lista; ahora está claro que necesitamos agregar más. “Al invitar a cualquier persona que registre cualquier síntoma nuevo a hacerse una prueba, confirmamos que hay muchos más síntomas de Covid-19 que estaban pasando desapercibidos y que pueden resultar determinantes ante un diagnóstico temprano″.

En concreto, el detalle de la investigación revela que hacer pruebas a las personas con cualquiera de los tres síntomas “clásicos” habría detectado el 69% de los casos sintomáticos, con 46 personas negativas por cada persona positiva. Sin embargo, evaluar a las personas con cualquiera de los siete síntomas clave (tos, fiebre, anosmia, fatiga, dolor de cabeza, dolor de garganta y diarrea) en los primeros tres días de la enfermedad habría detectado el 96% de los casos sintomáticos. En este caso, por cada persona con la enfermedad identificada, 95 resultarían negativas.

Los investigadores también encontraron que los usuarios de la aplicación Symptom Study eran más propensos a seleccionar dolor de cabeza y diarrea dentro de los primeros tres días de síntomas, y fiebre durante los primeros siete días, lo que refleja diferentes tiempos de síntomas en el curso de la enfermedad. Así, los datos de la aplicación ZOE muestran que el 31% de las personas que están enfermas con Covid-19 no tienen ninguno de los síntomas de la tríada en las primeras etapas de la enfermedad, cuando son más infecciosos.

Los investigadores aplicaron un algoritmo evolutivo multiobjetivo (MOEA) para generar un conjunto de combinaciones óptimas de síntomas, cada una caracterizada por un buen equilibrio entre especificidad y sensibilidad. El 46% de las personas positivas Covid-19 informaron tos o disnea (dificultad para respirar) dentro de los primeros tres días de la aparición de los síntomas. Cuando los usuarios informaron fiebre, la sensibilidad aumentó al 60%, mientras que el registro de anosmia / ageusia aumentó la sensibilidad al 69%. Cuando se agregó dolor de cabeza y fatiga, la proporción de casos de Covid-19 aumentó al 92%, pero las pruebas por caso se duplicaron.

Los hallazgos pueden ser valiosos en situaciones donde hay una capacidad de prueba limitada. Los investigadores sugieren una variedad de combinaciones óptimas de síntomas que podrían usarse en ensayos de eficacia de vacunas o en entornos de salud pública, al evaluar los recursos financieros y logísticos. En este sentido, el profesor Sebastien Ourselin, miembro del King’s College London, asegura que “la identificación de esta combinación de síntomas a través de la aplicación COVID Symptom Study es otra demostración principal del valor del análisis de big data y la tecnología de salud móvil para respaldar la gestión de esta pandemia. Los síntomas autoinformados diarios desde una aplicación móvil a la escala de todo un país han ofrecido una nueva perspectiva para la investigación de salud pública y la respuesta a la rápida propagación de enfermedades infecciosas como Covid-19 “.