Objetivos: El uso de herramientas de valoración cognitiva computarizada se ha popularizado en los últimos años en entornos clínicos y de investigación. Estos dispositivos proporcionan distintas ventajas frente a la evaluación tradicional. Su uso se ha extendido aplicándose a diversos grupos clínicos como son los trastornos neurocognitivos, constituyendo una herramienta útil de detección clínica en distintos grupos de pacientes.

Material y métodos: Se incluyeron 277 sujetos sanos y 246 pacientes que consultaron por síntomas cognitivos y fatiga pos-COVID. Se utilizó un análisis de componentes principales para explorar la estructura de componentes de la batería computarizada autoadministrada Vienna Test System. Posteriormente, se evaluó el impacto de los factores demográficos en los componentes identificados y se comparó el rendimiento entre controles y pacientes long COVID.

Resultados: Cuatro componentes explicaron la mayor parte de la varianza (63,04%): atención básica, memoria episódica, velocidad de procesamiento y función ejecutiva. El efecto de las variables demográficas mostró una baja correlación con todos los dominios, mostrando la edad mayor correlación con el dominio memoria y velocidad de procesamiento. Los pacientes con pos-COVID mostraron peores puntuaciones en el primer y tercer componente, y una tendencia hacia la significación estadística en el segundo componente. Se observaron correlaciones significativas moderadas con test tradicionales que evaluaron los mismos dominios cognitivos.

Conclusión: El uso de dispositivos computarizados puede facilitar la detección y el diagnóstico de déficits cognitivos en numerosos grupos de pacientes. Nuestro estudio demuestra la consistencia de la batería Vienna Test System, y valida su uso en pacientes con long COVID.