array:22 [ "pii" => "S0033833824000924" "issn" => "00338338" "doi" => "10.1016/j.rx.2024.05.010" "estado" => "S200" "fechaPublicacion" => "2024-08-01" "aid" => "1612" "copyright" => "SERAM" "copyrightAnyo" => "2024" "documento" => "article" "crossmark" => 0 "subdocumento" => "fla" "abierto" => array:3 [ "ES" => false "ES2" => false "LATM" => false ] "gratuito" => false "lecturas" => array:1 [ "total" => 0 ] "itemSiguiente" => array:17 [ "pii" => "S003383382400095X" "issn" => "00338338" "doi" => "10.1016/j.rx.2024.05.014" "estado" => "S200" "fechaPublicacion" => "2024-08-01" "aid" => "1616" "copyright" => "SERAM" "documento" => "simple-article" "crossmark" => 0 "subdocumento" => "crp" "abierto" => array:3 [ "ES" => false "ES2" => false "LATM" => false ] "gratuito" => false "lecturas" => array:1 [ "total" => 0 ] "es" => array:12 [ "idiomaDefecto" => true "cabecera" => "<span class="elsevierStyleTextfn">CARTA CIENTÍFICA</span>" "titulo" => "Diagnóstico prepuberal y manejo radiológico del síndrome OHVIRA" "tienePdf" => "es" "tieneTextoCompleto" => "es" "tieneResumen" => "es" "contieneResumen" => array:1 [ "es" => true ] "contieneTextoCompleto" => array:1 [ "es" => true ] "contienePdf" => array:1 [ "es" => true ] "resumenGrafico" => array:2 [ "original" => 1 "multimedia" => array:5 [ "identificador" => "fig0015" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => false "mostrarDisplay" => true "figura" => array:1 [ 0 => array:4 [ "imagen" => "fx1.jpeg" "Alto" => 750 "Ancho" => 1333 "Tamanyo" => 161260 ] ] ] ] "autores" => array:1 [ 0 => array:2 [ "autoresLista" => "E. Pascual Pérez, P. Briceño Torralba, A. Aranaz Murillo" "autores" => array:3 [ 0 => array:2 [ "nombre" => "E." "apellidos" => "Pascual Pérez" ] 1 => array:2 [ "nombre" => "P." "apellidos" => "Briceño Torralba" ] 2 => array:2 [ "nombre" => "A." "apellidos" => "Aranaz Murillo" ] ] ] ] "resumen" => array:1 [ 0 => array:3 [ "titulo" => "Graphical abstract" "clase" => "graphical" "resumen" => "<span id="abst0005" class="elsevierStyleSection elsevierViewall"><p id="spar0005" class="elsevierStyleSimplePara elsevierViewall"><elsevierMultimedia ident="fig0015"></elsevierMultimedia></p></span>" ] ] ] "idiomaDefecto" => "es" "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S003383382400095X?idApp=UINPBA00004N" "url" => "/00338338/unassign/S003383382400095X/v1_202408010421/es/main.assets" ] "itemAnterior" => array:17 [ "pii" => "S0033833822001308" "issn" => "00338338" "doi" => "10.1016/j.rx.2022.03.008" "estado" => "S200" "fechaPublicacion" => "2022-07-15" "aid" => "1387" "copyright" => "SERAM" "documento" => "article" "crossmark" => 0 "subdocumento" => "fla" "abierto" => array:3 [ "ES" => false "ES2" => false "LATM" => false ] "gratuito" => false "lecturas" => array:1 [ "total" => 0 ] "es" => array:12 [ "idiomaDefecto" => true "cabecera" => "<span class="elsevierStyleTextfn">Artículo del residente</span>" "titulo" => "Complicaciones de la rinosinusitis aguda. Una revisión clínica radiológica" "tienePdf" => "es" "tieneTextoCompleto" => "es" "tieneResumen" => array:2 [ 0 => "es" 1 => "en" ] "titulosAlternativos" => array:1 [ "en" => array:1 [ "titulo" => "Complications of acute rhinossinusitis. a clinical radiological review" ] ] "contieneResumen" => array:2 [ "es" => true "en" => true ] "contieneTextoCompleto" => array:1 [ "es" => true ] "contienePdf" => array:1 [ "es" => true ] "resumenGrafico" => array:2 [ "original" => 0 "multimedia" => array:7 [ "identificador" => "fig0035" "etiqueta" => "Figura 7" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => true "mostrarDisplay" => false "figura" => array:1 [ 0 => array:4 [ "imagen" => "gr7.jpeg" "Alto" => 539 "Ancho" => 1005 "Tamanyo" => 70483 ] ] "descripcion" => array:1 [ "es" => "<p id="spar0055" class="elsevierStyleSimplePara elsevierViewall">Osteomielitis del clivus. A) TAC sagital sin contraste, con ventana ósea, que muestra una extensa erosión ósea cortical y desmineralización ósea trabecular del clivus y la silla turca. La T2WI FLAIR sagital con saturación de grasa (B), la T1WI precontraste (C) y la T1WI poscontraste (D) muestran una señal alta en T2, una señal baja en T1 y un realce heterogéneo del clivus adyacente al seno esfenoidal, lo que concuerda con una osteomielitis de la base del cráneo central.</p>" ] ] ] "autores" => array:1 [ 0 => array:2 [ "autoresLista" => "P. Carvalho dos Santos, P. Costa, I. Carvalho, C. Sousa" "autores" => array:4 [ 0 => array:2 [ "nombre" => "P." "apellidos" => "Carvalho dos Santos" ] 1 => array:2 [ "nombre" => "P." "apellidos" => "Costa" ] 2 => array:2 [ "nombre" => "I." "apellidos" => "Carvalho" ] 3 => array:2 [ "nombre" => "C." "apellidos" => "Sousa" ] ] ] ] ] "idiomaDefecto" => "es" "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S0033833822001308?idApp=UINPBA00004N" "url" => "/00338338/unassign/S0033833822001308/v1_202207150540/es/main.assets" ] "es" => array:19 [ "idiomaDefecto" => true "cabecera" => "<span class="elsevierStyleTextfn">Original</span>" "titulo" => "Valor pronóstico de la extensión del parénquima pulmonar afectado en la neumonía COVID-19: estimación visual versus cuantificación automática por inteligencia artificial" "tieneTextoCompleto" => true "autores" => array:1 [ 0 => array:4 [ "autoresLista" => "I. Soriano Aguadero, A. Ezponda Casajús, A. Paternain Nuin, M. Vidorreta, G. Bastarrika Alemañ" "autores" => array:5 [ 0 => array:4 [ "nombre" => "I." "apellidos" => "Soriano Aguadero" "email" => array:1 [ 0 => "isoriano@unav.es" ] "referencia" => array:2 [ 0 => array:2 [ "etiqueta" => "<span class="elsevierStyleSup">a</span>" "identificador" => "aff0005" ] 1 => array:2 [ "etiqueta" => "<span class="elsevierStyleSup">*</span>" "identificador" => "cor0005" ] ] ] 1 => array:3 [ "nombre" => "A." "apellidos" => "Ezponda Casajús" "referencia" => array:1 [ 0 => array:2 [ "etiqueta" => "<span class="elsevierStyleSup">b</span>" "identificador" => "aff0010" ] ] ] 2 => array:3 [ "nombre" => "A." "apellidos" => "Paternain Nuin" "referencia" => array:1 [ 0 => array:2 [ "etiqueta" => "<span class="elsevierStyleSup">b</span>" "identificador" => "aff0010" ] ] ] 3 => array:3 [ "nombre" => "M." "apellidos" => "Vidorreta" "referencia" => array:1 [ 0 => array:2 [ "etiqueta" => "<span class="elsevierStyleSup">c</span>" "identificador" => "aff0015" ] ] ] 4 => array:3 [ "nombre" => "G." "apellidos" => "Bastarrika Alemañ" "referencia" => array:1 [ 0 => array:2 [ "etiqueta" => "<span class="elsevierStyleSup">b</span>" "identificador" => "aff0010" ] ] ] ] "afiliaciones" => array:3 [ 0 => array:3 [ "entidad" => "Servicio de Radiodiagnóstico, Hospital Universitario de Navarra, Pamplona, Navarra, España" "etiqueta" => "a" "identificador" => "aff0005" ] 1 => array:3 [ "entidad" => "Servicio de Radiodiagnóstico, Clínica Universidad de Navarra, Pamplona, Navarra, España" "etiqueta" => "b" "identificador" => "aff0010" ] 2 => array:3 [ "entidad" => "Siemens Healthcare, Madrid, España" "etiqueta" => "c" "identificador" => "aff0015" ] ] "correspondencia" => array:1 [ 0 => array:3 [ "identificador" => "cor0005" "etiqueta" => "⁎" "correspondencia" => "Autor para correspondencia." ] ] ] ] "titulosAlternativos" => array:1 [ "en" => array:1 [ "titulo" => "Prognostic value of the extent of affected lung parenchyma in COVID-19 pneumonia patients: Visual estimation versus automatic quantification by artificial intelligence" ] ] "resumenGrafico" => array:2 [ "original" => 1 "multimedia" => array:5 [ "identificador" => "fig0030" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => false "mostrarDisplay" => true "figura" => array:1 [ 0 => array:4 [ "imagen" => "fx1.jpeg" "Alto" => 753 "Ancho" => 1333 "Tamanyo" => 239776 ] ] ] ] "textoCompleto" => "<span class="elsevierStyleSections"><span id="sec0005" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0070">Introducción</span><p id="par0005" class="elsevierStylePara elsevierViewall">En diciembre de 2019, un nuevo virus apareció en China<a class="elsevierStyleCrossRef" href="#bib0140"><span class="elsevierStyleSup">1</span></a>. Con el nombre <span class="elsevierStyleItalic">severe acute respiratory syndrome coronavirus-2</span> (SARS-CoV-2), se dispersó por el mundo, ocasionando una pandemia de <span class="elsevierStyleItalic">coronavirus infection disease</span> (COVID-19). Cientos de millones de infectados y millones de muertos han sido registrados en estos más de 3 años de pandemia<a class="elsevierStyleCrossRef" href="#bib0145"><span class="elsevierStyleSup">2</span></a>.</p><p id="par0010" class="elsevierStylePara elsevierViewall">Desde que se tuvo conocimiento de esta enfermedad, se demostró la utilidad de la tomografía computarizada (TC) de tórax como método para el diagnóstico de neumonía COVID-19, debido a su alta sensibilidad para detectar infiltrados pulmonares<a class="elsevierStyleCrossRef" href="#bib0150"><span class="elsevierStyleSup">3</span></a> y a su capacidad para valorar las distintas formas de presentación de la enfermedad pulmonar a lo largo de la evolución clínica<a class="elsevierStyleCrossRef" href="#bib0155"><span class="elsevierStyleSup">4</span></a>. Principalmente, la TC torácica se ha indicado como una herramienta diagnóstica inicial para los pacientes con condiciones respiratorias moderadas o graves<a class="elsevierStyleCrossRef" href="#bib0150"><span class="elsevierStyleSup">3</span></a> y fue incluida en las recomendaciones de diferentes sociedades científicas para el manejo de los pacientes con dicha enfermedad<a class="elsevierStyleCrossRefs" href="#bib0160"><span class="elsevierStyleSup">5–7</span></a>. Estudios posteriores demostraron que la TC también podía proporcionar información pronóstica durante el seguimiento de la enfermedad<a class="elsevierStyleCrossRefs" href="#bib0175"><span class="elsevierStyleSup">8,9</span></a>, siempre en combinación con los datos clínicos y las pruebas de laboratorio.</p><p id="par0015" class="elsevierStylePara elsevierViewall">En el mismo contexto, dado el valor clínico que tenían los hallazgos de la TC y la necesidad de disponer de datos objetivos sobre la presencia y extensión de la enfermedad pulmonar, se aplicaron métodos de inteligencia artificial (IA) para obtener parámetros cuantitativos y precisos<a class="elsevierStyleCrossRefs" href="#bib0185"><span class="elsevierStyleSup">10–14</span></a>. Su utilidad se evaluó, sobre todo, desde el punto de vista radiológico<a class="elsevierStyleCrossRefs" href="#bib0210"><span class="elsevierStyleSup">15,16</span></a>.</p><p id="par0020" class="elsevierStylePara elsevierViewall">La valoración de la extensión de la enfermedad pulmonar por neumonía COVID-19 mediante un programa de IA podría aportar una mayor precisión en el volumen pulmonar afectado, una mayor capacidad de estratificar el riesgo real asociado y predecir el desenlace de la enfermedad junto con los datos demográficos, clínicos y de laboratorio. En este sentido, el objetivo primordial de nuestro estudio fue comparar la contribución al pronóstico de pacientes con neumonía COVID-19 de la extensión de la enfermedad pulmonar establecida por un radiólogo experto frente a un programa de IA unido a otros datos demográficos, clínicos y de laboratorio.</p></span><span id="sec0010" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0075">Material y métodos</span><span id="sec0015" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0080">Diseño</span><p id="par0025" class="elsevierStylePara elsevierViewall">Se realizó un estudio retrospectivo en 2 sedes de un hospital terciario español que incluyó a 511 pacientes consecutivos con sospecha clínica de neumonía COVID-19 a quienes se les efectuó una TC torácica. Todos los pacientes firmaron el consentimiento informado para la realización de la prueba de imagen. El comité de ética de nuestra institución aprobó el protocolo del estudio (2020.061), dispensando la necesidad de obtener consentimiento debido a la naturaleza retrospectiva del estudio.</p></span><span id="sec0020" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0085">Criterios de inclusión</span><p id="par0030" class="elsevierStylePara elsevierViewall">Pacientes con sospecha clínica de neumonía COVID-19 que acudieron al servicio de urgencias entre el 10 de marzo y el 31 de agosto de 2020, con una prueba <span class="elsevierStyleItalic">polymerase chain reaction</span> (PCR) positiva para SARS-CoV-2 al ingreso y con una TC torácica realizada en las primeras 24<span class="elsevierStyleHsp" style=""></span>h de su entrada al hospital.</p></span><span id="sec0025" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0090">Criterios de exclusión</span><p id="par0035" class="elsevierStylePara elsevierViewall">Pacientes con PCR negativa para SARS-CoV-2, neumonía causada por un patógeno diferente de SARS-CoV-2 o coinfección, edad menor de 18 años y hallazgos pulmonares incidentales como masas o nódulos pulmonares sospechosos de malignidad.</p></span><span id="sec0030" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0095">Variable principal</span><p id="par0040" class="elsevierStylePara elsevierViewall">La variable principal del estudio fue la extensión y el número de campos pulmonares afectados en la TC con hallazgos indicativos de neumonía COVID-19.</p><p id="par0045" class="elsevierStylePara elsevierViewall">Los estudios de TC se llevaron a cabo con equipos multidetector (SOMATOM Sensation 64 y SOMATOM Emotion 16; Siemens Healthineers, Forchheim, Alemania) específicamente dedicados a los pacientes con sospecha de neumonía COVID-19. Los estudios se obtuvieron en decúbito supino y en inspiración, sin emplear contraste intravenoso. Se utilizaron los siguientes parámetros: voltaje del tubo 120<span class="elsevierStyleHsp" style=""></span>kV, corriente de referencia del tubo de 190<span class="elsevierStyleHsp" style=""></span>mAs con modulación antropomórfica de la corriente CareDose 4D (Siemens Healthineers), 32<span class="elsevierStyleHsp" style=""></span>×<span class="elsevierStyleHsp" style=""></span>0,6<span class="elsevierStyleHsp" style=""></span>mm de colimación del detector y pitch de 1. Las imágenes fueron reconstruidas con grosor de corte de 1<span class="elsevierStyleHsp" style=""></span>mm e incremento de reconstrucción de 1<span class="elsevierStyleHsp" style=""></span>mm utilizando algoritmos de reconstrucción de partes blandas (B31f) y de alta resolución (B60f) para la evaluación del mediastino y del parénquima pulmonar, respectivamente. Las imágenes se archivaron en <span class="elsevierStyleItalic">picture archiving and communication systems</span> (PACS) para su análisis.</p><p id="par0050" class="elsevierStylePara elsevierViewall">Un radiólogo torácico con 16 años de experiencia, sin conocer los datos clínicos de los pacientes, evaluó la extensión de la afectación pulmonar de neumonía COVID-19 en las TC torácicas mediante la estimación visual semicuantitativa de la carga inflamatoria de neumonía COVID-19 en cada lóbulo pulmonar de acuerdo con la siguiente escala de puntuación: 0 puntos para la ausencia de afectación; 1 punto para una extensión <<span class="elsevierStyleHsp" style=""></span>25%; 2 puntos para una afectación del 26-50%; 3 puntos si la extensión era del 51-75% y 4 puntos cuando la afectación superaba el 75%<a class="elsevierStyleCrossRef" href="#bib0220"><span class="elsevierStyleSup">17</span></a>. La puntuación visual total se calculó mediante la suma de las puntuaciones individuales de cada lóbulo (0-20 puntos).</p><p id="par0055" class="elsevierStylePara elsevierViewall">En un análisis posterior, las imágenes de la TC fueron procesadas con un prototipo de IA capaz de detectar y cuantificar de forma automática el volumen y el porcentaje de las áreas de mayor densidad del parénquima pulmonar correspondientes a neumonía, tanto como afectación en vidrio deslustrado como en forma de consolidación (AI-Rad Companion Research CT Pneumonia Analysis v2.0; Siemens Healthineers). El prototipo proporcionó un informe de datos que incluía el porcentaje de afectación pulmonar para cada lóbulo y para el total del parénquima pulmonar de cada paciente (<a class="elsevierStyleCrossRef" href="#fig0005">fig. 1</a>), que fue estratificada siguiendo la misma escala de puntuación utilizada por el radiólogo (<a class="elsevierStyleCrossRef" href="#fig0010">fig. 2</a>).</p><elsevierMultimedia ident="fig0005"></elsevierMultimedia><elsevierMultimedia ident="fig0010"></elsevierMultimedia><p id="par0060" class="elsevierStylePara elsevierViewall">Para el análisis de los datos, las puntuaciones totales obtenidas por el radiólogo y por la IA se agruparon en 4 estadios para reflejar la extensión de la afectación parenquimatosa pulmonar total: 1 (0-4 puntos), 2 (5-9 puntos), 3 (10-14 puntos) y 4 (15-20 puntos)<a class="elsevierStyleCrossRef" href="#bib0225"><span class="elsevierStyleSup">18</span></a>.</p></span><span id="sec0035" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0100">Variables secundarias</span><p id="par0065" class="elsevierStylePara elsevierViewall">Se consideraron síntomas de neumonía COVID-19 la fiebre, astenia, disnea, mal estado general, tos, diarrea, odinofagia y cefalea. Además del número de días transcurridos desde el inicio de los síntomas, se recogieron los datos clínicos y antecedentes personales en todos los pacientes, incluyendo edad, género, índice de masa corporal, historia de enfermedad cardiovascular, patología oncológica previa y/o actual, diabetes, hipertensión arterial (HTA), inmunosupresión por enfermedad autoinmune o farmacológica, enfermedad renal crónica, asma, enfermedad pulmonar obstructiva crónica (EPOC) y condición de fumador.</p><p id="par0070" class="elsevierStylePara elsevierViewall">Adicionalmente se obtuvieron los siguientes datos de laboratorio en el momento de la atención en urgencias: hemoglobina, leucocitos, neutrófilos, linfocitos, plaquetas, proteína C reactiva (PCR), procalcitonina, creatinina, lactato deshidrogenasa (LDH), bilirrubina, niveles de troponina y dímero D. Los datos microbiológicos para SARS-CoV-2 se evaluaron a partir de hisopos nasofaríngeos.</p><p id="par0075" class="elsevierStylePara elsevierViewall">Finalmente, se recogieron los diferentes tratamientos que precisaron los pacientes durante su ingreso, que consistió en combinaciones de hidroxicloroquina, agentes antivirales, terapia antibiótica, corticoides, heparina de bajo peso molecular y/o soporte ventilatorio, de acuerdo con su situación y evolución clínicas.</p><p id="par0080" class="elsevierStylePara elsevierViewall">Los pacientes fueron clasificados en 2 grupos de acuerdo con su evolución durante la infección. Los pacientes que fallecieron o precisaron ingreso en la unidad de cuidados intensivos (UCI) se clasificaron como grupo de mal pronóstico; mientras que los que no precisaron ingreso hospitalario o se recuperaron de la infección sin precisar tratamiento médico intensivo fueron clasificados como grupo de buen pronóstico.</p></span><span id="sec0040" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0105">Análisis estadístico</span><p id="par0085" class="elsevierStylePara elsevierViewall">Las variables categóricas se muestran como proporciones y porcentajes, mientras que las variables continuas se expresan como media<span class="elsevierStyleHsp" style=""></span>±<span class="elsevierStyleHsp" style=""></span>desviación estándar o como mediana (rango intercuartílico [RIC]). La distribución normal de las variables se evaluó con la prueba de Kolmogorov-Smirnov. Se utilizó la prueba de Chi-cuadrado de Pearson para la comparación de proporciones y la prueba de la t de Student o la prueba de U de Mann-Whitney para la comparación de medias de los datos paramétricos y no paramétricos, respectivamente. La evaluación de la correlación entre las puntuaciones totales de la extensión del parénquima pulmonar aportados por el radiólogo y por la IA se realizó mediante un coeficiente de correlación de concordancia.</p><p id="par0090" class="elsevierStylePara elsevierViewall">Las variables clínicas, analíticas y de imagen radiológica que mostraron diferencias significativas entre grupos se utilizaron para el análisis uni y multivariante (regresión logística). El análisis multivariante se llevó a cabo mediante un estudio de regresión logística por pasos, que excluye aquellas variables que al incluirlas en el modelo pierden su significación estadística respecto al análisis univariante. Se establecieron 3 modelos de estudio multivariante: uno que solo analizaba los datos clínicos y analíticos (sin la parte de imagen radiológica), otro que incluía los estadios de extensión valorados por el radiólogo y uno último que añadía los estadios de extensión de la IA. Los resultados de estos análisis se expresaron como <span class="elsevierStyleItalic">odds ratio</span> (OR) con su intervalo de confianza (IC) al 95%.</p><p id="par0095" class="elsevierStylePara elsevierViewall">Se realizó un análisis del área bajo la curva (<span class="elsevierStyleItalic">area under the curve</span> [AUC]) de la curva operador-receptor (<span class="elsevierStyleItalic">receiver operating characteristic</span> [ROC]) y se compararon las diferencias entre áreas para estudiar la capacidad discriminativa de la interpretación realizada por el radiólogo y la IA de manera aislada, así como de los diferentes modelos del sistema multivariante descritos. El análisis estadístico se realizó con el programa informático SPSS® (versión 29.0; IBM Corporation). Se consideró un valor de p a 2 colas <<span class="elsevierStyleHsp" style=""></span>0,05 para indicar una diferencia estadísticamente significativa.</p></span></span><span id="sec0045" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0110">Resultados</span><span id="sec0050" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0115">Pacientes: datos demográficos, clínicos, analíticos y terapéuticos</span><p id="par0100" class="elsevierStylePara elsevierViewall">De los 511 pacientes valorados inicialmente, se excluyeron 204 por presentar una prueba PCR negativa para SARS-CoV-2, 6 pacientes con datos de sobreinfección bacteriana en la TC, uno por presentar una masa pulmonar como hallazgo incidental y un paciente por ser menor de edad (<a class="elsevierStyleCrossRef" href="#fig0015">fig. 3</a>). En el análisis estadístico final se incluyeron, por tanto, 299 sujetos (164 varones, 135 mujeres, edad media de 60,79<span class="elsevierStyleHsp" style=""></span>±<span class="elsevierStyleHsp" style=""></span>16,3 años, tiempo medio desde la aparición de los síntomas de 8,31<span class="elsevierStyleHsp" style=""></span>±<span class="elsevierStyleHsp" style=""></span>6,2 días). Sus características demográficas, datos clínicos y analíticos y los tratamientos empleados se resumen en la <a class="elsevierStyleCrossRef" href="#tbl0005">tabla 1</a>.</p><elsevierMultimedia ident="fig0015"></elsevierMultimedia><elsevierMultimedia ident="tbl0005"></elsevierMultimedia><p id="par0105" class="elsevierStylePara elsevierViewall">En el grupo de mal pronóstico se incluyeron 40 pacientes, mientras que el resto (259 pacientes) fueron dados de alta o no precisaron de ingreso hospitalario, clasificándose en el grupo de buen pronóstico. La <a class="elsevierStyleCrossRef" href="#tbl0010">tabla 2</a> refleja las características demográficas principales, los síntomas recogidos al ingreso, los datos analíticos extraídos y los diferentes tratamientos utilizados; de acuerdo con la clasificación de grupos de pronóstico. Los pacientes incluidos en el grupo de mal pronóstico presentaron una mayor edad media (71,28<span class="elsevierStyleHsp" style=""></span>±<span class="elsevierStyleHsp" style=""></span>14,5 años vs. 59,17<span class="elsevierStyleHsp" style=""></span>±<span class="elsevierStyleHsp" style=""></span>15,9 años; p<span class="elsevierStyleHsp" style=""></span><<span class="elsevierStyleHsp" style=""></span>0,001), así como una mayor frecuencia de enfermedad cardiovascular (45 vs. 20,1%; p<span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0,001) y oncológica (30 vs. 15,1%; p<span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0,019), diabetes mellitus (25 vs. 13,1%; p<span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0,049), HTA (72,5 vs. 38,2%; p<span class="elsevierStyleHsp" style=""></span><<span class="elsevierStyleHsp" style=""></span>0,001), inmunodepresión (17,5 vs. 6,2%; p<span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0,012), insuficiencia renal (27,5 vs. 6,9%; p<span class="elsevierStyleHsp" style=""></span><<span class="elsevierStyleHsp" style=""></span>0,001) y EPOC (12,5 vs. 3,9%; p<span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0,020). También presentaron más alteraciones analíticas, entre las que destacaban cifras más altas de PCR (13,48<span class="elsevierStyleHsp" style=""></span>±<span class="elsevierStyleHsp" style=""></span>10,1 vs. 6,42<span class="elsevierStyleHsp" style=""></span>±<span class="elsevierStyleHsp" style=""></span>7,6<span class="elsevierStyleHsp" style=""></span>mg/dl; p<span class="elsevierStyleHsp" style=""></span><<span class="elsevierStyleHsp" style=""></span>0,001), dímero D (2.359,72<span class="elsevierStyleHsp" style=""></span>±<span class="elsevierStyleHsp" style=""></span>2.873,6 vs. 1.046,12<span class="elsevierStyleHsp" style=""></span>±<span class="elsevierStyleHsp" style=""></span>1.864,4<span class="elsevierStyleHsp" style=""></span>ng/ml; p<span class="elsevierStyleHsp" style=""></span><<span class="elsevierStyleHsp" style=""></span>0,001) y LDH (394,26<span class="elsevierStyleHsp" style=""></span>±<span class="elsevierStyleHsp" style=""></span>126,2 vs. 293,36<span class="elsevierStyleHsp" style=""></span>±<span class="elsevierStyleHsp" style=""></span>120,2<span class="elsevierStyleHsp" style=""></span>UI/l; p<span class="elsevierStyleHsp" style=""></span><<span class="elsevierStyleHsp" style=""></span>0,001). Los pacientes del grupo de mal pronóstico, además, precisaron con mayor frecuencia tratamientos médicos intensivos que los pacientes incluidos en el grupo de buen pronóstico.</p><elsevierMultimedia ident="tbl0010"></elsevierMultimedia></span><span id="sec0055" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0120">Valoración de la extensión en la tomografía computarizada mediante sistema visual frente a la inteligencia artificial</span><p id="par0110" class="elsevierStylePara elsevierViewall">En cuanto a la extensión de la afectación pulmonar valorada de forma visual, el radiólogo experto clasificó al total de pacientes en los siguientes estadios: 1 (100 pacientes; 33,4%), 2 (147 pacientes; 49,2%), 3 (35 pacientes; 11,7%) y 4 (17 pacientes; 5,7%). Por su parte, la IA dividió a los pacientes por estadios de la siguiente manera: 1 (159 pacientes; 53,2%), 2 (110 pacientes; 36,8%), 3 (25 pacientes; 8,4%) y 4 (5 pacientes; 1,6%).</p><p id="par0115" class="elsevierStylePara elsevierViewall">El coeficiente de correlación de concordancia fue excelente para la comparación entre la puntuación total (0-20 puntos) aportadas por el radiólogo y por la IA (0,905; IC 95%: 0,881-0,925; p<span class="elsevierStyleHsp" style=""></span><<span class="elsevierStyleHsp" style=""></span>0,001).</p></span><span id="sec0060" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0125">Valor pronóstico de la tomografía computarizada</span><p id="par0120" class="elsevierStylePara elsevierViewall">En la <a class="elsevierStyleCrossRef" href="#fig0020">figura 4</a> se muestra la valoración visual de la extensión por el radiólogo y por el sistema automático de IA y se comparan los estadios de los pacientes según los grupos de pronóstico establecidos. Se halló un mayor porcentaje de pacientes con una afectación parenquimatosa pulmonar extensa (estadios 3 y 4) en el grupo de mal pronóstico respecto al grupo de buen pronóstico, con diferencias estadísticamente significativas, tanto en el análisis llevado a cabo por el radiólogo (estadios 3 y 4; 37,5 vs. 14,3%; p<span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0,001), como por el algoritmo de IA (estadios 3 y 4; 35 vs. 6,2%; p<span class="elsevierStyleHsp" style=""></span><<span class="elsevierStyleHsp" style=""></span>0,001).</p><elsevierMultimedia ident="fig0020"></elsevierMultimedia><p id="par0125" class="elsevierStylePara elsevierViewall">En la regresión logística univariante (<a class="elsevierStyleCrossRef" href="#tbl0015">tabla 3</a>), los pacientes con mayor extensión de la afectación pulmonar en el momento del diagnóstico (estadio 4) presentaron mayor probabilidad de desenlace fatal al compararlos con los de menor afectación (estadio 1), tanto estimado de forma visual por el radiólogo (OR: 10,36; IC: 2,71-39,98; p<span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0,001) como por parte del algoritmo de IA (OR: 25; IC: 3,69-169,07; p<span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0,001).</p><elsevierMultimedia ident="tbl0015"></elsevierMultimedia></span><span id="sec0065" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0130">Valor pronóstico de las variables no radiológicas</span><p id="par0130" class="elsevierStylePara elsevierViewall">El análisis univariante mediante regresión logística demostró diferencias estadísticamente significativas entre los grupos de buen y mal pronóstico en todas las variables clínicas y analíticas, excepto la diabetes mellitus (<a class="elsevierStyleCrossRef" href="#tbl0015">tabla 3</a>). En este sentido, la edad superior a 65 años (OR: 4,87; IC: 2,32-10,19; p<span class="elsevierStyleHsp" style=""></span><<span class="elsevierStyleHsp" style=""></span>0,001), la enfermedad renal crónica (OR: 5,08; IC: 2,19-11,80; p<span class="elsevierStyleHsp" style=""></span><<span class="elsevierStyleHsp" style=""></span>0,001) y la hipertensión arterial (OR: 4,26; IC: 2,04-8,91; p<span class="elsevierStyleHsp" style=""></span><<span class="elsevierStyleHsp" style=""></span>0,001) fueron los factores con mayor impacto en el pronóstico del paciente; mientras que desde el punto de vista analítico, observamos que los valores de LDH (OR: 11,69; IC: 2,75-49,63; p<span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0,001), creatinina (OR: 5,63; IC: 2,74-11,56; p<span class="elsevierStyleHsp" style=""></span><<span class="elsevierStyleHsp" style=""></span>0,001) y el dímero D (OR: 5,68; IC: 2,15-14,98; p<span class="elsevierStyleHsp" style=""></span><<span class="elsevierStyleHsp" style=""></span>0,001) fueron los que tuvieron mayor implicación pronóstica.</p></span><span id="sec0070" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0135">Análisis multivariante</span><p id="par0135" class="elsevierStylePara elsevierViewall">Los resultados del análisis multivariante se muestran en la <a class="elsevierStyleCrossRef" href="#tbl0020">tabla 4</a>. Quedaron excluidos la edad, enfermedad cardiovascular y oncológica, inmunosupresión, insuficiencia renal y EPOC. En el modelo clínico, tener hipertensión arterial y presentar valores alterados de creatinina, LDH y dímero D fueron los factores que más influyeron en el mal pronóstico de los pacientes. Al incluir los parámetros de imagen, destacó el alto valor de OR de la extensión de la afectación parenquimatosa pulmonar al comparar los estadios menor y mayor, establecida tanto por el radiólogo (estadio 1 vs. estadio 4) (OR: 12,64; IC 95%: 1,76-90,65; p<span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0,012) como por el sistema de detección automática con IA (estadio 1 vs. estadio 4) (OR: 27,77; IC 95%: 2,72-283,31; p<span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0,005), cada uno en sus respectivos modelos.</p><elsevierMultimedia ident="tbl0020"></elsevierMultimedia></span><span id="sec0075" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0140">Comparación de los modelos</span><p id="par0140" class="elsevierStylePara elsevierViewall">La comparación entre los diferentes modelos de análisis multivariante se realizó mediante el área bajo la curva (<a class="elsevierStyleCrossRef" href="#fig0025">fig. 5</a>). Se compararon los modelos que combinaron las variables clínicas con la valoración de la imagen del radiólogo (clínico<span class="elsevierStyleHsp" style=""></span>+<span class="elsevierStyleHsp" style=""></span>radiólogo) y de la IA (clínico<span class="elsevierStyleHsp" style=""></span>+<span class="elsevierStyleHsp" style=""></span>IA), las variables clínicas de manera aislada (clínico) y los datos de la imagen aislados (radiólogo e IA). El modelo que combinó los datos clínicos y del radiólogo (AUC: 0,876; IC 95%: 0,816-0,936) tomado como referencia, demostró poseer diferencias estadísticamente significativas con las valoraciones de imagen aisladas, tanto por parte del radiólogo (diferencia de AUC: −0,162; p<span class="elsevierStyleHsp" style=""></span><<span class="elsevierStyleHsp" style=""></span>0,001) como por la IA (diferencia de AUC: −0,118; p<span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0,002), mientras que el rendimiento diagnóstico de dicho modelo fue similar al de los modelos que combinaron los datos clínicos y de IA (AUC: 0,870; IC 95%: 0,804-0,937) y el modelo clínico aislado (AUC: 0,865; IC 95%: 0,803-0,927). Se encontraron hallazgos similares al comparar el modelo combinado de datos clínicos y de IA con el resto de los modelos. El rendimiento de los modelos de imagen aislados del radiólogo (AUC: 0,714; IC 95%: 0,638-0,790) y de la IA (AUC: 0,758; IC 95%: 0,676-0,840) no mostró diferencias estadísticamente significativas (p<span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0,317).</p><elsevierMultimedia ident="fig0025"></elsevierMultimedia></span></span><span id="sec0080" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0145">Discusión</span><p id="par0145" class="elsevierStylePara elsevierViewall">La TC ha demostrado resultar una herramienta de mucha utilidad no solo para el diagnóstico de la neumonía COVID-19, sino también para la estratificación del riesgo vital de la enfermedad, para el pronóstico del paciente y para la cuantificación del parénquima pulmonar afectado<a class="elsevierStyleCrossRefs" href="#bib0170"><span class="elsevierStyleSup">7,9,19</span></a>. En este trabajo se estudió la influencia que diferentes factores clínicos, analíticos y radiológicos pudieran tener en el pronóstico de los pacientes con neumonía COVID-19 que acudieron a los servicios de Urgencias de nuestro centro hospitalario. Se observó que la extensión de la afectación del parénquima pulmonar analizada mediante TC demostró ser un factor relevante capaz de predecir la evolución clínica de los pacientes. Otros factores clínicos como la edad, enfermedad cardiovascular u oncológica, HTA, inmunosupresión, enfermedad renal crónica y EPOC; así como datos analíticos como el nivel de plaquetas, PCR, creatinina, LDH y dímero D también demostraron tener implicación en el pronóstico de los pacientes a corto plazo. En los pacientes que precisaron ingreso en UCI o que finalmente fallecieron (grupo de mal pronóstico) se utilizaron tratamientos más intensivos, porque su evolución clínica así lo requería.</p><p id="par0150" class="elsevierStylePara elsevierViewall">Las características de los hallazgos en las pruebas de imagen de radiología simple<a class="elsevierStyleCrossRefs" href="#bib0235"><span class="elsevierStyleSup">20,21</span></a> y de la TC torácica<a class="elsevierStyleCrossRefs" href="#bib0175"><span class="elsevierStyleSup">8,9,22</span></a> han demostrado su importancia a la hora de establecer la gravedad de la enfermedad y el pronóstico precoz de los pacientes con neumonía COVID-19, tanto de manera aislada como asociados con datos clínicos y analíticos<a class="elsevierStyleCrossRefs" href="#bib0225"><span class="elsevierStyleSup">18–20,22–24</span></a>. Nuestro trabajo se encuentra en la línea de estos estudios al demostrar la influencia que tienen factores como la edad, los antecedentes personales (enfermedad renal crónica, HTA), las alteraciones analíticas (LDH, creatinina, dímero D) y la extensión de la afectación del parénquima pulmonar en la evolución clínica de este grupo de pacientes. La fiebre y la tos fueron los síntomas más frecuentes en ambos grupos, pero sin ninguna implicación pronóstica.</p><p id="par0155" class="elsevierStylePara elsevierViewall">En este estudio observamos que cuanto mayor fuera la extensión de la afectación pulmonar en la neumonía COVID-19, valorada de forma visual por un radiólogo o medida por un algoritmo de IA, mayor era la probabilidad de un desenlace fatal o de necesidad de tratamientos intensivos durante el ingreso hospitalario. Asimismo, en diferentes modelos, se evidenció una significativa implicación pronóstica al evaluar la extensión en TC, junto a datos clínicos y analíticos. La excelente correlación que encontramos en este trabajo entre la valoración semicuantitativa del radiólogo y los datos de extensión de la afectación pulmonar por la IA también se ha descrito en otros estudios<a class="elsevierStyleCrossRefs" href="#bib0215"><span class="elsevierStyleSup">16,25–27</span></a>. Por tanto, consideramos que la interpretación semicuantitativa realizada por el radiólogo es una manera rápida, fácil de usar y precisa para cuantificar la extensión de afectación pulmonar en pacientes con neumonía COVID-19.</p><p id="par0160" class="elsevierStylePara elsevierViewall">Entre las limitaciones de nuestro estudio se encuentra su naturaleza retrospectiva. Durante la primera ola de la pandemia el manejo clínico de los pacientes se encontró dificultado por la situación de extrema urgencia, las importantes necesidades y los limitados recursos que se encontraron los hospitales y sistemas sanitarios, lo que podría haber influido en el desenlace fatal de los pacientes. Asimismo, los conocimientos acerca del SARS-CoV-2 y de la neumonía COVID-19, a pesar de avanzar a gran velocidad, fueron limitados al inicio de la pandemia, especialmente en el campo de las opciones terapéuticas. Las imágenes de TC fueron interpretadas por un único radiólogo, por lo que no se pudo comparar la concordancia entre distintos observadores. No obstante, diversos estudios confirman que, entre radiólogos, la variabilidad al interpretar la extensión de la neumonía COVID-19 es pequeña<a class="elsevierStyleCrossRefs" href="#bib0155"><span class="elsevierStyleSup">4,16</span></a>. Por último, en este trabajo se utilizó un programa de IA concreto para estudiar la extensión de la enfermedad pulmonar. Es posible que con otros programas informáticos se obtuvieran unos resultados distintos.</p><p id="par0165" class="elsevierStylePara elsevierViewall">En conclusión, la estimación de la extensión del parénquima pulmonar afectado en las imágenes de TC posee valor pronóstico en pacientes con neumonía COVID-19, tanto al ser evaluado de manera aislada como al combinarlo con factores clínicos y analíticos. En este trabajo, la valoración visual del radiólogo demostró poseer una precisión similar al sistema de detección automática basada en IA para predecir una mayor probabilidad de desenlace fatal. Es necesario ampliar el número de pacientes y comprobar si otros sistemas de IA proporcionan datos similares antes de instaurar su uso en la práctica clínica.</p></span><span id="sec0085" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0150">Contribución de los autores</span><p id="par0170" class="elsevierStylePara elsevierViewall"><ul class="elsevierStyleList" id="lis0005"><li class="elsevierStyleListItem" id="lsti0005"><span class="elsevierStyleLabel">•</span><p id="par0175" class="elsevierStylePara elsevierViewall">Responsable de la integridad del estudio: ISA.</p></li><li class="elsevierStyleListItem" id="lsti0010"><span class="elsevierStyleLabel">•</span><p id="par0180" class="elsevierStylePara elsevierViewall">Concepción del estudio: ISA y GBA.</p></li><li class="elsevierStyleListItem" id="lsti0015"><span class="elsevierStyleLabel">•</span><p id="par0185" class="elsevierStylePara elsevierViewall">Diseño del estudio: ISA, AEC y GBA.</p></li><li class="elsevierStyleListItem" id="lsti0020"><span class="elsevierStyleLabel">•</span><p id="par0190" class="elsevierStylePara elsevierViewall">Obtención de los datos: ISA, APN y MV.</p></li><li class="elsevierStyleListItem" id="lsti0025"><span class="elsevierStyleLabel">•</span><p id="par0195" class="elsevierStylePara elsevierViewall">Análisis e interpretación de los datos: ISA, AEC y GBA.</p></li><li class="elsevierStyleListItem" id="lsti0030"><span class="elsevierStyleLabel">•</span><p id="par0200" class="elsevierStylePara elsevierViewall">Tratamiento estadístico: ISA y APN.</p></li><li class="elsevierStyleListItem" id="lsti0035"><span class="elsevierStyleLabel">•</span><p id="par0205" class="elsevierStylePara elsevierViewall">Búsqueda bibliográfica: ISA y AEC.</p></li><li class="elsevierStyleListItem" id="lsti0040"><span class="elsevierStyleLabel">•</span><p id="par0210" class="elsevierStylePara elsevierViewall">Redacción del trabajo: ISA.</p></li><li class="elsevierStyleListItem" id="lsti0045"><span class="elsevierStyleLabel">•</span><p id="par0215" class="elsevierStylePara elsevierViewall">Revisión crítica del manuscrito con aportaciones intelectualmente relevantes: ISA, AEC, APN, MV y GBA.</p></li><li class="elsevierStyleListItem" id="lsti0050"><span class="elsevierStyleLabel">•</span><p id="par0220" class="elsevierStylePara elsevierViewall">Aprobación de la versión final: GBA.</p></li></ul></p></span><span id="sec0090" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0155">Financiación</span><p id="par0225" class="elsevierStylePara elsevierViewall">La presente investigación no ha recibido ayudas específicas provenientes de agencias del sector público, sector comercial o entidades sin ánimo de lucro.</p></span><span id="sec0095" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0160">Conflicto de intereses</span><p id="par0230" class="elsevierStylePara elsevierViewall">Marta Vidorreta es empleada de Siemens Healthineers. El resto de los autores no declaran ningún conflicto de intereses.</p></span></span>" "textoCompletoSecciones" => array:1 [ "secciones" => array:14 [ 0 => array:3 [ "identificador" => "xres2214032" "titulo" => "Graphical abstract" "secciones" => array:1 [ 0 => array:1 [ "identificador" => "abst0005" ] ] ] 1 => array:3 [ "identificador" => "xres2214030" "titulo" => "Resumen" "secciones" => array:4 [ 0 => array:2 [ "identificador" => "abst0010" "titulo" => "Objetivo" ] 1 => array:2 [ "identificador" => "abst0015" "titulo" => "Material y métodos" ] 2 => array:2 [ "identificador" => "abst0020" "titulo" => "Resultados" ] 3 => array:2 [ "identificador" => "abst0025" "titulo" => "Conclusión" ] ] ] 2 => array:2 [ "identificador" => "xpalclavsec1856277" "titulo" => "Palabras clave" ] 3 => array:3 [ "identificador" => "xres2214031" "titulo" => "Abstract" "secciones" => array:4 [ 0 => array:2 [ "identificador" => "abst0030" "titulo" => "Objective" ] 1 => array:2 [ "identificador" => "abst0035" "titulo" => "Material and methods" ] 2 => array:2 [ "identificador" => "abst0040" "titulo" => "Results" ] 3 => array:2 [ "identificador" => "abst0045" "titulo" => "Conclusion" ] ] ] 4 => array:2 [ "identificador" => "xpalclavsec1856276" "titulo" => "Keywords" ] 5 => array:2 [ "identificador" => "sec0005" "titulo" => "Introducción" ] 6 => array:3 [ "identificador" => "sec0010" "titulo" => "Material y métodos" "secciones" => array:6 [ 0 => array:2 [ "identificador" => "sec0015" "titulo" => "Diseño" ] 1 => array:2 [ "identificador" => "sec0020" "titulo" => "Criterios de inclusión" ] 2 => array:2 [ "identificador" => "sec0025" "titulo" => "Criterios de exclusión" ] 3 => array:2 [ "identificador" => "sec0030" "titulo" => "Variable principal" ] 4 => array:2 [ "identificador" => "sec0035" "titulo" => "Variables secundarias" ] 5 => array:2 [ "identificador" => "sec0040" "titulo" => "Análisis estadístico" ] ] ] 7 => array:3 [ "identificador" => "sec0045" "titulo" => "Resultados" "secciones" => array:6 [ 0 => array:2 [ "identificador" => "sec0050" "titulo" => "Pacientes: datos demográficos, clínicos, analíticos y terapéuticos" ] 1 => array:2 [ "identificador" => "sec0055" "titulo" => "Valoración de la extensión en la tomografía computarizada mediante sistema visual frente a la inteligencia artificial" ] 2 => array:2 [ "identificador" => "sec0060" "titulo" => "Valor pronóstico de la tomografía computarizada" ] 3 => array:2 [ "identificador" => "sec0065" "titulo" => "Valor pronóstico de las variables no radiológicas" ] 4 => array:2 [ "identificador" => "sec0070" "titulo" => "Análisis multivariante" ] 5 => array:2 [ "identificador" => "sec0075" "titulo" => "Comparación de los modelos" ] ] ] 8 => array:2 [ "identificador" => "sec0080" "titulo" => "Discusión" ] 9 => array:2 [ "identificador" => "sec0085" "titulo" => "Contribución de los autores" ] 10 => array:2 [ "identificador" => "sec0090" "titulo" => "Financiación" ] 11 => array:2 [ "identificador" => "sec0095" "titulo" => "Conflicto de intereses" ] 12 => array:2 [ "identificador" => "xack763091" "titulo" => "Agradecimientos" ] 13 => array:1 [ "titulo" => "Bibliografía" ] ] ] "pdfFichero" => "main.pdf" "tienePdf" => true "fechaRecibido" => "2024-02-25" "fechaAceptado" => "2024-05-26" "PalabrasClave" => array:2 [ "es" => array:1 [ 0 => array:4 [ "clase" => "keyword" "titulo" => "Palabras clave" "identificador" => "xpalclavsec1856277" "palabras" => array:5 [ 0 => "Tomografía computarizada" 1 => "TC torácica" 2 => "Inteligencia artificial" 3 => "COVID-19" 4 => "Pronóstico" ] ] ] "en" => array:1 [ 0 => array:4 [ "clase" => "keyword" "titulo" => "Keywords" "identificador" => "xpalclavsec1856276" "palabras" => array:5 [ 0 => "Computed tomography" 1 => "Chest CT" 2 => "Artificial intelligence" 3 => "COVID-19" 4 => "Prognosis" ] ] ] ] "tieneResumen" => true "resumen" => array:2 [ "es" => array:3 [ "titulo" => "Resumen" "resumen" => "<span id="abst0010" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0015">Objetivo</span><p id="spar0010" class="elsevierStyleSimplePara elsevierViewall">Comparar el impacto pronóstico de la extensión de la enfermedad pulmonar en tomografía computarizada (TC) valorada de forma visual por un radiólogo experto y de manera automática por un sistema de inteligencia artificial (IA) en pacientes con neumonía COVID-19.</p></span> <span id="abst0015" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0020">Material y métodos</span><p id="spar0015" class="elsevierStyleSimplePara elsevierViewall">Estudio retrospectivo que incluyó pacientes con sospecha clínica de neumonía COVID-19 y valoración visual, y por IA de la extensión de la afectación pulmonar. Se dividió a los pacientes en grupos de mal (fallecimiento/UCI) y buen pronóstico (alta). Se realizaron análisis uni y multivariante (regresión logística) de las variables que demostraron diferencias significativas entre ambos grupos.</p></span> <span id="abst0020" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0025">Resultados</span><p id="spar0020" class="elsevierStyleSimplePara elsevierViewall">Los pacientes de mal pronóstico presentaron más frecuentemente una mayor extensión de la afectación pulmonar de manera visual (estadios 3-4; 37,5 vs. 14,3%; p<span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0,001) y estimada por la IA (estadios 3-4; 35 vs. 6,2%; p<span class="elsevierStyleHsp" style=""></span><<span class="elsevierStyleHsp" style=""></span>0,001). El coeficiente de correlación de concordancia radiólogo-IA fue excelente (0,905; p<span class="elsevierStyleHsp" style=""></span><<span class="elsevierStyleHsp" style=""></span>0,001). La hipertensión arterial (OR: 4,26; p<span class="elsevierStyleHsp" style=""></span><<span class="elsevierStyleHsp" style=""></span>0,001), las alteraciones analíticas de creatinina (OR: 5,63; p<span class="elsevierStyleHsp" style=""></span><<span class="elsevierStyleHsp" style=""></span>0,001), lactato-deshidrogenasa (OR: 11,69; p<span class="elsevierStyleHsp" style=""></span><<span class="elsevierStyleHsp" style=""></span>0,001) y dímero D (OR: 5,68; p<span class="elsevierStyleHsp" style=""></span><<span class="elsevierStyleHsp" style=""></span>0,001) y la extensión del parénquima pulmonar afectado valorados visualmente (estadio 1 vs. 4 OR: 10,36; p<span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0,001) y por la IA (estadio 1 vs. 4 OR: 25; p<span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0,001) fueron las variables con mayor impacto pronóstico en el análisis univariante. Los modelos de análisis multivariante considerando la extensión valorada visualmente y por la IA no demostraron diferencias significativas entre ellos (AUC: 0,876 vs. 0,870; p<span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0,278).</p></span> <span id="abst0025" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0030">Conclusión</span><p id="spar0025" class="elsevierStyleSimplePara elsevierViewall">La valoración de la extensión del parénquima pulmonar afectado en las imágenes de la TC, aislada y en conjunto con factores clínicos y analíticos, demuestra valor pronóstico en los pacientes con neumonía COVID-19. No se observaron diferencias significativas entre la estimación visual del radiólogo y el sistema de detección automática basado en IA empleado en este estudio.</p></span>" "secciones" => array:4 [ 0 => array:2 [ "identificador" => "abst0010" "titulo" => "Objetivo" ] 1 => array:2 [ "identificador" => "abst0015" "titulo" => "Material y métodos" ] 2 => array:2 [ "identificador" => "abst0020" "titulo" => "Resultados" ] 3 => array:2 [ "identificador" => "abst0025" "titulo" => "Conclusión" ] ] ] "en" => array:3 [ "titulo" => "Abstract" "resumen" => "<span id="abst0030" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0040">Objective</span><p id="spar0030" class="elsevierStyleSimplePara elsevierViewall">To compare the prognostic impact of the extent of lung disease detected on computed tomography (CT) when assessed visually by an expert radiologist compared to automatically by an artificial intelligence (AI) system in patients with COVID-19 pneumonia.</p></span> <span id="abst0035" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0045">Material and methods</span><p id="spar0035" class="elsevierStyleSimplePara elsevierViewall">A retrospective study of patients with clinical suspicion of COVID-19 pneumonia which assessed the extent of lung involvement visually and by AI. Patients were divided into poor (death/ICU) and good (discharge) prognosis groups. Univariate and multivariate analyses (logistic regression) were performed on the variables that demonstrated significant differences between both groups.</p></span> <span id="abst0040" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0050">Results</span><p id="spar0040" class="elsevierStyleSimplePara elsevierViewall">Patients with a poor prognosis more frequently had greater lung involvement visually (stages 3-4; 37.5% vs 14.3%; <span class="elsevierStyleItalic">P</span>=.001) and by AI (stages 3-4; 35% vs 6.2%; <span class="elsevierStyleItalic">P</span><.001). The radiologist-AI agreement correlation coefficient was excellent (0.905; <span class="elsevierStyleItalic">P</span><.001). High blood pressure (OR 4.26; <span class="elsevierStyleItalic">P</span><span class="elsevierStyleHsp" style=""></span>0.001), alterations in levels of creatinine (OR 5.63; <span class="elsevierStyleItalic">P</span><.001), lactate dehydrogenase (OR 11.69; <span class="elsevierStyleItalic">P</span><.001) and D-dimer (OR 5.68; <span class="elsevierStyleItalic">P</span><.001), and the extent of affected lung parenchyma assessed visually (stage 1 vs 4 OR 10.36; <span class="elsevierStyleItalic">P</span>=.001) and by AI (stage 1 vs 4 OR 25; <span class="elsevierStyleItalic">P</span>=.001) were the variables wit the greatest prognostic impact in the univariate analysis. The multivariate analysis models considering the extent assessed visually and by AI did not demonstrate any significant differences (AUC 0.876 vs 0.870; <span class="elsevierStyleItalic">P</span>=.278).</p></span> <span id="abst0045" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0055">Conclusion</span><p id="spar0045" class="elsevierStyleSimplePara elsevierViewall">The extent of affected lung parenchyma on CT images demonstrates prognostic value both on their own and in conjunction with clinical factors and blood levels in patients with COVID-19 pneumonia. No significant differences were observed between the radiologist's visual estimate and the AI-based automatic detection system used in this study.</p></span>" "secciones" => array:4 [ 0 => array:2 [ "identificador" => "abst0030" "titulo" => "Objective" ] 1 => array:2 [ "identificador" => "abst0035" "titulo" => "Material and methods" ] 2 => array:2 [ "identificador" => "abst0040" "titulo" => "Results" ] 3 => array:2 [ "identificador" => "abst0045" "titulo" => "Conclusion" ] ] ] ] "multimedia" => array:10 [ 0 => array:7 [ "identificador" => "fig0005" "etiqueta" => "Figura 1" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => true "mostrarDisplay" => false "figura" => array:1 [ 0 => array:4 [ "imagen" => "gr1.jpeg" "Alto" => 1320 "Ancho" => 2050 "Tamanyo" => 327246 ] ] "descripcion" => array:1 [ "es" => "<p id="spar0050" class="elsevierStyleSimplePara elsevierViewall">Ejemplo del análisis realizado por el sistema de evaluación automática basado en IA.</p>" ] ] 1 => array:7 [ "identificador" => "fig0010" "etiqueta" => "Figura 2" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => true "mostrarDisplay" => false "figura" => array:1 [ 0 => array:4 [ "imagen" => "gr2.jpeg" "Alto" => 687 "Ancho" => 990 "Tamanyo" => 157194 ] ] "descripcion" => array:1 [ "es" => "<p id="spar0055" class="elsevierStyleSimplePara elsevierViewall">Ejemplo de una paciente mujer de 57 años con historia de 8 días de fiebre, tos y malestar general, con PCR positiva para SARS-CoV-2.</p>" ] ] 2 => array:7 [ "identificador" => "fig0015" "etiqueta" => "Figura 3" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => true "mostrarDisplay" => false "figura" => array:1 [ 0 => array:4 [ "imagen" => "gr3.jpeg" "Alto" => 607 "Ancho" => 990 "Tamanyo" => 38957 ] ] "descripcion" => array:1 [ "es" => "<p id="spar0060" class="elsevierStyleSimplePara elsevierViewall">Gráfico de flujo de pacientes.</p>" ] ] 3 => array:7 [ "identificador" => "fig0020" "etiqueta" => "Figura 4" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => true "mostrarDisplay" => false "figura" => array:1 [ 0 => array:4 [ "imagen" => "gr4.jpeg" "Alto" => 820 "Ancho" => 1900 "Tamanyo" => 103795 ] ] "descripcion" => array:1 [ "es" => "<p id="spar0065" class="elsevierStyleSimplePara elsevierViewall">Comparación de los estadios de extensión de la afectación parenquimatosa pulmonar entre los grupos de pronóstico tanto en la evaluación por el radiólogo como por la IA.</p>" ] ] 4 => array:7 [ "identificador" => "fig0025" "etiqueta" => "Figura 5" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => true "mostrarDisplay" => false "figura" => array:1 [ 0 => array:4 [ "imagen" => "gr5.jpeg" "Alto" => 1061 "Ancho" => 1500 "Tamanyo" => 121170 ] ] "descripcion" => array:1 [ "es" => "<p id="spar0070" class="elsevierStyleSimplePara elsevierViewall">Gráfico y tabla comparativa del área bajo la curva de la probabilidad de ingreso UCI/defunción comparando los diferentes modelos de pronóstico.</p>" ] ] 5 => array:8 [ "identificador" => "tbl0005" "etiqueta" => "Tabla 1" "tipo" => "MULTIMEDIATABLA" "mostrarFloat" => true "mostrarDisplay" => false "detalles" => array:1 [ 0 => array:3 [ "identificador" => "at1" "detalle" => "Tabla " "rol" => "short" ] ] "tabla" => array:2 [ "leyenda" => "<p id="spar0080" class="elsevierStyleSimplePara elsevierViewall">EPOC: enfermedad pulmonar obstructiva crónica; IMC: índice de masa corporal; LDH: lactato deshidrogenasa; PCR: reacción en cadena de la polimerasa.</p>" "tablatextoimagen" => array:1 [ 0 => array:2 [ "tabla" => array:1 [ 0 => """ <table border="0" frame="\n \t\t\t\t\tvoid\n \t\t\t\t" class=""><thead title="thead"><tr title="table-row"><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black"> \t\t\t\t\t\t\n \t\t\t\t\t\t</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Valores \t\t\t\t\t\t\n \t\t\t\t\t\t</th></tr></thead><tbody title="tbody"><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " colspan="2" align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleItalic">Factores clínicos</span></td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Edad (años) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">60,79<span class="elsevierStyleHsp" style=""></span>±<span class="elsevierStyleHsp" style=""></span>16,3 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Género (n.° y % mujeres) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">135 (45,2%) \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>IMC \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">26,59<span class="elsevierStyleHsp" style=""></span>±<span class="elsevierStyleHsp" style=""></span>5,2 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Enfermedad cardiovascular \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">70 (23,4%) \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Enfermedad oncológica \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">51 (17,1%) \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Diabetes mellitus \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">44 (14,7%) \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Hipertensión arterial \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">128 (42,8%) \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Inmunosupresión \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">23 (7,7%) \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Insuficiencia renal \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">29 (9,7%) \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Asma \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">13 (4,3%) \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>EPOC \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">15 (5%) \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Tabaco (fumadores y exfumadores) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">79 (26,4%) \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleItalic">Síntomas</span> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">287 (96%) \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Días de síntomas \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">8,31<span class="elsevierStyleHsp" style=""></span>±<span class="elsevierStyleHsp" style=""></span>6,2 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Fiebre \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">235 (78,6%) \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Astenia \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">63 (21,1%) \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Disnea \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">108 (36,1%) \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Mal estado general \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">100 (33,4%) \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Tos \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">203 (67,9%) \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Diarrea \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">65 (21,7%) \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Odinofagia \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">27 (9%) \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Cefalea \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">33 (11%) \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " colspan="2" align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleItalic">Analítica</span></td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Hemoglobina (g/dl) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">13,66<span class="elsevierStyleHsp" style=""></span>±<span class="elsevierStyleHsp" style=""></span>1,9 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Leucocitos (×10<span class="elsevierStyleSup">9</span>/l) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">10,37<span class="elsevierStyleHsp" style=""></span>±<span class="elsevierStyleHsp" style=""></span>45,3 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Neutrófilos (×10<span class="elsevierStyleSup">9</span>/l) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">5,99<span class="elsevierStyleHsp" style=""></span>±<span class="elsevierStyleHsp" style=""></span>22,9 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Linfocitos (×10<span class="elsevierStyleSup">9</span>/l) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">1,75<span class="elsevierStyleHsp" style=""></span>±<span class="elsevierStyleHsp" style=""></span>6,9 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Plaquetas (×10<span class="elsevierStyleSup">9</span>/l) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">198,35<span class="elsevierStyleHsp" style=""></span>±<span class="elsevierStyleHsp" style=""></span>76,9 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>PCR (mg/dl) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">7,35<span class="elsevierStyleHsp" style=""></span>±<span class="elsevierStyleHsp" style=""></span>8,3 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Procalcitonina (mg/dl) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,2<span class="elsevierStyleHsp" style=""></span>±<span class="elsevierStyleHsp" style=""></span>0,6 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Creatinina (mg/dl) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,97<span class="elsevierStyleHsp" style=""></span>±<span class="elsevierStyleHsp" style=""></span>0,6 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>LDH (UI/l) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">306,49<span class="elsevierStyleHsp" style=""></span>±<span class="elsevierStyleHsp" style=""></span>125,5 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Bilirrubina (mg/dl) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,53<span class="elsevierStyleHsp" style=""></span>±<span class="elsevierStyleHsp" style=""></span>0,3 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Troponina T (ng/l) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">11,33<span class="elsevierStyleHsp" style=""></span>±<span class="elsevierStyleHsp" style=""></span>28,4 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Dímero D (ng/ml) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">1.220,37<span class="elsevierStyleHsp" style=""></span>±<span class="elsevierStyleHsp" style=""></span>2.069,7 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " colspan="2" align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleItalic">Tratamientos</span></td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Ventilación mecánica \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">23 (7,7%) \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Azitromicina \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">243 (81,3%) \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Hidroxicloroquina \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">265 (88,6%) \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Lopinavir/ritonavir \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">118 (39,4%) \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Interferón beta \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">20 (6,7%) \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Tocilizumab \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">38 (12,7%) \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Corticoides \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">100 (33,4%) \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Heparina \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">236 (78,9%) \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Pravastatina \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">90 (30,1%) \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Cefalosporinas \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">216 (72,2%) \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Levofloxacino \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">45 (15,1%) \t\t\t\t\t\t\n \t\t\t\t</td></tr></tbody></table> """ ] "imagenFichero" => array:1 [ 0 => "xTab3610932.png" ] ] ] ] "descripcion" => array:1 [ "es" => "<p id="spar0075" class="elsevierStyleSimplePara elsevierViewall">Características demográficas, clínicas, analíticas y terapéuticas de los pacientes totales</p>" ] ] 6 => array:8 [ "identificador" => "tbl0010" "etiqueta" => "Tabla 2" "tipo" => "MULTIMEDIATABLA" "mostrarFloat" => true "mostrarDisplay" => false "detalles" => array:1 [ 0 => array:3 [ "identificador" => "at2" "detalle" => "Tabla " "rol" => "short" ] ] "tabla" => array:2 [ "leyenda" => "<p id="spar0090" class="elsevierStyleSimplePara elsevierViewall">EPOC: enfermedad pulmonar obstructiva crónica; IMC: índice de masa corporal; LDH: lactato deshidrogenasa; PCR: reacción en cadena de la polimerasa.</p>" "tablatextoimagen" => array:1 [ 0 => array:2 [ "tabla" => array:1 [ 0 => """ <table border="0" frame="\n \t\t\t\t\tvoid\n \t\t\t\t" class=""><thead title="thead"><tr title="table-row"><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black"> \t\t\t\t\t\t\n \t\t\t\t\t\t</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Buen pronóstico \t\t\t\t\t\t\n \t\t\t\t\t\t</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Mal pronóstico \t\t\t\t\t\t\n \t\t\t\t\t\t</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Valor de p \t\t\t\t\t\t\n \t\t\t\t\t\t</th></tr></thead><tbody title="tbody"><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " colspan="4" align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleItalic">Factores clínicos</span></td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Edad (años) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">59,17<span class="elsevierStyleHsp" style=""></span>±<span class="elsevierStyleHsp" style=""></span>15,9 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">71,28<span class="elsevierStyleHsp" style=""></span>±<span class="elsevierStyleHsp" style=""></span>14,5 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><<span class="elsevierStyleHsp" style=""></span>0,001 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Género (n.° y % mujeres) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">119 (45,9%) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">16 (40%) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,482 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>IMC \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">26,65<span class="elsevierStyleHsp" style=""></span>±<span class="elsevierStyleHsp" style=""></span>5,46 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">26,28<span class="elsevierStyleHsp" style=""></span>±<span class="elsevierStyleHsp" style=""></span>3,8 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,821 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Enfermedad cardiovascular \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">52 (20,1%) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">18 (45%) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,001 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Enfermedad oncológica \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">39 (15,1%) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">12 (30%) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,019 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Diabetes mellitus \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">34 (13,1%) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">10 (25%) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,049 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Hipertensión arterial \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">99 (38,2%) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">29 (72,5%) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><<span class="elsevierStyleHsp" style=""></span>0,001 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Inmunosupresión \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">16 (6,2%) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">7 (17,5%) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,012 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Insuficiencia renal \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">18 (6,9%) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">11 (27,5%) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><<span class="elsevierStyleHsp" style=""></span>0,001 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Asma \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">13 (5%) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0 (0%) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,147 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>EPOC \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">10 (3,9%) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">5 (12,5%) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,020 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Tabaco (fumadores y exfumadores) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">66 (26,5%) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">13 (32,5%) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,349 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Síntomas \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">248 (95,8%) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">39 (97,5%) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,600 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Días de síntomas \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">8,44<span class="elsevierStyleHsp" style=""></span>±<span class="elsevierStyleHsp" style=""></span>6 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">7,48<span class="elsevierStyleHsp" style=""></span>±<span class="elsevierStyleHsp" style=""></span>7,3 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,363 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Fiebre \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">203 (78,4%) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">32 (80%) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,816 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Astenia \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">56 (21,6%) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">7 (17,5%) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,552 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Disnea \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">92 (35,5%) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">16 (40%) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,583 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Mal estado general \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">87 (33,6%) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">13 (32,5%) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,892 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Tos \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">179 (69,1%) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">24 (60%) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,251 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Diarrea \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">61 (23,6%) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">4 (10%) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,053 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Odinofagia \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">25 (9,7%) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">2 (5%) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,339 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Cefalea \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">32 (12,4%) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">1 (2,5%) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,064 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " colspan="4" align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleItalic">Analítica</span></td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Hemoglobina (g/dl) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">13,73<span class="elsevierStyleHsp" style=""></span>±<span class="elsevierStyleHsp" style=""></span>1,8 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">13,16<span class="elsevierStyleHsp" style=""></span>±<span class="elsevierStyleHsp" style=""></span>2,5 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,082 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Leucocitos (×10<span class="elsevierStyleSup">9</span>/l) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">10,77<span class="elsevierStyleHsp" style=""></span>±<span class="elsevierStyleHsp" style=""></span>48,7 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">7,82<span class="elsevierStyleHsp" style=""></span>±<span class="elsevierStyleHsp" style=""></span>6,1 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,354 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Neutrófilos (×10<span class="elsevierStyleSup">9</span>/l) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">6,02<span class="elsevierStyleHsp" style=""></span>±<span class="elsevierStyleHsp" style=""></span>24,6 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">5,80<span class="elsevierStyleHsp" style=""></span>±<span class="elsevierStyleHsp" style=""></span>4,3 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,895 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Linfocitos (×10<span class="elsevierStyleSup">9</span>/l) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">1,75<span class="elsevierStyleHsp" style=""></span>±<span class="elsevierStyleHsp" style=""></span>7,3 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">1,79<span class="elsevierStyleHsp" style=""></span>±<span class="elsevierStyleHsp" style=""></span>4,7 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,960 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Plaquetas (×10<span class="elsevierStyleSup">9</span>/l) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">202,43<span class="elsevierStyleHsp" style=""></span>±<span class="elsevierStyleHsp" style=""></span>79,1 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">172,08<span class="elsevierStyleHsp" style=""></span>±<span class="elsevierStyleHsp" style=""></span>55,3 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,004 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>PCR (mg/dl) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">6,42<span class="elsevierStyleHsp" style=""></span>±<span class="elsevierStyleHsp" style=""></span>7,6 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">13,48<span class="elsevierStyleHsp" style=""></span>±<span class="elsevierStyleHsp" style=""></span>10,1 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><<span class="elsevierStyleHsp" style=""></span>0,001 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Procalcitonina (mg/dl) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,18<span class="elsevierStyleHsp" style=""></span>±<span class="elsevierStyleHsp" style=""></span>0,7 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,32<span class="elsevierStyleHsp" style=""></span>±<span class="elsevierStyleHsp" style=""></span>0,5 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,139 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Creatinina (mg/dl) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,93<span class="elsevierStyleHsp" style=""></span>±<span class="elsevierStyleHsp" style=""></span>0,6 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">1,2<span class="elsevierStyleHsp" style=""></span>±<span class="elsevierStyleHsp" style=""></span>0,5 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,003 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>LDH (UI/l) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">293,36<span class="elsevierStyleHsp" style=""></span>±<span class="elsevierStyleHsp" style=""></span>120,2 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">394,26<span class="elsevierStyleHsp" style=""></span>±<span class="elsevierStyleHsp" style=""></span>126,2 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><<span class="elsevierStyleHsp" style=""></span>0,001 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Bilirrubina (mg/dl) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,51<span class="elsevierStyleHsp" style=""></span>±<span class="elsevierStyleHsp" style=""></span>0,3 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,64<span class="elsevierStyleHsp" style=""></span>±<span class="elsevierStyleHsp" style=""></span>0,3 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,036 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Troponina T (ng/l) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">8,47<span class="elsevierStyleHsp" style=""></span>±<span class="elsevierStyleHsp" style=""></span>24,2 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">30,89<span class="elsevierStyleHsp" style=""></span>±<span class="elsevierStyleHsp" style=""></span>43,9 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><<span class="elsevierStyleHsp" style=""></span>0,001 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Dímero D (ng/ml) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">1.046,12<span class="elsevierStyleHsp" style=""></span>±<span class="elsevierStyleHsp" style=""></span>1.864,4 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">2.359,72<span class="elsevierStyleHsp" style=""></span>±<span class="elsevierStyleHsp" style=""></span>2.873,6 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><<span class="elsevierStyleHsp" style=""></span>0,001 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " colspan="4" align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleItalic">Tratamientos</span></td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Ventilación mecánica \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">1 (0,4%) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">22 (55%) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><<span class="elsevierStyleHsp" style=""></span>0,001 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Azitromicina \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">212 (81,9%) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">31 (77,5%) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,723 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Hidroxicloroquina \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">231 (89,2%) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">34 (85%) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,958 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Lopinavir/ritonavir \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">89 (34,3%) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">29 (72,5%) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><<span class="elsevierStyleHsp" style=""></span>0,001 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Interferón beta \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">13 (5%) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">7 (17,5%) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,002 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Tocilizumab \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">21 (8,1%) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">17 (42,5%) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><<span class="elsevierStyleHsp" style=""></span>0,001 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Corticoides \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">71 (27,4%) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">29 (72,5%) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><<span class="elsevierStyleHsp" style=""></span>0,001 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Heparina \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">202 (78%) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">34 (85%) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,188 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Pravastatina \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">78 (30,1%) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">12 (30%) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,934 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Cefalosporinas \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">186 (71,8%) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">30 (75%) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,505 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Levofloxacino \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">31 (12%) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">14 (35%) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><<span class="elsevierStyleHsp" style=""></span>0,001 \t\t\t\t\t\t\n \t\t\t\t</td></tr></tbody></table> """ ] "imagenFichero" => array:1 [ 0 => "xTab3610934.png" ] ] ] ] "descripcion" => array:1 [ "es" => "<p id="spar0085" class="elsevierStyleSimplePara elsevierViewall">Características demográficas, clínicas, analíticas y terapéuticas de los pacientes según los grupos de pronóstico</p>" ] ] 7 => array:8 [ "identificador" => "tbl0015" "etiqueta" => "Tabla 3" "tipo" => "MULTIMEDIATABLA" "mostrarFloat" => true "mostrarDisplay" => false "detalles" => array:1 [ 0 => array:3 [ "identificador" => "at3" "detalle" => "Tabla " "rol" => "short" ] ] "tabla" => array:2 [ "leyenda" => "<p id="spar0100" class="elsevierStyleSimplePara elsevierViewall">IA: inteligencia artificial; IC 95%: intervalo de confianza del 95%; LDH: lactato deshidrogenasa; PCR: reacción en cadena de la polimerasa; UCI: unidad de cuidados intensivos.</p>" "tablatextoimagen" => array:1 [ 0 => array:2 [ "tabla" => array:1 [ 0 => """ <table border="0" frame="\n \t\t\t\t\tvoid\n \t\t\t\t" class=""><thead title="thead"><tr title="table-row"><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black"> \t\t\t\t\t\t\n \t\t\t\t\t\t</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">OR \t\t\t\t\t\t\n \t\t\t\t\t\t</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">IC 95% \t\t\t\t\t\t\n \t\t\t\t\t\t</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Valor de p \t\t\t\t\t\t\n \t\t\t\t\t\t</th></tr></thead><tbody title="tbody"><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleItalic">Edad (ref.</span><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">≤</span><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">65 años)</span>><span class="elsevierStyleHsp" style=""></span>65 años \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">4,87 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">2,32-10,19 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><<span class="elsevierStyleHsp" style=""></span>0,001 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleItalic">Enfermedad cardiovascular</span> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">3,26 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">1,63-6,51 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,001 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleItalic">Enfermedad oncológica</span> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">2,42 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">1,13-5,16 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,022 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleItalic">Diabetes mellitus</span> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">2,21 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,99-4,97 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,053 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleItalic">Hipertensión arterial</span> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">4,26 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">2,04-8,91 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><<span class="elsevierStyleHsp" style=""></span>0,001 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleItalic">Inmunosupresión</span> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">3,22 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">1,23-8,41 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,017 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleItalic">Enfermedad renal crónica</span> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">5,08 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">2,19-11,80 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><<span class="elsevierStyleHsp" style=""></span>0,001 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleItalic">EPOC</span> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">3,56 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">1,15-11,02 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,028 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleItalic">Plaquetas (ref.</span><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">≥</span><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">150</span><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">×</span><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">10</span><span class="elsevierStyleSup"><span class="elsevierStyleItalic">9</span></span><span class="elsevierStyleItalic">/l)</span><<span class="elsevierStyleHsp" style=""></span>150<span class="elsevierStyleHsp" style=""></span>×<span class="elsevierStyleHsp" style=""></span>10<span class="elsevierStyleSup">9</span>/l \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">2,21 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">1,11-4,39 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,024 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleItalic">PCR (ref.</span><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">≤</span><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">5</span><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">mg/l)</span>><span class="elsevierStyleHsp" style=""></span>5<span class="elsevierStyleHsp" style=""></span>mg/l \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">4,59 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">2,09-10,08 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><<span class="elsevierStyleHsp" style=""></span>0,001 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleItalic">Creatinina (ref.</span><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">≤</span><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">1</span><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">mg/dl)</span>><span class="elsevierStyleHsp" style=""></span>1<span class="elsevierStyleHsp" style=""></span>mg/dl \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">5,63 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">2,74-11,56 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><<span class="elsevierStyleHsp" style=""></span>0,001 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleItalic">LDH (ref.</span><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">≤</span><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">250</span><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">UI/l)</span>><span class="elsevierStyleHsp" style=""></span>250<span class="elsevierStyleHsp" style=""></span>UI/l \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">11,69 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">2,75-49,63 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,001 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleItalic">Dímero D (ref.</span><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">≤</span><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">600</span><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">ng/ml)</span>><span class="elsevierStyleHsp" style=""></span>600<span class="elsevierStyleHsp" style=""></span>ng/ml \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">5,68 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">2,15-14,98 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><<span class="elsevierStyleHsp" style=""></span>0,001 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleItalic">Estadios de extensión IA (ref. estadio 1 [0-4 puntos])</span> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Estadio 2 [5-9 puntos] \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">3,05 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">1,03-7,16 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,01 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Estadio 3 [10-14 puntos] \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">13,09 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">4,64-36,95 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><<span class="elsevierStyleHsp" style=""></span>0,001 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Estadio 4 [15-20 puntos] \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">25 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">3,69-169,07 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,001 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleItalic">Estadios de extensión radiólogo (ref. estadio 1 [0-4 puntos])</span> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Estadio 2 [5-9 puntos] \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">2,99 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">1,08-8,26 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,034 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Estadio 3 [10-14 puntos] \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">6,56 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">2,03-21,32 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,002 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>Estadio 4 [15-20 puntos] \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">10,36 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">2,71-39,68 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,001 \t\t\t\t\t\t\n \t\t\t\t</td></tr></tbody></table> """ ] "imagenFichero" => array:1 [ 0 => "xTab3610933.png" ] ] ] ] "descripcion" => array:1 [ "es" => "<p id="spar0095" class="elsevierStyleSimplePara elsevierViewall">Impacto en el riesgo de ingreso en la UCI o fallecimiento de las variables con diferencias significativas entre grupos de pronóstico. Análisis univariante de regresión logística</p>" ] ] 8 => array:8 [ "identificador" => "tbl0020" "etiqueta" => "Tabla 4" "tipo" => "MULTIMEDIATABLA" "mostrarFloat" => true "mostrarDisplay" => false "detalles" => array:1 [ 0 => array:3 [ "identificador" => "at4" "detalle" => "Tabla " "rol" => "short" ] ] "tabla" => array:3 [ "leyenda" => "<p id="spar0110" class="elsevierStyleSimplePara elsevierViewall">IA: inteligencia artificial; IC 95%: intervalo de confianza del 95%; LDH: lactato deshidrogenasa; OR: <span class="elsevierStyleItalic">odds ratio</span>; PCR: reacción en cadena de la polimerasa; TC: tomografía computarizada.</p>" "tablatextoimagen" => array:1 [ 0 => array:2 [ "tabla" => array:1 [ 0 => """ <table border="0" frame="\n \t\t\t\t\tvoid\n \t\t\t\t" class=""><thead title="thead"><tr title="table-row"><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col"> \t\t\t\t\t\t\n \t\t\t\t\t\t</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " colspan="2" align="center" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Modelo clínico<span class="elsevierStyleHsp" style=""></span>+<span class="elsevierStyleHsp" style=""></span>radiólogo<a class="elsevierStyleCrossRef" href="#tblfn0005"><span class="elsevierStyleSup">a</span></a></th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " colspan="2" align="center" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Modelo clínico<span class="elsevierStyleHsp" style=""></span>+<span class="elsevierStyleHsp" style=""></span>IA<a class="elsevierStyleCrossRef" href="#tblfn0010"><span class="elsevierStyleSup">b</span></a></th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " colspan="2" align="center" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Modelo clínico (sin TC)<a class="elsevierStyleCrossRef" href="#tblfn0015"><span class="elsevierStyleSup">c</span></a></th></tr><tr title="table-row"><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black"> \t\t\t\t\t\t\n \t\t\t\t\t\t</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">OR (IC 95%) \t\t\t\t\t\t\n \t\t\t\t\t\t</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Valor de p \t\t\t\t\t\t\n \t\t\t\t\t\t</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">OR (IC 95%) \t\t\t\t\t\t\n \t\t\t\t\t\t</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Valor de p \t\t\t\t\t\t\n \t\t\t\t\t\t</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">OR (IC 95%) \t\t\t\t\t\t\n \t\t\t\t\t\t</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Valor de p \t\t\t\t\t\t\n \t\t\t\t\t\t</th></tr></thead><tbody title="tbody"><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleItalic">Hipertensión arterial</span> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">3,54 (1,43-8,72) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,006 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">3,52 (1,39-8,92) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,008 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">3,28 (1,37-7,86) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,008 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleItalic">PCR (ref.</span><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">≤</span><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">5</span><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">mg/l)</span> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " colspan="2" align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">No incluido</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">3,12 (1,09-8,85) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,033 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">2,65 (0,99-7,11) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,054 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleItalic">Creatinina (ref.</span><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">≤</span><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">1</span><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">mg/dl)</span> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">5,49 (2,36-12,76) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><<span class="elsevierStyleHsp" style=""></span>0,001 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">4,86 (2,04-11,59) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><<span class="elsevierStyleHsp" style=""></span>0,001 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">5,01 (2,2-11,38) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><<span class="elsevierStyleHsp" style=""></span>0,001 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleItalic">LDH (ref.</span><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">≤</span><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">250</span><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">UI/l)</span> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">4,44 (0,92-21,37) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,063 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">No incluido \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">5,23 (1,09-24,99) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,038 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleItalic">Dímero D (ref.</span><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">≤</span><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">600</span><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">ng/ml)</span> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">3,08 (0,94-10,08) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,063 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">3,02 (0,87-10,55) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,083 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">3,60 (1,11-11,69) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,033 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleItalic">Estadios de extensión IA (ref. estadio 1 [0-4 puntos])</span> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " colspan="2" align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">No incluido</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,003 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " colspan="2" align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">No incluido</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Estadio 2 [5-9 puntos] \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " colspan="2" align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"></td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">1,89 (0,60-5,92) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,275 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " colspan="2" align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"></td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Estadio 3 [10-14 puntos] \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " colspan="2" align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"></td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">7,04 (1,86-26,62) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,004 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " colspan="2" align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"></td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Estadio 4 [15-20 puntos] \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " colspan="2" align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"></td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">27,77 (2,72-283,31) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,005 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " colspan="2" align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"></td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleItalic">Estadios de extensión radiólogo (ref. estadio 1 [0-4 puntos])</span> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,063 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " colspan="2" align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">No incluido</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " colspan="2" align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">No incluido</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Estadio 2 [5-9 puntos] \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">3,89 (0,79-19,22) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,096 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " colspan="2" align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"></td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " colspan="2" align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"></td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Estadio 3 [10-14 puntos] \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">7,09 (1,19-42,42) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,032 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " colspan="2" align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"></td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " colspan="2" align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"></td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Estadio 4 [15-20 puntos] \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">12,64 (1,76-90,65) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,012 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " colspan="2" align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"></td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " colspan="2" align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"></td></tr></tbody></table> """ ] "imagenFichero" => array:1 [ 0 => "xTab3610935.png" ] ] ] "notaPie" => array:3 [ 0 => array:3 [ "identificador" => "tblfn0005" "etiqueta" => "a" "nota" => "<p class="elsevierStyleNotepara" id="npar0005">Variables excluidas por el análisis estadístico: edad, enfermedad cardiovascular y oncológica, inmunosupresión, insuficiencia renal, EPOC, niveles de plaquetas y niveles de PCR.</p>" ] 1 => array:3 [ "identificador" => "tblfn0010" "etiqueta" => "b" "nota" => "<p class="elsevierStyleNotepara" id="npar0010">Variables excluidas por el análisis estadístico: edad, enfermedad cardiovascular y oncológica, inmunosupresión, insuficiencia renal, EPOC, niveles de plaquetas y niveles de LDH.</p>" ] 2 => array:3 [ "identificador" => "tblfn0015" "etiqueta" => "c" "nota" => "<p class="elsevierStyleNotepara" id="npar0015">Variables excluidas por el análisis estadístico: edad, enfermedad cardiovascular y oncológica, inmunosupresión, insuficiencia renal, EPOC y niveles de plaquetas.</p>" ] ] ] "descripcion" => array:1 [ "es" => "<p id="spar0105" class="elsevierStyleSimplePara elsevierViewall">Comparación de modelos de pronóstico mediante análisis multivariante de regresión logística</p>" ] ] 9 => array:5 [ "identificador" => "fig0030" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => false "mostrarDisplay" => true "figura" => array:1 [ 0 => array:4 [ "imagen" => "fx1.jpeg" "Alto" => 753 "Ancho" => 1333 "Tamanyo" => 239776 ] ] ] ] "bibliografia" => array:2 [ "titulo" => "Bibliografía" "seccion" => array:1 [ 0 => array:2 [ "identificador" => "bibs0015" "bibliografiaReferencia" => array:27 [ 0 => array:3 [ "identificador" => "bib0140" "etiqueta" => "1" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "A Novel Coronavirus from Patients with Pneumonia in China, 2019" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "N. Zhu" 1 => "D. Zhang" 2 => "W. Wang" 3 => "X. Li" 4 => "B. Yang" 5 => "J. Song" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1056/NEJMoa2001017" "Revista" => array:6 [ "tituloSerie" => "N Engl J Med" "fecha" => "2020" "volumen" => "382" "paginaInicial" => "727" "paginaFinal" => "733" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/31978945" "web" => "Medline" ] ] ] ] ] ] ] ] 1 => array:3 [ "identificador" => "bib0145" "etiqueta" => "2" "referencia" => array:1 [ 0 => array:1 [ "referenciaCompleta" => "World Health Organization, WHO Coronavirus Disease (COVID-19) Dashboard [consultado 24 Ene 2024]. Disponible en: <a target="_blank" href="https://covid19.who.int/">https://covid19.who.int/</a>" ] ] ] 2 => array:3 [ "identificador" => "bib0150" "etiqueta" => "3" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "COVID-19: A multimodality review of radiologic techniques, clinical utility, and imaging features" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "S. Manna" 1 => "J. Wruble" 2 => "S.Z. Maron" 3 => "D. Toussie" 4 => "N. Voutsinas" 5 => "M. Finkelstein" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1148/ryct.2020200210" "Revista" => array:5 [ "tituloSerie" => "Radiol Cardiothorac Imaging" "fecha" => "2020" "volumen" => "2" "paginaInicial" => "e200" "paginaFinal" => "e210" ] ] ] ] ] ] 3 => array:3 [ "identificador" => "bib0155" "etiqueta" => "4" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Chest computed tomography findings in different phases of SARS-CoV-2 infection" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "I. Soriano Aguadero" 1 => "A. Ezponda Casajús" 2 => "F. Mendoza Ferradas" 3 => "A. Igual Rouilleault" 4 => "A. Paternain Nuin" 5 => "J. Pueyo Villoslada" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1016/j.rxeng.2021.02.003" "Revista" => array:6 [ "tituloSerie" => "Radiologia" "fecha" => "2021" "volumen" => "63" "paginaInicial" => "218" "paginaFinal" => "227" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/35370313" "web" => "Medline" ] ] ] ] ] ] ] ] 4 => array:3 [ "identificador" => "bib0160" "etiqueta" => "5" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Radiological Society of North America Expert Consensus Statement on Reporting Chest CT Findings Related to COVID-19 Endorsed by the Society of Thoracic Radiology, the American College of Radiology, and RSNA - Secondary Publication" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "S. Simpson" 1 => "F.U. Kay" 2 => "S. Abbara" 3 => "S. Bhalla" 4 => "J.H. Chung" 5 => "M. Chung" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1097/RTI.0000000000000524" "Revista" => array:6 [ "tituloSerie" => "J Thorac Imaging" "fecha" => "2020" "volumen" => "35" "paginaInicial" => "219" "paginaFinal" => "227" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/32324653" "web" => "Medline" ] ] ] ] ] ] ] ] 5 => array:3 [ "identificador" => "bib0165" "etiqueta" => "6" "referencia" => array:1 [ 0 => array:1 [ "referenciaCompleta" => "Guía básica de indicaciones de pruebas de imagen en la infección COVID-19. Sociedad Española de Radiología Médica. 2020 [consultado 24 Ene 2024]. Disponible en: <a target="_blank" href="https://seram.es/wp-content/uploads/2021/09/Recomendaciones_imagen_SERAM_COVID_19.pdf">https://seram.es/wp-content/uploads/2021/09/Recomendaciones_imagen_SERAM_COVID_19.pdf</a>" ] ] ] 6 => array:3 [ "identificador" => "bib0170" "etiqueta" => "7" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "The Role of Chest Imaging in Patient Management During the COVID-19 Pandemic: A Multinational Consensus Statement From the Fleischner Society" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "G.D. Rubin" 1 => "C.J. Ryerson" 2 => "L.B. Haramati" 3 => "N. Sverzellati" 4 => "J.P. Kanne" 5 => "S. Raoof" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1016/j.chest.2020.04.003" "Revista" => array:6 [ "tituloSerie" => "Chest" "fecha" => "2020" "volumen" => "158" "paginaInicial" => "106" "paginaFinal" => "116" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/32275978" "web" => "Medline" ] ] ] ] ] ] ] ] 7 => array:3 [ "identificador" => "bib0175" "etiqueta" => "8" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Temporal Changes of CT Findings in 90 Patients with COVID-19 Pneumonia: A Longitudinal Study" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "Y. Wang" 1 => "C. Dong" 2 => "Y. Hu" 3 => "C. Li" 4 => "Q. Ren" 5 => "X. Zhang" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1148/radiol.2020200843" "Revista" => array:6 [ "tituloSerie" => "Radiology" "fecha" => "2020" "volumen" => "296" "paginaInicial" => "e55" "paginaFinal" => "e64" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/32191587" "web" => "Medline" ] ] ] ] ] ] ] ] 8 => array:3 [ "identificador" => "bib0180" "etiqueta" => "9" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Association of radiologic findings with mortality of patients infected with 2019 novel coronavirus in Wuhan, China" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:5 [ 0 => "M. Yuan" 1 => "W. Yin" 2 => "Z. Tao" 3 => "W. Tan" 4 => "Y. Hu" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1371/journal.pone.0230548" "Revista" => array:5 [ "tituloSerie" => "PLoS One" "fecha" => "2020" "volumen" => "15" "paginaInicial" => "e0230548" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/32191764" "web" => "Medline" ] ] ] ] ] ] ] ] 9 => array:3 [ "identificador" => "bib0185" "etiqueta" => "10" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "A Deep Learning System to Screen Novel Coronavirus Disease 2019 Pneumonia" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "X. Xu" 1 => "X. Jiang" 2 => "C. Ma" 3 => "P. Du" 4 => "X. Li" 5 => "S. Lv" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1016/j.eng.2020.04.010" "Revista" => array:6 [ "tituloSerie" => "Engineering" "fecha" => "2020" "volumen" => "6" "paginaInicial" => "1122" "paginaFinal" => "1129" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/32837749" "web" => "Medline" ] ] ] ] ] ] ] ] 10 => array:3 [ "identificador" => "bib0190" "etiqueta" => "11" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Using Artificial Intelligence to Detect COVID-19 and Community-acquired Pneumonia Based on Pulmonary CT: Evaluation of the Diagnostic Accuracy" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "L. Li" 1 => "L. Qin" 2 => "Z. Xu" 3 => "Y. Yin" 4 => "X. Wang" 5 => "B. Kong" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1148/radiol.2020200905" "Revista" => array:6 [ "tituloSerie" => "Radiology" "fecha" => "2020" "volumen" => "296" "paginaInicial" => "e65" "paginaFinal" => "e71" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/32191588" "web" => "Medline" ] ] ] ] ] ] ] ] 11 => array:3 [ "identificador" => "bib0195" "etiqueta" => "12" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Accuracy of deep learning-based computed tomography diagnostic system for COVID-19: A consecutive sampling external validation cohort study Xie H" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "T. Ikenoue" 1 => "Y. Kataoka" 2 => "Y. Matsuoka" 3 => "J. Matsumoto" 4 => "J. Kumasawa" 5 => "K. Tochitatni" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1371/journal.pone.0258760" "Revista" => array:5 [ "tituloSerie" => "PLoS One" "fecha" => "2021" "volumen" => "16" "paginaInicial" => "e0258760" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/34735458" "web" => "Medline" ] ] ] ] ] ] ] ] 12 => array:3 [ "identificador" => "bib0200" "etiqueta" => "13" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Detection and characterization of COVID-19 findings in chest CT: Feasibility and applicability of an AI-based software tool" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "A. Gashi" 1 => "R.A. Kubik-Huch" 2 => "V. Chatzaraki" 3 => "A. Potempa" 4 => "F. Rauch" 5 => "S. Grbic" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1097/MD.0000000000027478" "Revista" => array:5 [ "tituloSerie" => "Medicine" "fecha" => "2021" "volumen" => "100" "paginaInicial" => "e27478" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/34731126" "web" => "Medline" ] ] ] ] ] ] ] ] 13 => array:3 [ "identificador" => "bib0205" "etiqueta" => "14" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Radiology Implementation Considerations for Artificial Intelligence (AI) Applied to COVID-19 From the AJR Special Series on AI Applications" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "M.D. Li" 1 => "K. Chang" 2 => "X. Mei" 3 => "A. Bernheim" 4 => "M. Chung" 5 => "S.R. Steinberger" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.2214/AJR.21.26717" "Revista" => array:6 [ "tituloSerie" => "AJR Am J Roentgenol" "fecha" => "2021" "volumen" => "219" "paginaInicial" => "15" "paginaFinal" => "23" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/34612681" "web" => "Medline" ] ] ] ] ] ] ] ] 14 => array:3 [ "identificador" => "bib0210" "etiqueta" => "15" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Value and prognostic impact of a deep learning segmentation model of COVID-19 lung lesions on low-dose chest CT" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "A. Bartoli" 1 => "J. Fournel" 2 => "A. Maurin" 3 => "B. Marchi" 4 => "P. Habert" 5 => "M. Castelli" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1016/j.redii.2022.100003" "Revista" => array:4 [ "tituloSerie" => "Res Diagn Interv Imaging" "fecha" => "2022" "volumen" => "1" "paginaInicial" => "e100003" ] ] ] ] ] ] 15 => array:3 [ "identificador" => "bib0215" "etiqueta" => "16" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "An Interpretable Chest CT Deep Learning Algorithm for Quantification of COVID-19 Lung Disease and Prediction of Inpatient Morbidity and Mortality" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "J.H. Chamberlin" 1 => "G. Aquino" 2 => "U.J. Schoepf" 3 => "S. Nance" 4 => "F. Godoy" 5 => "L. Carson" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1016/j.acra.2022.03.023" "Revista" => array:6 [ "tituloSerie" => "Acad Radiol" "fecha" => "2022" "volumen" => "29" "paginaInicial" => "1178" "paginaFinal" => "1188" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/35610114" "web" => "Medline" ] ] ] ] ] ] ] ] 16 => array:3 [ "identificador" => "bib0220" "etiqueta" => "17" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "CT imaging features of 2019 novel coronavirus (2019-NCoV)" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "M. Chung" 1 => "A. Bernheim" 2 => "X. Mei" 3 => "N. Zhang" 4 => "M. Huang" 5 => "X. Zeng" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1148/radiol.2020200230" "Revista" => array:6 [ "tituloSerie" => "Radiology" "fecha" => "2020" "volumen" => "295" "paginaInicial" => "202" "paginaFinal" => "207" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/32017661" "web" => "Medline" ] ] ] ] ] ] ] ] 17 => array:3 [ "identificador" => "bib0225" "etiqueta" => "18" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Prognostic value of CT integrated with clinical and laboratory data during the first peak of the COVID-19 pandemic in Northern Italy: A nomogram to predict unfavorable outcome" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "E. Angeli" 1 => "S. Dalto" 2 => "S. Marchese" 3 => "L. Setti" 4 => "M. Bonacina" 5 => "F. Galli" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1016/j.ejrad.2021.109612" "Revista" => array:4 [ "tituloSerie" => "Eur J Radiol" "fecha" => "2021" "volumen" => "137" "paginaInicial" => "e109612" ] ] ] ] ] ] 18 => array:3 [ "identificador" => "bib0230" "etiqueta" => "19" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Prognostic findings for ICU admission in patients with COVID-19 pneumonia: Baseline and follow-up chest CT and the added value of artificial intelligence" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "M.E. Laino" 1 => "A. Ammirabile" 2 => "L. Lofino" 3 => "D.J. Lundon" 4 => "A. Chiti" 5 => "M. Francone" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1007/s10140-021-02008-y" "Revista" => array:5 [ "tituloSerie" => "Emerg Radiol" "fecha" => "2022" "volumen" => "1" "paginaInicial" => "1" "paginaFinal" => "20" ] ] ] ] ] ] 19 => array:3 [ "identificador" => "bib0235" "etiqueta" => "20" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Early radiological worsening of SARS-CoV-2 pneumonia predicts the need for ventilatory support" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "J.M. Plasencia-Martínez" 1 => "A. Carrillo-Alcaraz" 2 => "M. Martín-Cascón" 3 => "R. Pérez-Costa" 4 => "M. Ballesta-Ruiz" 5 => "A. Blanco-Barrio" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1007/s00330-021-08418-3" "Revista" => array:6 [ "tituloSerie" => "Eur Radiol" "fecha" => "2022" "volumen" => "32" "paginaInicial" => "3490" "paginaFinal" => "3500" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/35034140" "web" => "Medline" ] ] ] ] ] ] ] ] 20 => array:3 [ "identificador" => "bib0240" "etiqueta" => "21" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Performance in prognostic capacity and efficiency of the Thoracic Care Suite GE AI tool applied to chest radiography of patients with COVID-19 pneumonia" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:4 [ 0 => "J.M. Plasencia-Martínez" 1 => "R. Pérez-Costa" 2 => "M. Ballesta-Ruiz" 3 => "J.M. García-Santos" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1016/j.rx.2022.11.012" "Revista" => array:6 [ "tituloSerie" => "Radiologia" "fecha" => "2023" "volumen" => "65" "paginaInicial" => "509" "paginaFinal" => "518" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/38049250" "web" => "Medline" ] ] ] ] ] ] ] ] 21 => array:3 [ "identificador" => "bib0245" "etiqueta" => "22" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Clinical course and risk factors for mortality of adult inpatients with COVID-19 in Wuhan China: A retrospective cohort study" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "F. Zhou" 1 => "T. Yu" 2 => "R. Du" 3 => "G. Fan" 4 => "Y. Liu" 5 => "Z. Liu" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1016/S0140-6736(20)30566-3" "Revista" => array:6 [ "tituloSerie" => "The Lancet" "fecha" => "2020" "volumen" => "395" "numero" => "10229" "paginaInicial" => "1054" "paginaFinal" => "1062" ] ] ] ] ] ] 22 => array:3 [ "identificador" => "bib0250" "etiqueta" => "23" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Chest CT score in COVID-19 patients: Correlation with disease severity and short-term prognosis" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "M. Francone" 1 => "F. Iafrate" 2 => "G.M. Masci" 3 => "S. Coco" 4 => "F. Cilia" 5 => "L. Manganaro" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1007/s00330-020-07033-y" "Revista" => array:6 [ "tituloSerie" => "Eur Radiol" "fecha" => "2020" "volumen" => "30" "paginaInicial" => "6808" "paginaFinal" => "6817" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/32623505" "web" => "Medline" ] ] ] ] ] ] ] ] 23 => array:3 [ "identificador" => "bib0255" "etiqueta" => "24" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Predictors of the chest CT score in COVID-19 patients: A cross-sectional study" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "N.A. Yazdi" 1 => "A.H. Ghadery" 2 => "S.A. Seyedalinaghi" 3 => "F. Jafari" 4 => "S. Jafari" 5 => "M. Hasannezad" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1186/s12985-021-01699-6" "Revista" => array:4 [ "tituloSerie" => "Virol J" "fecha" => "2021" "volumen" => "18" "paginaInicial" => "e225" ] ] ] ] ] ] 24 => array:3 [ "identificador" => "bib0260" "etiqueta" => "25" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Comparison of deep learning, radiomics and subjective assessment of chest CT findings in SARS-CoV-2 pneumonia" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "C. Arru" 1 => "S. Ebrahimian" 2 => "Z. Falaschi" 3 => "J.V. Hansen" 4 => "A. Pasche" 5 => "M.D. Lyhne" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1016/j.clinimag.2021.06.036" "Revista" => array:6 [ "tituloSerie" => "Clin Imaging" "fecha" => "2021" "volumen" => "80" "paginaInicial" => "58" "paginaFinal" => "66" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/34246044" "web" => "Medline" ] ] ] ] ] ] ] ] 25 => array:3 [ "identificador" => "bib0265" "etiqueta" => "26" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "A deep learning approach to characterize 2019 coronavirus disease (COVID-19) pneumonia in chest CT images" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "Q. Ni" 1 => "Z.Y. Sun" 2 => "L. Qi" 3 => "W. Chen" 4 => "Y. Yang" 5 => "L. Wang" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1007/s00330-020-07044-9" "Revista" => array:6 [ "tituloSerie" => "Eur Radiol" "fecha" => "2020" "volumen" => "30" "paginaInicial" => "6517" "paginaFinal" => "6527" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/32617690" "web" => "Medline" ] ] ] ] ] ] ] ] 26 => array:3 [ "identificador" => "bib0270" "etiqueta" => "27" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Association of AI quantified COVID-19 chest CT and patient outcome" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "X. Fang" 1 => "U. Kruger" 2 => "F. Homayounieh" 3 => "H. Chao" 4 => "J. Zhang" 5 => "S.R. Digumarthy" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1007/s11548-020-02299-5" "Revista" => array:6 [ "tituloSerie" => "Int J Comput Assist Radiol Surg" "fecha" => "2021" "volumen" => "16" "paginaInicial" => "435" "paginaFinal" => "445" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/33484428" "web" => "Medline" ] ] ] ] ] ] ] ] ] ] ] ] "agradecimientos" => array:1 [ 0 => array:4 [ "identificador" => "xack763091" "titulo" => "Agradecimientos" "texto" => "<p id="par0235" class="elsevierStylePara elsevierViewall">Agradecemos a Siemens Healthineers y su equipo de desarrollo D&A su colaboración en este estudio con la cesión del prototipo CT Pneumonia Analysis.</p>" "vista" => "all" ] ] ] "idiomaDefecto" => "es" "url" => "/00338338/unassign/S0033833824000924/v1_202408010420/es/main.assets" "Apartado" => null "PDF" => "https://static.elsevier.es/multimedia/00338338/unassign/S0033833824000924/v1_202408010420/es/main.pdf?idApp=UINPBA00004N&text.app=https://www.elsevier.es/" "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S0033833824000924?idApp=UINPBA00004N" ]
Información de la revista
Compartir
Descargar PDF
Más opciones de artículo
Original
Disponible online el 1 de agosto de 2024
Valor pronóstico de la extensión del parénquima pulmonar afectado en la neumonía COVID-19: estimación visual versus cuantificación automática por inteligencia artificial
Prognostic value of the extent of affected lung parenchyma in COVID-19 pneumonia patients: Visual estimation versus automatic quantification by artificial intelligence