Desde el inicio de la pandemia de la COVID-19 la población mayor ha presentado las tasas más elevadas de complicaciones y mortalidad. El objetivo de este estudio fue determinar la influencia de distintos factores de riesgo sobre los fallecimientos por la variante ómicron en Canarias.
Materiales y métodoEstudio observacional retrospectivo de 16.998 casos de COVID-19 en mayores de 40 años confirmados en Canarias entre el 1 agosto de 2022 y el 31 enero de 2023. Se extrajeron datos sociodemográficos (edad y sexo), clínicos (fallecimiento, vacunación, ingreso hospitalario, enfermedades previas y tratamientos).
ResultadosEntre los fallecidos hubo mayor proporción de varones, con edad superior a los 70 años, diabetes, enfermedad cardiovascular, renal, respiratoria y sistémica, y de residentes en centros sociosanitarios. También se encontraron diferencias significativas en cuanto al número de dosis de la vacuna. En el modelo de regresión múltiple encontramos: varón (OR [IC 95%]=1,92 [1,42-2,58]), edad (70-79 años, 9,11 [4,27-19,43]; 80-89 años 21,72 [10,40-45,36]; 90-99 años 66,24 [31,03-141,38]; 100 años o más 69,22[12,97-369,33]) y no vacunados (6,96 [4,01-12,08]) o cuya última dosis fue administrada al menos 12 meses antes del diagnóstico (2,38 [1,48-3,81]) mostraron una asociación significativa con la mortalidad.
ConclusionesExisten múltiples posibles factores que pueden incrementar el riesgo de mortalidad por la COVID-19 en población mayor. En nuestro estudio se ha encontrado que solo 3 predictores pueden explicar prácticamente la misma variabilidad: una edad más avanzada, el sexo varón y no estar vacunado o que la última fecha de vacunación fuese anterior a un año.
Since the beginning of the COVID-19 pandemic, the elderly population has had the highest rates of complications and mortality. This study aimed to determine the influence of different risk factors on deaths due to the Omicron variant in the Canary Islands.
Materials and methodsA retrospective observational study of 16,998 cases of COVID-19 over 40 years of age was conducted in the Canary Islands between August 1, 2022, and January 31, 2023. We extracted sociodemographic data (age and sex) and clinical data (death, vaccination history, hospital admission, previous diseases, and treatments).
ResultsAmong the deaths, there was a higher proportion of males aged over 70 years, with diabetes, cardiovascular, renal, respiratory, and systemic diseases, and nursing home residents. Significant differences were observed in the number of doses of the vaccine. The multiple regression model showed that male sex (OR [95% CI]=1.92 [1.42–2.58]), age (70–79 years, 9.11 [4.27–19.43]; 80–89 years, 21.72 [10.40–45.36]; 90–99 years, 66.24 [31.03–141.38]; 100 years or older, 69.22 [12.97–369.33]), being unvaccinated (6.96, [4.01–12.08]), or having the last dose administered at least 12 months before the diagnosis (2.38, [1.48–3.81]) were significantly associated with mortality.
ConclusionsMultiple factors may increase the risk of mortality due to COVID-19 in the elderly population. In our study, we found that only three predictors can effectively explain the variability: older age, male sex, and not being vaccinated or last vaccination date prior to one year.
Desde el inicio de la pandemia de la COVID-19 la población de mayor edad ha presentado las tasas más elevadas de complicaciones y mortalidad por esta enfermedad1,2. A día 27 de enero de 2023 se habían notificado a través de la Red Nacional de Vigilancia Epidemiológica en España 13.731.478 casos confirmados y 118.434 fallecidos. De estos, 463.489 casos confirmados y 2.234 fallecidos correspondían a Canarias3. El porcentaje de fallecimientos en personas de 60 años o más fue del 94,8% en todo el territorio nacional y del 90,5% en Canarias4.
Los grupos de mayor edad, así como algunas enfermedades crónicas como la diabetes, la hipertensión o la insuficiencia renal, han presentado un mayor riesgo de mortalidad5–7. Por otro lado, la polifarmacia, es decir, el consumo de 5 o más medicamentos al día también se ha asociado con mayor morbimortalidad entre los pacientes con COVID-198–10. Teniendo en cuenta que las personas mayores son una población de alto riesgo, con una mayor probabilidad de presentar síntomas atípicos, multimorbilidad, mayor gravedad y mayor mortalidad en general, se convirtieron en una prioridad para los programas de vacunación contra la COVID-1911.
La vacunación con vacunas de ARNm en España se mostró muy eficaz para prevenir las infecciones por SARS-CoV-2 y las hospitalizaciones y muertes por COVID-19 en residentes de centros de atención a largo plazo para personas mayores4,12. No obstante, el efecto protector de las vacunas ha sido diferente en función de las variantes13. Desde el inicio de 2020 se fue produciendo en España un aumento progresivo de la incidencia de la variante alfa, hasta situarse en el 70%. A partir de junio de 2021 esta fue descendiendo progresivamente, siendo sustituida por la variante delta, que aumentó hasta alcanzar cifras entre el 94-100%. Posteriormente, delta fue reemplazada por ómicron, que desde la semana 47 de 2022 se situaba entre el 99-100%14. La vacunación primaria ha mostrado un mayor efecto sobre la hospitalización, la gravedad y la muerte asociadas con la variante ómicron, incluso meses después de la última dosis15.
Con el fin de actualizar la evidencia existente para la población geriátrica con la variante ómicron, el objetivo de este estudio fue determinar la influencia de distintos factores de riesgo sobre los fallecimientos por COVID-19 en la población de 40 años o más de Canarias entre el 1 de agosto de 2022 y el 31 de enero de 2023.
Materiales y métodoMuestraSe extrajeron los datos de todos los casos declarados en la Red de Vigilancia Epidemiológica de Canarias (ReVECa), confirmados mediante prueba microbiológica (pruebas basadas en la detección de antígenos y pruebas basadas en la detección de ARN viral mediante una RT-PCR o una técnica molecular equivalente)16, que fueran usuarios de tarjeta sanitaria del Sistema Canario de Salud (SCS) o, perteneciendo a otro sistema público de salud español, hubieran tenido historial de atención médica en el SCS durante el último año. Adicionalmente, los casos debían cumplir los siguientes criterios de inclusión: haber sido diagnosticados de infección por SARS-CoV-2 entre el 1 de agosto de 2022 y el 31 de enero de 2023 y haber sido clasificados como curados o fallecidos al final del seguimiento. Se excluyeron aquellos pacientes en seguimiento epidemiológico o sin información al final del seguimiento. Se encontraron 20.754 casos, de los que se excluyeron 21 que no tenían información acerca de su edad. También se excluyeron 3.756 casos menores de 40 años, dado que no había fallecidos menores de esa edad. Por tanto, la muestra final estuvo formada por 16.998 casos de 40 años o más, de los cuales 188 eran fallecimientos.
DatosA través de ReVECa se identificaron los expedientes de los pacientes que cumplían los criterios de inclusión/exclusión, y se extrajeron los siguientes datos: resultado al final del seguimiento (curado o fallecido), edad en años, sexo, fecha de diagnóstico, datos sobre vacunación (número de dosis y fechas de las mismas), datos sobre ingresos hospitalarios por COVID-19 en caso de haberlos (fecha de ingreso y fecha de ingreso en la UCI). Por otro lado, a partir del número de expediente en atención primaria del SCS, se extrajo toda la información disponible acerca de las enfermedades previas de cada paciente, que se clasificaron como: cardiovasculares (enfermedades isquémicas del corazón, hipertensivas y cerebrovasculares), diabetes, digestivas, inmunodeficiencias, neoplasias de órganos sólidos, neoplasias hematológicas, renales, respiratorias y sistémicas (anemias, enfermedades desmielinizantes, trastornos extrapiramidales, síndromes paralíticos, trastornos sistémicos del tejido conjuntivo y trastornos metabólicos). Para garantizar la calidad de los datos referentes a los ingresos hospitalarios se verificó que los ingresos fueran consecuencia de complicaciones debidas la infección por SARS-CoV-2.
Se categorizó la edad en grupos decenales desde los 60 años en adelante, y se creó un grupo de referencia con los casos de 40 a 59 años. Se calculó la fecha de la última vacuna y los días transcurridos entre esa fecha y la del diagnóstico de COVID-19. También se calculó el número de días entre el diagnóstico y el ingreso convencional o en la UCI, en caso de que lo hubiera habido. El tiempo transcurrido entre la última vacuna y el diagnóstico se categorizó como: a) menos de 3 meses; b) entre 3 y 6 meses; c) entre 6 y 12 meses; d) más de 12 meses; y e) no vacunado15. Si el paciente fue vacunado durante los 13 días previos al diagnóstico o después de este, se descartó esa fecha de vacuna. A partir del número de principios activos que constaban en la historia del paciente en el momento de la inclusión en el estudio, se identificaron los casos de polifarmacia en aquellos registros que tuvieran 5 o más medicaciones17.
Consideraciones éticasSe obtuvo la aprobación del Comité de Ética de la Investigación con Medicamentos del Complejo Hospitalario Universitario de Canarias (código de aprobación CHUC_2021_27). Todos los procedimientos se llevaron a cabo de acuerdo con la Declaración de Helsinki. Los análisis estadísticos se realizaron con datos anonimizados para proteger la privacidad y confidencialidad de los pacientes; por tanto, no se requirió consentimiento informado individual.
Análisis estadísticoPara analizar las características de la muestra se utilizaron frecuencias y porcentajes para las variables categóricas, mediana y rango intercuartílico (RIC) para la edad y los días entre la última vacuna y el diagnóstico, y el rango mínimo-máximo para los días entre el diagnóstico y el ingreso convencional o en la UCI. Las diferencias entre curados y fallecidos se comprobaron mediante la prueba Chi cuadrado (χ2) y la prueba de rangos con signo de Wilcoxon.
Tras identificar los predictores estadísticamente significativos en el paso anterior, se realizaron análisis de regresión logística bivariados para estimar el tamaño del efecto de cada predictor sobre la probabilidad de fallecimiento, y se presentaron como odds ratio con un intervalo de confianza del 95% (IC 95%). Aquellos predictores que resultaron estadísticamente significativos en este paso se incluyeron en un modelo de regresión logística múltiple, mediante el que se obtuvieron tamaños del efecto ajustados (ORajust). En el modelo final se incluyeron solo aquellos predictores cuyos efectos ajustados fueron estadísticamente significativos. Para la interpretación del tamaño del efecto se tomaron como referencia los valores citados en la literatura: OR=1,68, 3,47, y 6,71 para efectos pequeños, moderados y grandes, respectivamente18.
El nivel de significación se estableció en 0,05. Todos los análisis estadísticos se llevaron a cabo mediante el software Stata 15.1 (StataCorp, College Station, Texas, Estados Unidos).
ResultadosSe estudió un total de 16.998 casos confirmados de COVID-19 de 40 o más años. De estos, 16.810 se curaron y 188 fallecieron. La tabla 1 presenta las características de los pacientes del estudio.
Características de la muestra
| Final de seguimiento | ||||
|---|---|---|---|---|
| Característica | Total | Curado | Fallecido | p |
| Número de casos | 16.998 | 16.810 | 188 | |
| Sexo (hombre), n (%) | 6.763 (39,8) | 6.661 (39,6) | 102 (54,3) | <0,001 |
| Edad (años), mediana (RIC) | 66 (56-77) | 66 (56-77) | 85 (76-90) | <0,001 |
| Hospitalización | ||||
| Hospitalización convencional, n (%) | 592 (3,5) | 439 (2,6) | 153 (81,4) | <0,001 |
| Días entre diagnóstico e ingreso, rango | 0-26 | 0-26 | 0-21 | 0,008 |
| Ingreso en UCI, n (%) | 54 (0,3) | 31 (0,2) | 23 (12,2) | <0,001 |
| Días entre diagnóstico e ingreso en UCI, rango | 0-28 | 0-28 | 0-10 | 0,034 |
| Antecedentes | ||||
| Enfermedad cardiovascular, n (%) | 11.353 (66,8) | 11.193 (66,6) | 160 (85,1) | <0,001 |
| Diabetes, n (%) | 4.726 (27,8) | 4.643 (27,6) | 83 (44,2) | <0,001 |
| Enfermedad digestiva, n (%) | 469 (2,8) | 464 (2,8) | 5 (2,7) | 0,933 |
| Inmunodeficiencia, n (%) | 82 (0,5) | 82 (0,5) | 0 (0) | 0,337 |
| Neoplasia de órgano sólido, n (%) | 1.153 (6,8) | 1.135 (6,8) | 18 (9,6) | 0,126 |
| Neoplasia hematopoyética, n (%) | 346 (2) | 341 (2) | 5 (2,7) | 0,542 |
| Enfermedad renal, n (%) | 2.226 (13,1) | 2.168 (12,9) | 58 (30,9) | <0,001 |
| Enfermedad respiratoria, n (%) | 4.617 (27,2) | 4.548 (27,1) | 69 (36,7) | 0,003 |
| Enfermedades sistémicas, n (%) | 11.530 (67,8) | 11.388 (67,8) | 142 (75,5) | 0,023 |
| Polifarmacia, n (%) | 8.817 (51,9) | 8.676 (51,6) | 141 (75) | <0,001 |
| Vacunación | ||||
| Número de dosis de vacuna para COVID-19, n (%) | <0,001 | |||
| 0 | 738 (4,3) | 707 (4,2) | 31 (16,5) | |
| 1 | 242 (1,4) | 241 (1,4) | 1 (0,5) | |
| 2 | 2.290 (13,5) | 2.269 (13,5) | 21 (11,2) | |
| 3 | 10.405 (61,2) | 10.313 (61,4) | 92 (48,9) | |
| 4 | 3.323 (19,6) | 3.280 (19,5) | 43 (22,9) | |
| Días entre última vacuna y diagnóstico, mediana (RIC) | 303 (267-366) | 303 (267-366) | 313 (258-394) | 0,042 |
| Tiempo entre vacuna y diagnóstico, n (%) | <0,001 | |||
| <3meses | 1.980 (11,7) | 1.954 (11,6) | 26 (13,8) | |
| 3-6 meses | 457 (2,7) | 450 (2,7) | 7 (3,7) | |
| 6-12 meses | 9.720 (57,2) | 9.658 (57,5) | 62 (33) | |
| >12meses | 4.099 (24,1) | 4.037 (24) | 62 (33) | |
| Nunca | 742 (4,4) | 711 (4,2) | 31 (16,5) | |
| Centro sociosanitario | ||||
| Residente, n (%) | 719 (4,2) | 705 (4,2) | 14 (7,5) | <0,001 |
Los valores de «p» representan las diferencias entre porcentajes mediante la prueba de Chi cuadrado y la prueba de no paramétrica de Wilcoxon para el resto.
rango=mínimo y máximo; RIC=rango intercuartílico.
Entre los pacientes fallecidos en nuestra muestra se encontró una mayor proporción de varones (54,3%) en comparación con los curados (39,6%). También tenían una edad significativamente superior (mediana [RIC]: curados 66 [56-77]; fallecidos 85 [76-90]). El número de hospitalizaciones e ingresos en la UCI fue superior entre los fallecidos. Tal como se muestra en la tabla 1, entre las condiciones previas, se encontraron proporciones significativamente superiores de diabetes, enfermedad cardiovascular, renal, respiratoria y sistémica. Sin embargo, no se encontraron diferencias en cuanto a enfermedad del sistema digestivo, inmunodeficiencias, neoplasias de órgano sólido ni hematopoyéticas. Por otro lado, un 75% de los fallecidos estaba en un régimen de polifarmacia, mientras que entre los curados el porcentaje era significativamente menor (51,6%).
Se encontraron diferencias significativas entre curados y fallecidos en cuanto al número de dosis de la vacuna para la COVID-19 que habían recibido. La mediana de tiempo transcurrido entre la última dosis de la vacuna y el diagnóstico de COVID-19 fue 10 días inferior en los curados. Concretamente, se encontró que el 16,5% de los fallecidos no tenía ninguna dosis, en comparación con el 4,2% de los curados. Finalmente, se observó que la proporción de personas residentes en centros sociosanitarios era significativamente superior entre los fallecidos.
Como se muestra en la tabla 2 se observó que en el análisis de los efectos brutos de los factores de riesgo sobre el fallecimiento únicamente ciertos grupos de edad mostraron efectos de gran magnitud en comparación con el grupo de referencia (40 a 59 años). El grupo de pacientes no vacunados, así como aquellos con enfermedades cardiovasculares o renales, y los que estaban en un régimen de medicación de polifarmacia mostraron una asociación moderada con los fallecimientos por COVID-19. El resto de los factores de riesgo mostraron tamaños de efecto pequeños.
Modelos bivariados y multivariados para la asociación entre factores de riesgo y fallecimiento
| Simple | Múltiple | Modelo final | ||||||
|---|---|---|---|---|---|---|---|---|
| Factor de riesgo, n (%) | Curado(n=16.910) | Fallecido(n=188) | OR | IC 95% | OR ajust. | IC 95% | OR ajust. | IC 95% |
| Sexo | ||||||||
| Mujer (referencia) | 10.149 (60,4) | 86 (45,7) | - | - | - | |||
| Hombre | 6.661 (39,6) | 102 (54,3) | 1,81 | 1,35-2,41 | 1,85 | 1,37-2,51 | 1,92 | 1,42-2,58 |
| Grupo de edad (años) | ||||||||
| de 40 a 59 (referencia) | 5.529 (32,9) | 8 (4,3) | - | - | - | |||
| de 60 a 69 | 4.293 (25,5) | 11 (5,9) | 1,77 | 0,71-4,41 | 2,08 | 0,82-5,24 | 1,97 | 0,79-4,91 |
| de 70 a 79 | 3.796 (22,6) | 44 (23,4) | 8,01 | 3,77-17,03 | 9,52 | 4,27-21,24 | 9,11 | 4,27-19,43 |
| de 80 a 89 | 2.495 (14,8) | 71 (37,8) | 19,67 | 9,45-40,91 | 22,24 | 9,99-49,52 | 21,72 | 10,40-45,36 |
| de 90 a 99 | 679 (4,0) | 52 (27,7) | 52,93 | 25,04-111,89 | 68,47 | 30,11-155,71 | 66,24 | 31,03-141,38 |
| de 100 o más | 18 (0,1) | 2 (1,1) | 76,79 | 15,24-386,91 | 72,48 | 13,07-401,9 | 69,22 | 12,97-369,33 |
| Tiempo vacuna-diagnóstico | ||||||||
| <3meses (referencia) | 1.954 (11,6) | 26 (13,8) | - | - | - | |||
| 3-6 meses | 450 (2,7) | 7 (3,7) | 1,17 | 0,50-2,71 | 1,22 | 0,52-2,89 | 1,17 | 0,50-2,73 |
| 6-12 meses | 9.658 (57,5) | 62 (33,0) | 0,48 | 0,30-0,76 | 0,96 | 0,60-1,55 | 0,97 | 0,61-1,55 |
| >12 meses | 4.037 (24,0) | 62 (33,0) | 1,15 | 0,73-1,83 | 2,33 | 1,44-3,75 | 2,38 | 1,48-3,81 |
| Nunca | 711 (4,2) | 31 (16,5) | 3,28 | 1,93-5,56 | 6,87 | 3,92-12,05 | 6,96 | 4,01-12,08 |
| Enfermedad cardiovascular | 11193 (66,6) | 160 (85,1) | 2,87 | 1,92-4,29 | 0,67 | 0,41-1,09 | ||
| Diabetes | 4643 (27,6) | 83 (44,2) | 2,07 | 1,55-2,77 | 1,09 | 0,80-1,50 | ||
| Enfermedad renal | 2168 (12,9) | 58 (30,9) | 3,01 | 2,20-4,12 | 1,30 | 0,93-1,82 | ||
| Enfermedad respiratoria | 4548 (27,1) | 69 (36,7) | 1,56 | 1,16-2,11 | 1,21 | 0,88-1,66 | ||
| Enfermedades sistémicas | 11388 (67,8) | 142 (75,5) | 1,47 | 1,05-2,05 | 0,86 | 0,6-1,24 | ||
| Polifarmacia | 8676 (51,6) | 141 (75,0) | 2,81 | 2,02-3,92 | 1,28 | 0,86-1,9 | ||
| Residente centro sociosanitario, n (%) | 705 (4,2) | 14 (7,5) | 1,84 | 1,06-3,18 | 0,91 | 0,5-1,64 | ||
Se señalan en negrita los efectos estadísticamente significativos; las estimaciones de los valores se realizaron mediante ecuaciones de regresión logística.
IC 95%=intervalo de confianza del 95%; OR=odds ratio; OR ajust.=odds ratio ajustada.
En el modelo de regresión múltiple, con un área bajo la curva ROC de 0,859, únicamente los hombres (en contraste con las mujeres), los pacientes de grupos de edad superior a los 70 años y aquellos no vacunados o cuya última dosis les fue administrada al menos 12 meses antes del diagnóstico mostraron una asociación significativa con la probabilidad de fallecimiento. En el modelo final, con un área bajo la curva ROC de 0,854, se estimó que el tamaño del efecto del sexo hombre era pequeño (ORajust=1,92, IC 95%: 1,42-2,58) en comparación con el sexo mujer, mientras que las edades superiores a 70 años podrían tener un efecto grande (70-79 años, ORajust=9,11, IC 95%: 4,27-19,43; 80-89 años, ORajust=21,72, IC 95%: 10,40-45,36; 90-99 años, ORajust=66,24, IC 95%: 31,03-141,38; 100 años o más, ORajust=69,22, IC 95%: 12,97-369,33) en comparación con los pacientes de 40-59 años. Adicionalmente, también se encontraron efectos moderados y grandes para los pacientes vacunados con más de 12 meses de antelación al diagnóstico (ORajust=2,38, IC 95%: 1,48-3,81) y no vacunados (ORajust=6,96, IC 95%: 4,01-12,08) respectivamente.
DiscusiónEste estudio retrospectivo muestra cómo, en la última onda de COVID-19 atribuible a la variante ómicron en Canarias14, los pacientes de grupos de edad superior a los 70 años y aquellos no vacunados, o cuya última dosis les fue administrada al menos 12 meses antes del diagnóstico, mostraron un mayor riesgo de mortalidad.
En la línea de nuestro trabajo se han desarrollado anteriormente distintos modelos predictivos de mortalidad por la COVID-19, incluyendo variables como la edad, el sexo, las comorbilidades o los valores analíticos19,20. En el modelo presentado por Banoei et al. para variantes previas a ómicron, la presencia de enfermedad coronaria, diabetes, estado mental alterado, una edad superior a los 65 años y demencia fueron los predictores más relevantes de mortalidad21. Liang et al. desarrollaron el score de riesgo COVID-GRAM22, en el que identificaron 10 variables que eran factores predictivos independientes, entre las que se encontraban la edad, el número de comorbilidades y antecedentes de cáncer, además de otras variables analíticas. Aunque este score fue diseñado en 2020, varios autores han demostrado su utilidad como predictor de mortalidad en distintos momentos de la pandemia23–25. El 4C Mortality Score fue desarrollado para evaluar la mortalidad hospitalaria de los pacientes con COVID-19 basándose en la edad, el sexo, el número de comorbilidades, además de signos vitales y valores analíticos26,27. Sin embargo, Häger et al. no encontraron que estos nuevos scores fueran más útiles que otros ya existentes en la era pre-COVID, como el NEWS, para predecir la mortalidad. En este sentido los resultados de nuestro estudio, basándonos en casos con variante ómicron, tampoco respaldan la necesidad de incluir un gran número de predictores para la mortalidad por COVID-19 en población geriátrica.
Con respecto a cómo se pueden generalizar nuestros resultados a otros ámbitos geográficos conviene revisar los estudios que han comparado las tasas de letalidad entre las distintas comunidades autónomas en diferentes periodos de la pandemia. Por ejemplo, en referencia a la letalidad por edad, Canarias ha estado entre las comunidades autónomas que presentaban un número de fallecidos significativamente inferior, especialmente en las primeras ondas28. En el estudio de Alfaro-Martínez et al. se mostró que la incidencia de COVID-19 en España en las 6 primeras ondas se produjo en forma de conglomerados que reproducían la división por comunidades autónomas29. Estos autores no descartaban que se debiera a las diferencias entre comunidades autónomas a la hora de cribar, diagnosticar o comunicar casos de COVID-19.
Por otra parte, de acuerdo con el estudio publicado por Kowall et al., las diferencias entre países en el exceso de mortalidad probablemente se deban a varios factores, y pueden depender de la prevalencia de las enfermedades crónicas en cada país30. Dentro de los factores de riesgo que se han asociado a mortalidad en la población mayor hospitalizada por COVID-19 se encuentran algunas enfermedades crónicas como cardiopatía isquémica/insuficiencia cardiaca, hipertensión o enfermedad renal crónica. También dentro del grupo de los pacientes mayores la edad más avanzada se asoció a mayor riesgo de fallecer5–7,31–33. En nuestro estudio observamos mayor proporción de pacientes con diabetes, enfermedad crónica cardiovascular, renal, respiratoria y sistémica entre los fallecidos. Sin embargo, no se encontró asociación de manera independiente entre ninguna enfermedad crónica y el mayor riesgo de mortalidad. Únicamente se encontró esta asociación con respecto al sexo (hombre), los pacientes de edad superior a los 70 años y aquellos no vacunados. Estos resultados no son nuevos, ya que coinciden con los hallazgos publicados por otros autores. Por ejemplo, en el metaanálisis de Pijls et al. en 2021 sobre variantes previas a ómicron, y sin datos sobre vacunación, los varones y los pacientes de 70 años o más mostraron tener un mayor riesgo de contraer la COVID-19, desarrollar enfermedad grave, ingresare en la UCI y morir34.
Con respecto al efecto de la vacuna, algunos estudios han mostrado cómo la efectividad de la vacuna contra la enfermedad grave por la COVID-19 disminuyó levemente 6 meses después de la vacunación completa, si bien las dosis de refuerzo restauraban la eficacia de la vacuna35,36. En nuestro estudio la mediana de tiempo transcurrido entre la última dosis de la vacuna y el diagnóstico de la COVID-19 fue 10 días inferior en los curados, y se encontró que el porcentaje de casos sin ninguna dosis de vacunación fue mayor en el grupo de fallecidos. Aquellos no vacunados o cuya última dosis les fue administrada al menos 12 meses antes del diagnóstico mostraron una asociación significativa con un mayor riesgo de mortalidad. En el estudio de Higdon et al. la efectividad de la vacunación contra la enfermedad sintomática disminuyó más rápido con la variante ómicron que con las variantes pre-ómicron, desapareciendo el efecto protector de la vacunación primaria después de 4-6 meses, y entre 1-4 meses después de la vacunación de refuerzo37. De acuerdo con algunos autores, la rápida propagación de ómicron se atribuye a varios factores, en particular a su mayor infecciosidad, transmisibilidad o evasión inmunitaria en comparación con variantes anteriores, incluida la delta. Esto explicaría que el efecto de la vacunación primaria en ómicron sea menor que la protección observada contra la infección por la variante delta15. En este sentido, de acuerdo con Varea-Jiménez et al., las personas no vacunadas infectadas con las variantes alfa u ómicron de SARS-CoV-2 tenían menor probabilidad de hospitalización en comparación con la variante delta. Al mismo tiempo, se encontró también que la probabilidad de hospitalización fue menor en los casos completamente vacunados en comparación con los casos no vacunados para todas las variantes13.
En nuestro estudio se observó que la proporción de personas residentes en centros sociosanitarios era significativamente superior entre los fallecidos. En cuanto a esta población, el estudio de Van Ewijk et al. mostró que la efectividad de la vacunación contra la mortalidad fue moderada en personas mayores residentes en centros de larga estancia. Sin embargo, 2 semanas después de la dosis de refuerzo no se produjo ninguna muerte, a pesar de la presencia de residentes susceptibles. Otros estudios también han analizado la mortalidad por COVID-19 en residencias de mayores, encontrando en estas mayor porcentaje de mortalidad y reingresos hospitalarios, al tratarse de entornos cerrados donde se produce interacción entre personas jóvenes con posibilidad de infección asintomática y ancianos altamente susceptibles38–40. En el estudio de Visser et al.10, aquellos residentes de residencias de ancianos que presentaban mayor grado de polifarmacia y estaban sin vacunar también tuvieron una mayor mortalidad relacionada con COVID a los 30 días.
Nuestro trabajo no está exento de limitaciones. Por una parte, es posible que durante el periodo de estudio se hubiera producido menor declaración de casos, ya que la estrategia de vigilancia durante la presente onda se centra en los casos de edad igual o superior a 60 años. No obstante, esto no debería afectar significativamente a los resultados, ya que nuestro estudio se ha centrado básicamente en esta población. Por otro lado, hemos asumido que todos los casos notificados de COVID-19 en el periodo del estudio corresponden a la variante ómicron. Aunque no hayan sido secuenciados todos los casos, de acuerdo con los últimos informes publicados por el Ministerio de Sanidad, entre el 99-100% de los casos eran por esta variante. Tampoco se ha diferenciado entre los sublinajes de ómicron, aunque de acuerdo con la Organización Mundial de la Salud la subvariante BA. 5, que es la dominante a nivel mundial y la más contagiosa, no se considera más grave que las otras subvariantes de ómicron41.
Por último, al tratarse de un estudio retrospectivo a partir de la información disponible en las historias clínicas de atención primaria, algunas variables de interés que han sido en algunos casos asociadas en la literatura a un mayor riesgo de gravedad o mortalidad, como la obesidad, delirium, deterioro cognitivo, dependencia funcional o fragilidad32, no se encontraban disponibles en todos los registros y no pudieron ser analizadas.
ConclusionesEn resumen, existen múltiples posibles factores que pueden incrementar el riesgo de mortalidad por COVID-19 en población mayor, que van desde algunas enfermedades previas (e. g. cardiovascular, diabetes, etc.) hasta las condiciones de vida (e. g. residencias sociosanitarias). Sin embargo, nuestro estudio ha encontrado que, una vez ajustados los efectos, solo 3 predictores pueden explicar prácticamente la misma variabilidad: un efecto grande de tener una edad más avanzada, un efecto pequeño de los hombres sobre las mujeres y un efecto grande debido a no estar vacunado, o un efecto mediano cuando la última fecha de vacunación fue anterior a un año.
Esto podría simplificar el manejo de la pandemia para las autoridades de salud pública. Sin embargo, dado que las variantes seguirán evolucionando de manera a priori impredecible, se hace necesario continuar la vigilancia de la enfermedad y actualizar la evidencia periódicamente con el fin de optimizar las estrategias de intervención.
FinanciaciónEsta investigación no recibió financiación.
Conflicto de interesesLos autores declaran que no existe ningún conflicto de intereses.
Queremos mostrar nuestro agradecimiento a todos los compañeros del Servicio de Canario de Salud, especialmente al equipo de técnicos que nos facilitó el acceso a las distintas fuentes de datos, y al Servicio de Epidemiología de la Dirección General de Salud Pública, quienes velan por el buen funcionamiento de la Red de Vigilancia Epidemiológica de Canarias.
