Utilizamos cookies para comprender de qué manera utiliza nuestro sitio y para mejorar su experiencia. Esto incluye personalizar el contenido y la publicidad. Para más información, Haga clic. Si continua usando nuestro sitio, consideraremos que acepta que utilicemos cookies. Política de cookies.

Presenta Sitios para socios Información LinkXpress hp
Ingresar
Publique su anuncio con nosotros
INTEGRA BIOSCIENCES AG

Deascargar La Aplicación Móvil




Análisis de sangre predice el riesgo de desarrollar EPOC y otras enfermedades respiratorias graves

Por el equipo editorial de LabMedica en español
Actualizado el 19 Sep 2024
Imagen: La prueba de sangre analiza 32 proteínas para predecir el riesgo de desarrollar afecciones respiratorias severas (foto cortesía de Adobe Stock)
Imagen: La prueba de sangre analiza 32 proteínas para predecir el riesgo de desarrollar afecciones respiratorias severas (foto cortesía de Adobe Stock)

Las enfermedades respiratorias crónicas, como la enfermedad pulmonar obstructiva crónica (EPOC), afectan a millones de adultos en todo el mundo y fueron la tercera causa principal de muerte en 2019. Los principales factores de riesgo incluyen el tabaquismo, la contaminación del aire y la exposición ocupacional a sustancias químicas o irritantes pulmonares como gases, humos y polvo. La disminución anual de la función pulmonar está asociada con malos resultados en la salud respiratoria; sin embargo, los clínicos carecen actualmente de un método sencillo para determinar si un paciente está experimentando un deterioro rápido en la función pulmonar. Existe una necesidad urgente de una herramienta clínica fácil de implementar que pueda capturar la trayectoria de la función pulmonar de una persona en un solo momento, lo que permitiría intervenciones tempranas que podrían mejorar la salud pulmonar a largo plazo. Ahora, los investigadores han desarrollado una prueba de sangre preclínica para identificar a los adultos con mayor probabilidad de desarrollar enfermedades respiratorias graves, incluida la EPOC.

El análisis de sangre fue desarrollado por un equipo científico apoyado por los Institutos Nacionales de Salud (NIH) y compuesto por investigadores de la Facultad de Medicina Feinberg de la Universidad Northwestern (Chicago, IL, EUA) y el Centro Médico de la Universidad de California, Davis (Sacramento, CA, EUA). El análisis mide 32 proteínas que los científicos identificaron como predictores precisos de una mayor probabilidad de que un adulto necesite atención médica o muera a causa de una enfermedad respiratoria grave. La puntuación de riesgo se basó en datos de salud pulmonar recopilados de casi 2.500 adultos estadounidenses durante un período de 30 años. Para crear esta puntuación de riesgo, los investigadores revisaron primero los datos de salud pulmonar de 2.470 adultos de entre 18 y 30 años que participaron en un estudio de salud cardiovascular de 30 años. Luego, analizaron miles de proteínas de muestras de sangre proporcionadas por los participantes en el año 25 y seleccionaron 32 que mejor predijeron qué participantes estaban experimentando un rápido deterioro de la función pulmonar. Estas 32 proteínas se compilaron en una puntuación para predecir la probabilidad de que una persona necesite tratamiento médico o muera a causa de una afección pulmonar o un evento respiratorio grave.

Los adultos con puntuaciones más altas tenían un 17% más de probabilidades de necesitar atención hospitalaria por enfermedad respiratoria, un 84% más de riesgo de desarrollar EPOC y al menos un 81% más de probabilidades de morir por una enfermedad respiratoria como EPOC o neumonía. Aquellos con puntuaciones más altas también tenían un 10% más de probabilidades de experimentar exacerbaciones respiratorias (como tos, producción de moco o falta de aire) que requirieran tratamiento. Los participantes en el estudio que duró décadas se sometieron a pruebas de respiración para medir su función pulmonar hasta seis veces a lo largo del estudio y proporcionaron datos adicionales sobre la salud pulmonar. Durante este período, 2.332 participantes experimentaron un deterioro normal de la función pulmonar, mientras que 138 experimentaron un deterioro agudo. Para probar la puntuación de riesgo, los investigadores evaluaron retrospectivamente los riesgos de enfermedades respiratorias en más de 40.000 adultos de dos estudios observacionales anteriores. Los resultados, publicados en el American Journal of Respiratory and Critical Care Medicine, muestran que el modelo de predicción identificó con éxito a los adultos que tenían la mayor probabilidad de sufrir enfermedades respiratorias graves después de tener en cuenta múltiples factores, incluidos el sexo, la raza, el peso corporal, el asma y los antecedentes de tabaquismo. Este tipo de análisis de sangre aún debe estudiarse en ensayos clínicos antes de que la Administración de Alimentos y Medicamentos (FDA) pueda considerar su aprobación como una herramienta de detección para ayudar a predecir los riesgos de enfermedades respiratorias crónicas.

“Aún no estamos listos para que esta prueba se use en la práctica, pero es un avance prometedor”, dijo James P. Kiley, Ph.D., director de la División de Enfermedades Pulmonares del Instituto Nacional del Corazón, los Pulmones y la Sangre (NHLBI) de los NIH, que financió el estudio. “Consolida los conocimientos adquiridos durante décadas de pruebas respiratorias y evaluaciones médicas en una única herramienta que tiene el potencial de identificar a los pacientes en riesgo de sufrir enfermedades graves y complicaciones”.

Enlaces relacionados:
Facultad de Medicina Feinberg de la Universidad Northwestern
Universidad de California

Miembro Platino
Analizador de coagulación automatizado
Hemolumi H6
New
Miembro Oro
Analizador de la función plaquetaria
PL-12
CMV CLIA Diagnostic
CLIA CMV IgA Screen Group
New
Slide Scanner System
NanoZoomer S540MD

Canales

Química Clínica

ver canal
Crédito de la imagen:  Diane E. MacDougall et al., FIND Lp(a) Machine Learning Model: Targeted Screening Enrichment of Elevated Lipoprotein(a) in Atherosclerotic Cardiovascular Disease, JACC: Advances (2026). DOI: 10.1016/j.jacadv.2026.103114

El aprendizaje automático permite orientar el cribado de lipoproteína(a) elevada

La lipoproteína(a) es un factor de riesgo independiente, determinado genéticamente, de la enfermedad cardiovascular aterosclerótica; sin embargo, el cribado rutinario sigue siendo... Más

Microbiología

ver canal
Imagen: El actual brote de BDBV en la República Democrática del Congo pone de relieve los desafíos de respuesta a infecciones raras y graves (Crédito de la imagen: 123RF)

Investigación refuerza la preparación ante brotes del virus Bundibugyo con diagnósticos más rápidos

El virus de Bundibugyo (BDBV), una especie de ebolavirus, causa una enfermedad hemorrágica grave y puede ser difícil de diagnosticar rápidamente durante los brotes. Los recientes cambios... Más

Patología

ver canal
Crédito de la imagen: Adobe Stock

Herramienta citológica de aprendizaje automático mejora la identificación de células cancerosas

El cribado citológico sigue siendo fundamental para la detección temprana del cáncer, pero su precisión depende en gran medida de la interpretación experta de las células... Más

Tecnología

ver canal
Imagen: ADLM recomienda que las herramientas de inteligencia artificial emergentes sigan los mismos estándares profesionales de supervisión, calidad, validación y monitoreo que las pruebas clínicas tradicionales dentro del marco existente de CLIA (Crédito de la imagen: Adobe Stock)

ADLM pide actualizar CLIA para apoyar el uso seguro de IA en medicina de laboratorio

Los laboratorios clínicos utilizan cada vez más la inteligencia artificial para verificar, interpretar e informar resultados, pero las salvaguardas de las Enmiendas para la Mejora de los... Más
Copyright © 2000-2026 Globetech Media. All rights reserved.