Search

Objective: To determine if the Tomographic Severity Score (TSS) of patients with COVID- 19 pneumonia at admission, as well as some laboratory tests or clinical features predict ICU admission in this group of patients. Material and methods:Case-control study, which included patients with a clinical diagnosis of SARS-CoV2 virus infection, performed by reverse transcriptase polymerase chain reaction (RT-PCR), reactive serological test (IgM / IgG) and/or Computed Tomography of the chest (CTT) without contrast. Two radiologists (blind evaluators) described the tomographic findings. The data were taken from electronic medical records (EHR). The most important variables for the prediction of ICU admission were analyzed: TSS, age, BMI, obesity, ferritin, D-Dimer, O2 saturation, PO2, lymphopenia, C-reactive protein, and presence of comorbidities: Diabetes Mellitus, HTN. The prediction of admission to the ICU was performed using binary logistic regression for an adjusted OR, which compared 2 analysis models with a 95% CI and a p value <0.05; as statistically significant Results: 168 participants were included. The most frequent comorbidity was arterial hypertension, followed by Type 2 diabetes, the most frequent symptoms in our series were cough, malaise, fever and respiratory distress, there were no significant differences between the groups studied (admitted to ICU and not admitted to ICU). The mean age of the patients not admitted to the ICU was 44.89 ± 10.9 years and of those admitted to the ICU 43.81 ± 11 years (p: 0.669). The mean value of the TSS Score was 14 (SD 4.44) in ICU patients vs. 7.77 (SD 4.81) in Not admitted to ICU (p <0.001), the mean D-Dimer was 0.78 (SD 2.74) in Not admitted to ICU vs. 4.72 (SD 9.72) in ICU admitted (p <0.001). In addition, the prediction for ICU admission by binary logistic regression was shown in Model 2; than the following variables: TSS (OR: 1.24) (95% CI 1.08-1.43) (p₌ 0.002), BMI (OR: 1.19) (95% CI 1.02-1.39) (p₌ 0.022), Age (OR: 0., Objetivo: Determinar si el Score Tomográfico de Severidad (TSS) de pacientes con neumonía COVID-19 a su ingreso, así como algunas pruebas de laboratorio o rasgos clínicos predicen el ingreso a UCI en este grupo de pacientes. Material y métodos: Estudio de casos y controles, que incluyó pacientes con diagnóstico clínico de Infección por virus SARS-CoV2, realizado mediante reacción en cadena de la polimerasa con transcriptasa inversa (RT-PCR), prueba serológica reactiva (IgM/IgG) y/o Tomografía Computarizada de tórax (TCT) sin contraste. Dos radiólogos (evaluadores ciegos) describieron los hallazgos tomográficos. Los datos fueron tomados de historias clínicas electrónicas (HCE). Se analizó las variables más importantes de predicción de ingreso a UCI: TSS, edad, IMC, obesidad, ferritina, Dímero D, saturación de O2, PO2, linfopenia, proteína C reactiva, y presencia de comorbilidades: Diabetes mellitus, HTA. La predicción de ingreso a UCI se realizó mediante regresión logística binaria para un OR ajustado, que comparaba 2 modelos de análisis con un IC 95 % y un p valor <0,05; como estadísticamente significativo. Resultados: Se incluyeron 168 participantes. La comorbilidad más frecuente fue la hipertensión arterial, seguido por diabetes tipo 2; los síntomas más frecuentes en nuestra serie fueron tos, malestar general, fiebre y dificultad respiratoria, no hubo diferencias significativas entre los grupos estudiados (Ingresados a UCI y No ingresados a UCI). La edad media de los pacientes No ingresados a UCI fue 44.89 ± 10.9 años y de los ingresados a UCI 43.81 ± 11 años (p: 0.669). La media del valor de Score TSS fue 14(SD 4.44) en ingresados UCI vs. 7.77(SD 4.81) en no ingresados a UCI (p<0.001), La media del Dímero D fue 0.78 (SD 2.74) en no ingresados a UCI vs. 4.72(SD 9.72) en ingresados a UCI (p<0.001). Además, la predicción para el ingreso a UCI por regresión logística binaria mostró en el modelo 2, que las siguientes variables: TSS(OR: 1.24) (IC 95 % 1.08-1.43)(p₌ 0.0

Objective: To describe and analyze the factors associated with prolonged work absenteeism due to medical reasons among agribusiness workers. Materials and methods: A secondary source research was conducted in a population of 3,150 agribusiness workers in Peru. A sample of 9,443 cases of work absenteeism was taken during the years 2012 and 2013. Long-term work absenteeism was defined as ≥ 10 days. Analyzed factors were: age, sex, job tenure, type of activity, work schedule, job stability, type of contingency, and affected body system according to the diagnosis. A descriptive and multivariate statistical analysis was applied by binary logistic regression. Results: The factors explaining prolonged work absenteeism were occupational accidents (OR: 13.9, CI: 11.2- 17.2), atypical schedule (OR: 3.14, CI: 1.58-6.25), shorter job tenure (OR: 0.95, CI: 0.95-0.96), moderate-intense work activity (OR: 8.96, CI: 4.53-17.2), and lower job stability (OR: 0.64; CI: 0.54-0.77). Conclusions: Job tenure (> 15 years), atypical work schedule, moderate-intense physical activity, occupational accidents, and an unstable job contract predict prolonged work absenteeism with high certainty. Sex, age and the affected body system were not predictive of prolonged work absenteeism, but showed significant differences in the bivariate analysis., Objetivo: Describir y analizar los factores asociados al absentismo laboral prolongado de causa médica en trabajadores agroindustriales.Materiales y métodos: Se realizó un estudio de fuente secundaria en una población de 3150 trabajadores agroindustriales en Perú. Se tomó una muestra de 9443 casos de absentismo laboral durante los años 2012 y 2013. Se definió absentismo laboral prolongado como ≥10 días. Los factores analizados fueron edad, sexo, tiempo de trabajo, tipo de actividad, horario de trabajo, estabilidad laboral, tipo de contingencia y sistema afectado según diagnóstico. Se aplicó análisis estadístico descriptivo y multivariado mediante regresión logística binaria. Resultados: Los factores que explican el absentismo laboral prolongado fueron los accidentes de trabajo (OR: 13,9; IC: 11,2-17,2), horario atípico (OR: 3,14; IC: 1,58-6,25), menor tiempo de servicio (OR: 0,95; IC: 0,95-0,96), actividad laboral moderada-intensa (OR: 8,96; IC: 4,53-17,2) y menor estabilidad laboral (OR: 0,64; IC: 0,54-0,77).Conclusiones: El tiempo de servicio (>15 años), el horario de trabajo atípico, la actividad física moderada-intensa, los accidentes de trabajo y un contrato de trabajo no estable predicen con alta certeza el absentismo laboral prolongado.El sexo, la edad y el sistema afectado no resultaron ser predictores de absentismo laboral prolongado, pero presentan diferencias relevantes en el análisis bivariado.

Objective: To analyze the factors associated with the alteration of baseline glycemia in the first post-hospitalization checkup in patients with type 2 diabetes mellitus (T2DM) Materials and methods: A retrospective observational case-control study was performed in a 1:1 ratio. One hundred (100) medical records of patients of both genders and over 18 years of age with T2DM who had a medical checkup within the first 3 months after hospitalization were analyzed. Cases were defined as those with high baseline glycemia (> 130 mg/dL) and controls were defined as those who had normal glycemic levels (≤ 130 mg/dL). Mean and percentages were estimated using the chi-square test and binary logistic regression. Results: Elevated glycemic levels at admission (OR: 2.7, p <0.05), elevated glycemic levels at discharge (OR: 3.7, p <0.005), HbA1c ≥ 9 % during hospitalization (OR: 2.9, p <0.05), high levels of triglycerides (OR: 2.6, p <0.05), and failure to comply with prescribed treatment (OR: 2.15, p <0.005) were associated with high baseline glycemia in the first posthospitalization checkup. Conclusions: High levels of triglycerides and non-compliance with indications are risk factors associated with poor glycemic control at the first outpatient visit after hospitalization., Objetivo: Analizar los factores asociados a la alteración de la glicemia basal en el primer control posterior a unahospitalización en pacientes con DM2.Materiales y métodos: Se realizó un estudio observacional, retrospectivo, de casos y controles, en proporción 1:1. Seanalizaron 100 registros médicos de pacientes con DM2, de ambos sexos, mayores de 18 años, con un control médicodentro de los 3 primeros meses posteriores a la hospitalización. Los casos definidos mediante glicemia basal elevada (>130 mg/dL) y los controles definidos como glicemia normal (≤ 130 mg/dL). Se calculó medias y porcentajes, se usó laprueba Chi2 y regresión logística binaria.Resultados: Niveles elevados de glicemia al ingreso (OR: 2.7, p< 0.05), niveles elevados de glicemia al alta (OR: 3.7, p<0.005), HbA1c ≥ 9 % durante la hospitalización (OR: 2.9, p< 0.05), niveles elevados de triglicéridos (OR: 2.6, p< 0.05) yno cumplimiento del tratamiento prescrito (OR: 2.15, p< 0.005) se asociaron a una glicemia basal elevada en el primercontrol post hospitalización.Conclusiones: Los niveles elevados de triglicéridos y el incumplimiento de indicaciones son factores de riesgo asociadosa un pobre control glicémico en la primera consulta externa luego de la hospitalización.