Lactoferrina en Pacientes Hospitalizados por Covid-19 (LAC)

Se ha demostrado con estudios 'in vitro' que LF puede prevenir la entrada de SARS-CoV-2 en las células huésped.

En general, la evidencia disponible sugiere que LF puede ser una opción terapéutica que puede usarse para contrarrestar y reducir la gravedad de la infección por Covid 19. El estudio ha sido diseñado para demostrar la eficacia de la lactoferrina in vivo.

Los pacientes que serán admitidos por los Centros Participantes por Infección por Covid-19 serán evaluados para determinar su elegibilidad para el estudio. Si se considera elegible, se le ofrecerá la participación en el Estudio, se le propondrá y se le explicará el consentimiento informado. Los pacientes elegibles serán registrados en una base de datos centralizada en los sistemas de TI de la Universidad de Piedmont Orientale (UPO)/Hospital-University Company "Maggiore della Carità" de Novara. El centro clínico registrará los datos del paciente pseudoanonimizados en un formulario de informe clínico 'ad hoc' con acceso basado en la web.

Después de obtener el consentimiento informado, los pacientes serán asignados al azar a la asignación de grupos de LF o de placebo utilizando listas de aleatorización previas preparadas. La aleatorización se realizará sobre una base competitiva y equilibrada por participante del centro clínico. Se implementará la aleatorización de bloques permutados de tamaño 4 con una proporción de asignación de 1:1 para garantizar el equilibrio entre los grupos de tratamiento. La lista de aleatorización se gestionará a través de un módulo de aleatorización de REDCap.

La Farmacia Hospitalaria del Centro Participante, ajena a la captación de pacientes, confeccionará una secuencia numerada de sobres cerrados conteniendo el código de asignación, y conservará su listado que permanecerá inaccesible para los profesionales que intervienen en la captación. Estos sobres cerrados se abrirse secuencialmente, en el momento de la aleatorización.

El mantenimiento de la persona invidente se garantizará manteniendo las listas de aleatorización del personal, es decir, el personal de Farmacia Hospitalaria, por un lado (personal que también gestionará y entregará a los investigadores los productos en estudio, que tendrán el mismo aspecto) , y el personal médico que aleatoriza y experimenta, por el otro.

La ubicación logística de los dos funcionarios también estará completamente separada, en sectores del Hospital diferentes y distantes entre sí, y no comunicados de ninguna manera.

Cabe señalar que el paciente inscrito por los centros clínicos en base a los criterios de selección puede iniciar la terapia estándar, en cualquier caso, antes del procedimiento de aleatorización siendo el régimen terapéutico básico idéntico en los dos brazos del estudio.

Para el cálculo del tamaño de la muestra requerida para demostrar el punto final primario, se utilizó un modelo construido sobre datos históricos sobre el mismo punto final. Los datos previos al ensayo de los dos Centros Participantes estiman la necesidad de ingreso en la UCI en un 25 %; la necesidad de ventilación mecánica en un 30%; mortalidad hospitalaria en 15%; la duración media de la hospitalización en 16 días.

El tamaño de la muestra se determinó considerando una prueba t bilateral para dos muestras independientes de acuerdo con los siguientes parámetros:

1. Un nivel alfa correcto de 0,025 para dos criterios de valoración del método de Bonferroni (Alfa total=0,025x2=0,05)
2. Una potencia total de 0,8
3. Un tamaño del efecto Cohen h de 0,44 (correspondiente a un efecto estandarizado medio/pequeño [Cohen 1977]), es decir, con una tasa de renuncia a 14 días del 60% para controles y del 80% para tratados.

En este escenario, el tamaño del estudio logrado consiste en 97 pacientes por brazo de estudio. Los cálculos se realizaron con el software R 3.6.1 [Core Team 2015] y el paquete pwr [Champely 2018]. referencias:

• Cohen, J. Análisis de poder estadístico para las ciencias del comportamiento (rev.ed.1977).
• Core Team R: un lenguaje y un entorno para la computación estadística; Fundación R para la Computación Estadística: Viena, Austria, 2015;
• Champely, S.; Ekstrom, C.; Dalgaard, P.; branquia, j.; Weibelzahl, S.; Anandkumar, A.;Ford, C.; Volcic, R.; De Rosario, H.; De Rosario, M. H. Paquete 'pwr.' Paquete R versión 2018, 1-2.