评价当前COVID-19不同严重程度的光动脉直径 (根据肺的非敏感性计算机断层扫描）

封面图片

如何引用文章

全文:

详细

论证。计算机断层扫描是评估病毒性肺炎（包括COVID-19相关肺炎）肺部损伤的一种选择方法。除了评估肺损伤外，计算机断层扫描还可以确定胸腔主要血管的大小。分析了COVID-19流动的严重程度与肺动脉和上主动脉直径变化的存在之间的关系。肺动脉扩张是肺高压的标志. 研究这些模式可能对确定治疗策略和预测COVID-19疾病的趋势具有临床意义。

目标是估计不同年龄患者的光动脉直径和COVID-19流量的严重程度

材料与方法患者组中进行单核单级固体不受控制的研究 （n=511,267男性，中美洲59岁，IQR 49.0-65.0，范围从31至84岁），在临时医院治疗COVID-19患者。 随着住院治疗，所有患者都通过了使用IISRO Truct Mobile System（Stryker，美国）的胸部器官的计算机断层研究。 CT 1-4规模上估计了轻微组织的病变程度。 通过垂直于容器的长轴的放射科医生的工作站的标准工具来进行光动脉直径和上升主动脉的测量。

结果。获得以下统计学显着的模式：光动脉的膨胀和光动脉/升序姿势的升高与COVID-19肺部病变程度的增加有关（克拉克尔-沃利斯准则，p <0.001;中值测试，p <0.001）; 升高主动脉的直径随着患者的年龄而显着增加（克拉克尔-沃利斯准则，p <0.001;中值测试，p <0.001）。 显示了光动脉直径和患者年龄的直径之间的不准确的关系（克拉克尔-沃利斯准则，p=0.094;嗜源性测试，p=0.311）和腹腔直径的变化和肺部的病变程度之间的不准确的联系（克拉克尔-沃利斯准则，p=0,061;中值测试，p=0.165）。 所有年龄段的疾病方面和大量的肺病灶（KT-3和KT-4）中，可靠地增加了患有轻质高血压症状的患者（从29毫米和更多的光动脉膨胀）是显示。

结论。光动脉的扩张和光动脉/升序的直径比率的增加与在所有年龄组中COVID-19的肺病变的体积增加是可靠的

作者简介

Alexander F. Aliev

L.A. Vorokhobov Municipal Clinical Hospital No 67 of the Moscow Health Department; The Moscow Research and Clinical Center for Tuberculosis Control of the Moscow Health Department

Email: alijealex83@gmail.com
ORCID iD: 0000-0003-3282-0567
SPIN 代码: 7891-9314

MD, Cand. Sci. (Med.)

俄罗斯联邦, 2/44, Salyama Adilya street, 123423 Moscow; 10 c1, Stromynka Street, 107014 Moscow

Nikita D. Kudryavtsev

L.A. Vorokhobov Municipal Clinical Hospital No 67 of the Moscow Health Department; Moscow Center for Diagnostics and Telemedicine

Email: n.kudryavtsev@npcmr.ru
ORCID iD: 0000-0003-4203-0630
SPIN 代码: 1125-8637

diagnostic radiologist, junior researcher

俄罗斯联邦, 2/44, Salyama Adilya street, 123423 Moscow; 24 с1, Petrovka street, 127051 Moscow

Alexey V. Petraikin

Moscow Center for Diagnostics and Telemedicine

Email: alexeypetraikin@gmail.com
ORCID iD: 0000-0003-1694-4682
SPIN 代码: 6193-1656

MD, Cand. Sci. (Med.), Associate Professor, leading researcher, diagnostic radiologist

俄罗斯联邦, 24 с1, Petrovka street, 127051 Moscow

Zlata R. Artyukova

Moscow Center for Diagnostics and Telemedicine

Email: z.artyukova@npcmr.ru
ORCID iD: 0000-0003-2960-9787
SPIN 代码: 7550-2441

MD, junior researcher, radiologist

俄罗斯联邦, 24 с1, Petrovka street, 127051 Moscow

Andrey S. Shkoda

Vorokhobov City Clinical Hospital No. 67

Email: gkb67@zdrav.mos.ru
ORCID iD: 0000-0002-9783-1796

MD, Dr. Sci. (Med.), Professor, doctor of the highest qualification category in the specialty, chief physician

俄罗斯联邦, 2/44, Salama Adil street, 123423 Moscow

Sergey P. Morozov

Moscow Center for Diagnostics and Telemedicine

编辑信件的主要联系方式.
Email: morozov@npcmr.ru
ORCID iD: 0000-0001-6545-6170
SPIN 代码: 8542-1720

MD, Dr. Sci. (Med.), Professor

俄罗斯联邦, 24 с1, Petrovka street, 127051 Moscow

参考

  1. Morozov SP, Protsenko DN, Smetanina SV, et al. Radiation diagnostics of coronavirus disease (COVID-19): organization, methodology, interpretation of results: preprint No. CDT-2020-II. Version 2 from 17.04.2020. The series "Best practices of radiation and instrumental diagnostics". Issue 65. Moscow: Scientific and Practical Clinical Center for Diagnostics and Telemedicine Technologies of the Department of Healthcare of the City of Moscow; 2020. 78 p. (In Russ).
  2. Prevention, diagnosis and treatment of a new coronavirus infection (COVID-19): Temporary methodological recommendations. Version 10 (08.02.2020). 2020. 261 p. (In Russ).
  3. Fomin VV, Ternovoy SK, Serova NS. Radiological guidelines in patients with COVID-19 (Sechenov University experience). REJR. 2020;10(2):8–13. (In Russ). doi: 21569/2222-7415-2020-10-2-8-13
  4. Henkel M, Weikert T, Marston K, et al. Lethal COVID-19: radiological-pathological correlation of the lungs. Radiol Cardiothorac Imaging. 2020;2(6):e200406. doi: 10.1148/ryct.2020200406
  5. Sun Z, Zhang N, Li Y, et al. A systematic review of chest imaging findings in COVID-19. Quant Imaging Med Surg. 2020;10(5): 1058–1079. doi: 10.21037/qims-20-564
  6. Salehi S, Abedi A, Balakrishnan S, et al. Coronavirus disease 2019 (COVID-19): A systematic review of imaging findings in 919 patients. AJR Am J Roentgenol. 2020;215(1):87–93. doi: 10.2214/AJR.20.23034
  7. Qanadli SD, Beigelman-Aubry C, Rotzinger DC. Vascular changes detected with thoracic CT in coronavirus disease (COVID-19) might be significant determinants for accurate diagnosis and optimal patient management. AJR Am J Roentgenol. 2020;215(1):15. doi: 10.2214/AJR.20.23185
  8. Li X, Ma X. Acute respiratory failure in COVID-19: Is it "typical" ARDS? Crit Care. 2020;24(1):198. doi: 10.1186/s13054-020-02911-9
  9. Spagnolo P, Cozzi A, Foà RA, et al. CT-derived pulmonary vascular metrics and clinical outcome in COVID-19 patients. Quant Imaging Med Surg. 2020;10(6):1325–1333. doi: 10.21037/qims-20-546
  10. Lv H, Chen T, Pan Y, et al. Pulmonary vascular enlargement on thoracic CT for diagnosis and differential diagnosis of COVID-19: a systematic review and meta-analysis. Ann Transl Med. 2020; 8(14):878–878. doi: 10.21037/atm-20-4955
  11. Chang YC, Yu CJ, Chang SC, et al. Pulmonary sequelae in convalescent patients after severe acute respiratory syndrome: Evaluation with thin-section CT. Radiology. 2005;236(3):1067–1075. doi: 10.1148/radiol.2363040958
  12. Prokop M, van Everdingen W, van Rees Vellinga T, et al. CO-RADS: A categorical CT assessment scheme for patients suspected of having COVID-19-definition and evaluation. Radiology. 2020;296(2):E97–E104. doi: 10.1148/radiol.2020201473
  13. Corson N, Armato SG, Labby ZE, et al. CT-based pulmonary artery measurements for the assessment of pulmonary hypertension. Acad Radiol. 2014;21(4):523–530. doi: 10.1016/j.acra.2013.12.015
  14. Truong QA, Massaro JM, Rogers IS, et al. Reference values for normal pulmonary artery dimensions by noncontrast cardiac computed tomography the framingham heart study. Circ Cardiovasc Imaging. 2012;5(1):147–154. doi: 10.1161/CIRCIMAGING.111.968610
  15. Collins JA, Munoz JV, Patel TR, et al. The anatomy of the aging aorta. Clin Anat. 2014;27(3):463–466. doi: 10.1002/ca.22384
  16. Compton GL, Florence J, MacDonald C, et al. Main pulmonary artery-to-ascending aorta diameter ratio in healthy children on MDCT. AJR Am J Roentgenol. 2015;205(6):1322–1325. doi: 10.2214/AJR.15.14301
  17. Galiè N, Humbert M, Vachiery JL, et al. 2015 ESC/ERS guidelines for the diagnosis and treatment of pulmonary hypertension: the joint task force for the diagnosis and treatment of pulmonary hypertension of the European society of cardiology (ESC) and the European Respiratory Society (ERS): Endorsed by: Association for European Paediatric and Congenital Cardiology (AEPC), International Society for Heart and Lung Transplantation (ISHLT). European Heart Journal. 2016;37(1):67–119. doi: 10.1093/eurheartj/ehv317
  18. Parasuraman S, Walker S, Loudon BL, et al. Assessment of pulmonary artery pressure by echocardiography — A comprehensive review. Int J Cardiol Heart Vasc. 2016;12:45–51. doi: 10.1016/j.ijcha.2016.05.011
  19. Chuchalin AG, Avdeev SN, Aysanov ZR, et al. Diagnosis and treatment of idiopathic pulmonary fibrosis federal clinical guidelines. Pulmonology. 2016;26(4):399–419. (In Russ). doi: 10.18093/0869-0189-2016-26-4-399-419
  20. Chernyaev AL, Samsonova MV. Pathological anatomy of the lungs. Atlas. 2nd ed., revised and updated. A series of monographs of the Russian Respiratory Society. Ed. by A.G. Chuchalin. Moscow: Atmosfera; 2011. 111 p. (In Russ).
  21. Dolhnikoff M, Duarte-Neto AN, de Almeida Monteiro RA, et al. Pathological evidence of pulmonary thrombotic phenomena in severe COVID-19. J Thromb Haemost. 2020;18(6):1517–1519. doi: 10.1111/jth.14844

补充文件

附件文件
动作
1. JATS XML
下载
2. 图 2 Airo TruCT 移动计算机断层扫描仪安装在临时急诊医院的入院科，用于治疗在 Krylatskoye 冰宫组织的 COVID-19 患者。

下载 (37KB)
索引源数据
3. 图 1研究设计。 CT - 计算机断层扫描； CT 1-4 - 用于视觉评估患者全身状况严重程度对 COVID-19 肺部变化的放射学迹象的性质和严重程度的依赖性的改编量表； PA-肺动脉。

下载 (258KB)
索引源数据
4. 图 3 具有不同 PA 直径和肺部受累程度的 CT 图像示例：a、b - 未扩张的 PA（27.0 毫米），CT-1 肺部受累程度（小于 25%）； c, d - 肺损伤程度 CT-2 (25-50%) 增大的 PA (30.5 毫米)； e, f - 扩张的 PA (32.6毫米)，肺损伤程度为 KT-3 (50–75%)； g, h - 肺损伤程度 CT-4（大于 75%）的扩张 PA（34.8毫米）。 CT - 计算机断层扫描； CT 1-4 - 用于视觉评估患者全身状况严重程度对 COVID-19 肺部变化的放射学迹象的性质和严重程度的依赖性的改编量表； PA-肺动脉。

下载 (307KB)
索引源数据
5. 图 4。肺动脉直径对 COVID-19 肺损伤年龄和严重程度的依赖性。 CT 1-4 - 用于视觉评估患者全身状况严重程度对 COVID-19 肺部变化的放射学迹象的性质和严重程度的依赖性的改编量表； PA-肺动脉

下载 (113KB)
索引源数据

版权所有 © Aliev A.F., Kudryavtsev N.D., Petraikin A.V., Artyukova Z.R., Shkoda A.S., Morozov S.P., 2021

Creative Commons License
此作品已接受知识共享署名-非商业性使用-禁止演绎 4.0国际许可协议的许可。

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».