基于胸部CT的实验室验证COVID-19预后预测:38,051例患者的回顾性分析

封面

如何引用文章

详细

论证:在目前的流行病学情况下,胸部器官CT(胸部器官的计算机断层扫描)在该病的诊断中起着重要的作用。临床和CT数据使医生能够快速判断COVID-19患者的存在概率和预后。

目的:预测实验室证实的COVID-19患者的结果,基于胸部器官CT,使用肺实质损伤程度半定量视觉量表(CT0—CT4量表)。

材料与方法。对2020年3月1日至2020年7月30日期间从统一医疗信息和分析服务处(UMIAS)和从统一放射信息服务处(ERIS)卸载的医疗记录和协议进行了回顾性分析。本研究纳入了根据ICD-10诊断为U07.1患者的病历(实验室确诊新型冠状病毒感染病例)。从2020年3月1日至7月30日,这些患者在疑似COVID-19引起的社区获得性肺炎的内科医生的指导下接受胸部器官CT检查;实验室检查和胸部器官计算机断层扫描之间最长允许的时间不超过5天。每位病人的随访期由CT日期起计最少为30天。这项研究是在向莫斯科成年人口提供初级医疗保健的48个医疗机构中进行的。本研究不包括截至2020年7月30日COVID-19聚合酶链反应试验结果为阴性的患者。CT0-CT4量表推荐在俄罗斯联邦用于评估疑似COVID-19病例肺实质损害的程度。

结果。样本量为38,051例。根据研究结果,CT-4类患者的死亡风险比CT-0类患者高3倍。Kaplan-Meyer 生存曲线显示,CT-3类患者的存活比例比CT0-CT2类患者低3倍(HR = 2.94)。此外,发现了CT的初始类别越高,恶化的风险越低。根据胸部器官CT显示,住院时间随类别的增加而减少。

结果。CT0-CT4的视觉尺度可用于预测疑似COVID-19患者的预后(住院和死亡),如果患者在初级卫生保健的基础上接受了胸部器官CT检查。

作者简介

Sergey Morozov

Research and Practical Clinical Center for Diagnostics and Telemedicine Technologies of the Moscow Health Care Department

Email: morozov@npcmr.ru
ORCID iD: 0000-0001-6545-6170
SPIN 代码: 8542-1720

MD, PhD

俄罗斯联邦, Moscow

Valeria Chernina

Research and Practical Clinical Center for Diagnostics and Telemedicine Technologies of the Moscow Health Care Department

Email: v.chernina@npcmr.ru
ORCID iD: 0000-0002-0302-293X
SPIN 代码: 8896-8051

MD

俄罗斯联邦, Moscow

Andreevich Blokhin

Research and Practical Clinical Center for Diagnostics and Telemedicine Technologies of the Moscow Health Care Department

Email: i.blokhin@npcmr.ru
ORCID iD: 0000-0002-2681-9378
SPIN 代码: 3306-1387

MD

俄罗斯联邦, Moscow

Victor Gombolevskiy

Research and Practical Clinical Center for Diagnostics and Telemedicine Technologies of the Moscow Health Care Department

编辑信件的主要联系方式.
Email: g_victor@mail.ru
ORCID iD: 0000-0003-1816-1315
SPIN 代码: 6810-3279

MD, PhD, MPH

俄罗斯联邦, Moscow

参考

  1. World Health Organization. Timeline of WHO’s response to COVID-19 [Internet]. WHO; 2020 [cited 2020 Sept 9]. Available from: https://www.who.int/news-room/detail/29-06-2020-covidtimeline
  2. Dong E, Du H, Gardner L. An interactive web-based dashboard to track COVID-19 in real time. Lancet Infect Dis. 2020;20(5):533–534. doi: 10.1016/S1473-3099(20)30120-1
  3. Zhang R, Ouyang H, Fu L, et al. CT features of SARS-CoV-2 pneumonia according to clinical presentation: a retrospective analysis of 120 consecutive patients from Wuhan city. Eur Radiol. 2020;30(8):4417–4426. doi: 10.1007/s00330-020-06854-1
  4. Silverstein WK, Stroud L, Cleghorn GE, Leis JA. First imported case of 2019 novel coronavirus in Canada, presenting as mild pneumonia. Lancet. 2020;395(10225):734. doi: 10.1016/S0140-6736(20)30370-6
  5. Yoon SH, Lee KH, Kim JY, et al. Chest radiographic and CT findings of the 2019 Novel Coronavirus Disease (COVID-19): analysis of nine patients treated in Korea. Korean J Radiol. 2020;21(4):494-500. doi: 10.3348/kjr.2020.0132
  6. Sverzellati N, Milanese G, Milone F, et al. Integrated radiologic algorithm for COVID-19 pandemic. J Thorac Imaging. 2020;35(4):228–233. doi: 10.1097/RTI.0000000000000516
  7. Colombi D, Bodini FC, Petrini M, et al. Well-aerated lung on admitting chest CT to predict adverse outcome in COVID-19 pneumonia. Radiology. 2020;296(2):E86–E96. doi: 10.1148/radiol.2020201433
  8. Li K, Fang Y, Li W, et al. CT image visual quantitative evaluation and clinical classification of coronavirus disease (COVID-19). Eur Radiol. 2020;30(8):4407–4416. doi: 10.1007/s00330-020-06817-6
  9. Wynants L, van Calster B, Collins GS, et al. Prediction models for diagnosis and prognosis of covid-19: systematic review and critical appraisal. BMJ. 2020;369:M1328. doi: 10.1136/bmj.m1328
  10. 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. Series «Best practices of radiation and instrumental diagnostics». Issue 65. Moscow: GBUZ «NPKTS DIT DZM»; 2020. 78 р. (In Russ).
  11. Sinitsyn VE, Tyurin IE, Mitkov VV. Consensus Guidelines of Russian Society of Radiology (RSR) and Russian Association of Specialists in Ultrasound Diagnostics in Medicine (RASUDM) «Role of Imaging (X-ray, CT and US) in Diagnosis of COVID-19 Pneumonia» (version 2). Journal of radiology and nuclear medicine. 2020;101(2):72–89. (In Russ). doi: 10.20862/0042-4676-2020-101-2-72-89
  12. Morozov SP, Gombolevskiy VA, Cherninа VY, et al. Prediction of lethal outcomes in COVID-19 cases based on the results chest computed tomography. Tuberculosis and Lung Diseases. 2020;98(6):7–14. (In Russ). doi: 10.21292/2075-1230-2020-98-6-7-14
  13. Khristenko E, von Stackelberg O, Kauczor HU, et al. Ctpatterns in COVID-19 associated pneumonia – unification of radiological reports based on glossary of Fleischner society. REJR. 2020;10(1):16–26. (In Russ). doi: 10.21569/2222-7415-2020-10-1-16-26
  14. Raptis CA, Hammer MM, Short RG, et al. Chest CT and coronavirus disease (COVID-19): a critical review of the literature to date. AJR Am J Roentgenol. 2020;215(4):839–842. doi: 10.2214/AJR.20.23202
  15. Yuan M, Yin W, Tao Z, et al. Association of radiologic findings with mortality of patients infected with 2019 novel coronavirus in Wuhan, China. PLoS One. 2020;15(3):E0230548. doi: 10.1371/journal.pone.0230548
  16. Petrikov SS, Popugaev KА, Barmina TG, et al. Comparison of clinical data and computed tomography semiotics of the lungs in COVID-19. Tuberculosis and Lung Diseases. 2020;98(7):14–25. (In Russ). doi: 10.21292/2075-1230-2020-98-7-14-25
  17. Xu PP, Tian RH, Luo S, et al. Risk factors for adverse clinical outcomes with COVID-19 in China: a multicenter, retrospective, observational study. Theranostics. 2020;10(14):6372–6383. doi: 10.7150/thno.46833
  18. Xiong Y, Sun D, Liu Y, et al. Clinical and High-Resolution CT Features of the COVID-19 Infection: Comparison of the Initial and Follow-up Changes. Invest Radiol. 2020;55(6):332–339. doi: 10.1097/RLI.0000000000000674

补充文件

附件文件
动作
1. JATS XML
2. 图 1抽样生成的框图。

下载 (289KB)
3. 图 2CT0-CT4分级Kaplan-Meier的总体生存曲线(p<0.0001)。

下载 (120KB)
4. 图 3与基线水平相比,胸部计算机断层扫描显示的恶化时间的Kaplan-Meyer曲线(p<0.0001)。

下载 (129KB)
5. 图 4从胸部器官首次计算机断层扫描到住院的时间数据的Kaplan-Meyer曲线(p<0.0001)。

下载 (139KB)
6. Video-presentation
预览 

版权所有 © Morozov S., Chernina V., Blokhin A., Gombolevskiy V., 2020

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».