CT诊断的准确率，以确定COVID-19患者的住院需求

封面

如何引用文章

全文:

详细

论证：在俄罗斯联邦，为了检测COVID-19肺炎及其并发症和与其他肺部疾病的鉴别诊断，以及对患者进行分类，使用了胸部CT，并在CT 0–4的半定量视觉尺度上评估变化。尽管胸部CT广泛使用，但其用于确定COVID-19患者住院需求的诊断准确性的数字指标目前尚不清楚。

目的： 是确定该量表的敏感性、特异性、阳性预测值、阴性预测值。

材料与方法：研究涉及575名经实验室确诊的COVID-19患者（55%为女性），年龄为57.2±13.9岁。对于每个患者，进行了4次连续的胸部CT研究，并对疾病的严重程度进行了CT评分（0–4）。根据既往CT研究结果，将敏感性和特异性作为患者病情恶化或改善的条件概率进行计算。为计算阳性预测值（PPV）和阴性预测值（NPV），对COVID-19在莫斯科的流行情况进行了估计。2020年3月6日至11月28日期间所有COVID-19病例的数据来自俄国国家管理的保护消费者服务机构（Rospotrebnadzor）网站。使用了许多具有不同参数的ARIMA和EST模型来选择与现有数据最匹配的模型，并预测发病率的发展。

结果：0–4 CT分级的中位特异性为69%，敏感性为92%。描述莫斯科流行病学情况的最佳统计模型是ARIMA（0,2,1）。经计算，预测年发病率为9.6%，PPV值为56，NPV值为97%。

结果：Yuden指数最大的阶段出现在胸部CT第一次研究和第二次研究之间，此时样本中大多数患者表现出临床病情恶化的趋势。0–4 CT分级可以安全地排除轻、中度病程（CT0、CT1类）患者的病理变化发展，有助于优化患者在疫情不利的情况下住院。

作者简介

Sergey Morozov

Moscow Center for Diagnostics and Telemedicine

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, Moscow

Roman Reshetnikov

Moscow Center for Diagnostics and Telemedicine; I.M. Sechenov First Moscow State Medical University (Sechenov University)

编辑信件的主要联系方式.
Email: reshetnikov@fbb.msu.ru
ORCID iD: 0000-0002-9661-0254
SPIN 代码: 8592-0558

Cand.Sci. (Phys-Math)

俄罗斯联邦, Moscow

Victor Gombolevskiy

Moscow Center for Diagnostics and Telemedicine

Email: gombolevskiy@npcmr.ru
ORCID iD: 0000-0003-1816-1315
SPIN 代码: 6810-3279

MD, Cand.Sci. (Med)

俄罗斯联邦, Moscow

Natalya Ledikhova

Moscow Center for Diagnostics and Telemedicine

Email: n.ledikhova@npcmr.ru
SPIN 代码: 6907-5936
俄罗斯联邦, Moscow

Ivan Blokhin

Moscow Center for Diagnostics and Telemedicine

Email: i.blokhin@npcmr.ru
ORCID iD: 0000-0002-2681-9378
SPIN 代码: 3306-1387
俄罗斯联邦, Moscow

Olesya Mokienko

Moscow Center for Diagnostics and Telemedicine

Email: o.mokienko@npcmr.ru
ORCID iD: 0000-0002-7826-5135
SPIN 代码: 8088-9921

MD, Cand.Sci. (Med)

俄罗斯联邦, Moscow

参考

  1. Coronavirus update (live) [cited 2002 Oct 20]. Available from: https://www.worldometers.info/coronavirus
  2. World Health Organization. Coronavirus disease 2019 (COVID-19): situation report, 46 [cited 2002 March 06]. World Health Organization, Geneva; 2020. Available from: https://www.who.int/docs/default-source/coronaviruse/situation-reports/20200306-sitrep-46-covid-19.pdf?sfvrsn=96b04adf_4
  3. Temporary guidelines «Prevention, diagnosis and treatment of new coronavirus infection (COVID-19). Version 9 (26.10.2020)» (approved by the Ministry of Health of the Russian Federation) [Internet]. (In Russ). Available from: http://disuria.ru/_ld/8/846_mrC19pdl261020.pdf
  4. Morozov SP, Gombolevskiy VA, Cherninа VYu, 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
  5. Morozov SP, Andreychenko AE, Pavlov NA, et al. MosMedData: chest CT scans with COVID-19 related findings dataset. medRxiv. 2020. doi: 10.1101/2020.05.20.20100362
  6. Hyndman RJ, Khandakar Y. Automatic time series forecasting: the forecast package for R. J Stat Softw. 2008;27(3). doi: 10.18637/jss.v027.i03
  7. Box GE, Jenkins GM, Reinsel GC, Ljung GM. Time series analysis: forecasting and control. John Wiley & Sons, Hoboken; 2015.
  8. Rospotrebnadzor. The epidemiological situation and the spread of COVID-19 in the world as of 8.00 Moscow Time on 28.11.2020. Available from: https://www.rospotrebnadzor.ru/region/korono_virus/epid.php
  9. R Core Team. R: A language and environment for statistical computing. R foundation for statistical computing. Vienna, Austria; 2020.
  10. Hyndman RJ, Athanasopoulos G, Bergmeir C, et al. forecast: Forecasting functions for time series and linear models. Semantic Scholar; 2020.
  11. Wickham H. ggplot2: elegant Graphics for Data Analysis. Springer-Verlag New York; 2016. doi: 10.1007/978-3-319-24277-4
  12. Hamilton MC, Lyen S, Manghat NE. Controversy in coronaViral Imaging and Diagnostics (COVID). Clin Radiol. 2020;75(7):557–558. doi: 10.1016/j.crad.2020.04.011
  13. Morozov S, Ledikhova N, Panina E, et al. Re: Controversy in coronaViral Imaging and Diagnostics (COVID). Clin Radiol. 2020;75(11):871–872. doi: 10.1016/j.crad.2020.07.023
  14. Li Y, Xia L. Coronavirus Disease 2019 (COVID-19): Role of Chest CT in Diagnosis and Management. AJR Am J Roentgenol. 2020;214(6):1280–1286. doi: 10.2214/AJR.20.22954
  15. Feng Z, Yu Q, Yao S, et al. Early prediction of disease progression in COVID-19 pneumonia patients with chest CT and clinical characteristics. Nat Commun. 2020;11(1):4968. doi: 10.1038/s41467-020-18786-x
  16. Bi Q, Wu Y, Mei S, et al. Epidemiology and transmission of COVID-19 in 391 cases and 1286 of their close contacts in Shenzhen, China: a retrospective cohort study. Lancet Infect Dis. 2020;20(8)911–919. doi: 10.1016/S1473-3099(20)30287-5

补充文件

附件文件
动作
1. JATS XML
下载
2. 图 1研究参与者的调查方案。 ARVI—急性上呼吸道病毒感染；胸部CT—胸部计算机断层扫描。

下载 (148KB)
索引源数据
3. 图 2动态分布患者人数根据肺组织的变化程度。

下载 (131KB)
索引源数据
4. 图 3预测COVID-19在莫斯科的流行情况：实际数据（黑色曲线）；ETS MMM模型（黄色曲线）；ARIMA模型（0,2,1）（红 色曲线）。ETS ZZZ模型的预测没有显示出来，因为它们与ARIMA（0,2,1）重合。对于每个模型，95%的置信区间以相应 的哑色显示。

下载 (105KB)
索引源数据

版权所有 © Morozov S., Reshetnikov R., Gombolevskiy V., Ledikhova N., Blokhin I., Mokienko O., 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».