Прогностическое значение рентгенологических и лабораторных биомаркеров для оценки риска неблагоприятного исхода у пациентов с COVID-19
https://doi.org/10.20862/0042-4676-2022-103-4-6-78-87
Аннотация
Цель: изучить взаимосвязи лабораторных и рентгенологических маркеров COVID-19, создать прогностическую модель ухудшения состояния и летального исхода у пациента с COVID-19.
Материал и методы. Исследование включало 162 пациента с COVID-19, стратифицированных в соответствии с наличием или отсутствием ухудшения состояния за время госпитализации. Проанализированы данные компьютерной томографии (КТ) органов грудной клетки, оцененные эмпирически и с применением полуколичественной шкалы, показатели общего клинического анализа и биохимического анализа крови. Прогностическая модель построена с использованием градиентного бустинга и искусственной нейронной сети с сигмоидной активационной функцией.
Результаты. С ухудшением состояния и его критериями сопряжены как КТ-параметры (симптом «булыжной мостовой», дилатация бронхов в зоне поражения, периферический характер распространения симптомов, отсутствие преобладающего характера распределения, степень и объем поражения), так и большинство лабораторных маркеров. Объем поражения при КТ показал положительные корреляции с уровнем лейкоцитов, нейтрофилов, мочевины, аспартатаминотрансферазы, лактатдегидрогеназы, креатинфосфокиназы, глюкозы, С-реактивного белка и отрицательные корреляции с концентрациями альбумина, кальция и количеством лимфоцитов. По итогам отбора и обучения классифицирующих моделей оптимальным для классификации пациентов с COVID-19 по признакам ухудшения состояния за время госпитализации, необходимости перевода в отделение реанимации и интенсивной терапии, проведения искусственной вентиляции легких и неблагоприятного исхода явился метод градиентного бустинга.
Заключение. Полученная в исследовании прогностическая модель, основанная на комбинации рентгенологических и лабораторных параметров, позволяет с высокой достоверностью прогнозировать характер течения COVID-19.
Об авторах
А. Д. Струтынская
ФГБОУ ДПО «Российская академия непрерывного профессионального образования» Минздрава России
Россия
Россия
Струтынская Анастасия Дмитриевна, аспирант кафедры рентгенологии и радиологии
ул. Баррикадная, 2/1, стр. 1, Москва, 125993
М. А. Карнаушкина
ФГАОУ ВО «Российский университет дружбы народов»
Россия
Россия
Карнаушкина Мария Александровна, д. м. н., профессор кафедры внутренних болезней с курсом кардиологии и функциональной диагностики им. академика В.С. Моисеева
ул. Миклухо-Маклая, 6, Москва, 117198
Л. И. Дворецкий
ФГАОУ ВО «Первый Московский государственный медицинский университет им. И.М. Сеченова» Минздрава России (Сеченовский университет)
Россия
Россия
Дворецкий Леонид Иванович, д. м. н. , профессор кафедры госпитальной терапии № 2
ул. Трубецкая, 8, стр. 2, Москва, 119991
И. Е. Тюрин
ФГБОУ ДПО «Российская академия непрерывного профессионального образования» Минздрава России
Россия
Россия
Тюрин Игорь Евгеньевич, д. м. н., главный внештатный специалист по лучевой и инструментальной диагностике Минздрава России, заведующий кафедрой рентгенологии и радиологии
ул. Баррикадная, 2/1, стр. 1, Москва, 125993
Список литературы
1. Centers for Disease Control and Prevention. COVID Data Tracker. Available at: https://covid.cdc.gov/covid-data-tracker/#datatracker-home (accessed February 3, 2022).
2. Danwang C, Endomba FT, Nkeck JR, et al. A meta-analysis of potential biomarkers associated with severity of coronavirus disease 2019 (COVID-19). Biomark Res. 2020; 8: 37. http://doi.org/10.1186/s40364-020-00217-0.
3. Gandhi RT, Lynch JB, del Rio C. Mild or Moderate Covid-19. N Engl J Med. 2020; 383(18): 1757–66. http://doi.org/10.1056/NEJMcp2009249.
4. Wu J, Wu X, Zeng W, et al. Chest CT findings in patients with coronavirus disease 2019 and its relationship with clinical features. Invest Radiol. 2020; 55(5): 257–61. http://doi.org/10.1097/RLI.0000000000000670.
5. Wynants L, Calster B, Collins GS, et al. Prediction models for diagnosis and prognosis of COVID-19: systematic review and critical appraisal. BMJ. 2020; 369: m1328. http://doi.org/10.1136/bmj.m1328.
6. An C, Oh HC, Chang JH, et al. Development and validation of a prognostic model for early triage of patients diagnosed with COVID-19. Sci Rep. 2021; 11(1): 21923. http://doi.org/10.1038/s41598-021-01452-7.
7. Incerti D, Rizzo S, Li X, et al. Prognostic model to identify and quantify risk factors for mortality among hospitalised patients with COVID-19 in the USA. BMJ Open. 2021; 11(4): e047121. http://doi.org/10.1136/bmjopen-2020-047121.
8. Du RH, Liang LR, Yang CQ, et al. Predictors of mortality for patients with COVID-19 pneumonia caused by SARS-CoV-2: a prospective cohort study. Eur Respir J. 2020; 55(5): 2000524. http://doi.org/10.1183/13993003.00524-2020.
9. Временные методические рекомендации. Профилактика, диагностика и лечение новой коронавирусной инфекции (COVID-19). Версия 10 (08.02.2021). URL: https://static-0.minzdrav.gov.ru/system/attachments/attaches/000/054/588/original/Временные_МР_COVID-19_%28v.10%29-08.02.2021_%281%29.pdf (дата обращения 03.02.2022).
10. Yang R, Li X, Liu H, et al. Chest CT severity score: an imaging tool for assessing severe COVID-19. Radiol Cardiothorac Imaging. 2020; 2(2): e200047. http://doi.org/10.1148/ryct.2020200047.
11. Hansell DM, Bankier AA, MacMahon H, et al. Fleischner Society: glossary of terms for thoracic imaging. Radiology. 2008; 246(3): 697–722. http://doi.org/10.1148/radiol.2462070712.
12. Chung M, Bernheim A, Mei X, et al. CT imaging features of 2019 novel coronavirus (2019-nCoV). Radiology. 2020; 295(1): 202–7. http://doi.org/10.1148/radiol.2020200230.
13. Li K, Wu J, Wu F, et al. The clinical and chest ct features associated with severe and critical COVID-19 pneumonia. Invest Radiol. 2020; 55(6): 327–31. http://doi.org/10.1097/RLI.0000000000000672.
14. Zhao W, Zhong Z, Xie X, et al. Relation between chest CT findings and clinical conditions of coronavirus disease (COVID-19) pneumonia: a multicenter study. AJR Am J Roentgenol. 2020; 214(5): 1072–7. http://doi.org/10.2214/AJR.20.22976.
15. Zhang N, Xu X, Zhou LY, et al. Clinical characteristics and chest CT imaging features of critically ill COVID-19 patients. Eur Radiol. 2020; 30(11): 6151–60. http://doi.org/10.1007/s00330-020-06955-x.
16. 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. http://doi.org/10.1038/s41467-020-18786-x.
17. Koo HJ, Lim S, Choe J, et al. Radiographic and CT features of viral pneumonia. Radiographics. 2018; 38(3): 719–39. http://doi.org/10.1148/rg.2018170048.
18. Bösmüller H, Matter M, Fend F, Tzankov A. The pulmonary pathology of COVID-19. Virchows Arch. 2021; 478(1): 137–50. http://doi.org/10.1007/s00428-021-03053-1.
19. Kommoss FKF, Schwab C, Tavernar L, et al. The pathology of severe COVID-19-related lung damage. Mechanistic and therapeutic implications. Dtsch Arztebl Int. 2020; 117(29–30): 500–6. http://doi.org/10.3238/arztebl.2020.0500.
20. De Wever W, Meersschaert J, Coolen J, et al. The crazypaving pattern: a radiological-pathological correlation. Insights Imaging. 2011; 2(2): 117–32. http://doi.org/10.1007/s13244-010-0060-5.
21. Martínez Chamorro E, Díez Tascón A, Ibáñez Sanz L, et al. Radiologic diagnosis of patients with COVID-19. Radiologia (Engl Ed). 2021; 63(1): 56–73. http://doi.org/10.1016/j.rx.2020.11.001.
22. Elezkurtaj S, Greuel S, Ihlow J, et al. Causes of death and comorbidities in hospitalized patients with COVID-19. Sci Rep. 2021; 11(1): 4263. http://doi.org/10.1038/s41598-021-82862-5.
23. Katzenschlager S, Zimmer AJ, Gottschalk C, et al. Can we predict the severe course of COVID-19 – a systematic review and meta-analysis of indicators of clinical outcome? PLoS One. 2021; 16(7): e0255154. http://doi.org/10.1371/journal.pone.0255154.
24. Tan C, Huang Y, Shi F, et al. C-reactive protein correlates with computed tomographic findings and predicts severe COVID-19 early. J Med Virol. 2020; 92(7): 856–62. http://doi.org/10.1002/jmv.25871.
25. Yamada D, Ohde S, Imai R, et al. Visual classification of three computed tomography lung patterns to predict prognosis of COVID-19: a retrospective study. BMC Pulm Med. 2022; 22: 1. https://doi.org/10.1186/s12890-021-01813-y.
26. Petrilli CM, Jones SA, Yang J, et al. Factors associated with hospital admission and critical illness among 5279 people with coronavirus disease 2019 in New York City: prospective cohort study. BMJ. 2020; 369: m1966. https://doi.org/10.1136/bmj.m1966.
27. Soraya GV, Ulhaq ZS. Crucial laboratory parameters in COVID-19 diagnosis and prognosis: an updated metaanalysis. Med Clin (Engl Ed). 2020; 155(4): 143–51. https://doi.org/10.1016/j.medcle.2020.05.004.
28. Zhang ZL, Hou YL, Li DT, Li FZ. Laboratory findings of COVID-19: a systematic review and meta-analysis. Scand J Clin Lab Invest. 2020; 80(6): 441–7. https://doi.org/10.1080/00365513.2020.1768587.
29. Wu C, Hu X, Song J, et al. Heart injury signs are associated with higher and earlier mortality in coronavirus disease 2019 (COVID-19). medRxiv. 2020. https://doi.org/https://doi.org/10.1101/2020.02.26.20028589.
Рецензия
Для цитирования:
Струтынская А.Д., Карнаушкина М.А., Дворецкий Л.И., Тюрин И.Е. Прогностическое значение рентгенологических и лабораторных биомаркеров для оценки риска неблагоприятного исхода у пациентов с COVID-19. Вестник рентгенологии и радиологии. 2022;103(4-6):78-87. https://doi.org/10.20862/0042-4676-2022-103-4-6-78-87
For citation:
Strutynskaya А.D., Karnaushkina M.А., Dvoretskiy L.I., Tyurin I.Е. Prognostic Value of Radiological and Laboratory Biomarkers for Assessing Risk of Adverse Outcome in Patients with COVID-19. Journal of radiology and nuclear medicine. 2022;103(4-6):78-87. (In Russ.) https://doi.org/10.20862/0042-4676-2022-103-4-6-78-87
Просмотров:
513
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial» («Атрибуция — Некоммерческое использование») 3.0 Непортированная
Послать статью по эл. почте 