Возможности раннего прогноза исходов COVID-19 у госпитализированных пациентов

• Ильина Наталина Александровна
• Климова Татьяна Михайловна
• Слепцов Спиридон Спиридонович
• Слепцова Снежана Спиридоновна

Резюме

Оценка прогноза болезни на ранней стадии инфекционного процесса COVID-19, в первые дни после госпитализации, основанная на доступных для практического здравоохранения методах исследования, позволит усовершенствовать маршрутизацию и ведение пациентов с новой коронавирусной инфекцией, а также увеличить выживаемость больных.

Цель исследования - разработка модели прогноза клинических исходов COVID-19 у госпитализированных пациентов со среднетяжелым и тяжелым течением болезни.

Материал и методы. Проведен ретроспективный анализ историй болезни 404 пациентов с подтвержденной COVID-19, находившихся на стационарном лечении с 19.05.2020 по 31.12.2020 и с 01.04.2021 по 31.07.2021 в инфекционном отделении ГБУ РС(Я) "ЯРКБ" (Якутск). Для оценки связи клинико-лабораторных показателей и факторов риска с неблагоприятным исходом использован метод бинарной логистической регрессии в IBM SPSS Statistics 26.

Результаты и обсуждение. Наиболее значимыми предикторами риска неблагоприятного исхода новой коронавирусной инфекции были возраст, индекс массы тела, уровни мочевины, лактатдегидрогеназы и сатурации на момент госпитализации. Чувствительность полученной модели составила 83,1%, специфичность - 98,3%. Доля правильно прогнозируемых значений зависимой переменной составила 96%. Сравнение прогностической способности разработанной модели со шкалой 4C MortalityScore показало, что предложенная модель характеризуется лучшими классифицирующими свойствами в отношении прогноза летального исхода (83% правильного прогнозирования).

Заключение. Установлено, что в зависимости от возраста пациента и увеличения значения индекса массы тела возрастает риск неблагоприятного исхода COVID-19. Высокие уровни мочевины, лактатдегидрогеназы и сниженный показатель насыщения крови кислородом (SpO₂) при поступлении могут служить маркерами риска неблагоприятного исхода. Расчет вероятности летального исхода у больных COVID-19 на основе этих предикторов по предложенной формуле в 96% случаев позволяет отнести пациента к группе риска неблагоприятного исхода.

Ключевые слова:COVID-19; предикторы; прогноз заболевания; логистическая регрессия; ROC-анализ

Проблема новой коронавирусной инфекции относится к числу наиболее актуальных в современной инфекционной патологии, что обусловлено высокой заболеваемостью, часто тяжелым течением болезни и угрозой осложнений [1-3]. Люди с патологией сердца, сахарным диабетом и респираторными заболеваниями находятся в группе риска развития осложнений и смерти в случае заражения SARS-CoV-2 [4-8]. На риск развития тяжелого течения COVID-19 оказывают влияние ожирение и пожилой возраст заболевших [9-13]. С учетом множества вероятных клинических предикторов тяжести течения новой коронавирусной инфекции используют методы математического моделирования и прогнозирования тяжелого течения COVID-19.

Цель исследования - разработка модели прогноза клинических исходов COVID-19 у госпитализированных пациентов со среднетяжелым и тяжелым течением болезни.

Материал и методы

Проведен ретроспективный анализ историй болезни 404 пациентов с подтвержденной новой коронавирусной инфекцией (COVID-19), находившихся на стационарном лечении в инфекционном отделении ГБУ РС(Я) "ЯРКБ" (Якутск) с 19.05.2020 по 31.12.2020 (n=150) и с 01.04.2021 по 31.07.2021 (n=254). Анализ историй болезни проведен с учетом клинической картины, результатов клинико-лабораторных и инструментальных исследований. При статистической обработке результатов использована программа IBM SPSS Statistics 26. Сравнение 2 групп по количественному показателю выполнено с помощью U-критерия Манна-Уитни. Сравнение групп по качественным признакам проводили в четырехпольной таблице сопряженности с расчетом критерия χ² Пирсона. В логистическом регрессионном анализе применен метод пошагового исключения оцениваемых предикторов (Вальда). Зависимая переменная "Исход" [градации выжил (0) - 345 наблюдений, умер (1) - 59]. В качестве независимых предикторов были включены переменные, показавшие статистически значимую связь с исходом в одномерном анализе, ROC-анализе. Оценку относительного вклада отдельных предикторов проводили с использованием статистики Вальда χ² и отношения шансов (ОШ) с расчетом 95% доверительного интервала (ДИ). Качество модели оценивали по проценту конкордации, общую оценку согласия модели и реальных данных - с использованием теста согласия Хосмера-Лемешева (Hosmer and Lemeshow Goodness-of-FitTest). Оценку качества бинарной классификации проводили с использованием ROC-анализа. Критический уровень значимости при проверке статистических гипотез принимали равным 5%.

Результаты и обсуждение

Средний возраст госпитализированных пациентов с COVID-19 составил 55,3 года, доля пациентов в возрасте 60 лет и старше составила 40,8% (165 человек). Соотношение мужчин и женщин было сопоставимым: 47 и 53%, соответственно. Распределение по этнической принадлежности показало преобладание коренной национальности - 76,5% (309 человек). 145 (35,9%) пациентов имели избыточную массу тела, 112 (27,7%) - ожирение.

Среди 254 пациентов, госпитализированных в 2021 г., 70,1% не имели прививок против COVID-19. Одну дозу вакцины получили 9 (3,5%) человек, 2 дозы - 67 (26,4%), большинство пациентов (84,2%) были иммунизированы вакциной "Гам-КОВИД-Вак" ("Спутник V"). Анализ течения и исходов заболевания в зависимости от статуса вакцинации показал, что среди невакцинированных по сравнению с пациентами, получившими полный курс вакцинации из 2 доз на момент заболевания, доля тяжелых случаев (53,4%, р<0,001) и смертельных исходов (20,2%, р=0,004) была статистически значимо выше. Анализ наличия сопутствующей патологии у пациентов с COVID-19 показал, что наиболее часто сопутствующими патологиями были заболевания сердечно-сосудистой системы (52,5%), сахарный диабет (24,5%), заболевания легких (21%).

В анализируемой группе у 246 (60,9%) человек новая коронавирусная инфекция имела среднюю тяжесть течения, а у 158 (39,1%) - тяжелое течение.

Из 404 пациентов умерли 59 (14,6%): в 2020 г. 20 человек, в 2021 г. - 39 (15,4%), р=0,578. Основная причина смерти пациентов - острый респираторный дистресс-синдром. В 2020 г. он стал причиной летального исхода у 70% умерших, а в 2021 г. - у 71,7%. От прогрессирующей легочно-сердечной недостаточности умерли 65 и 61,5%, по причине отека головного мозга - 40 и 33,3% соответственно с учетом временного фактора. В 2020 г. 35% всех умерших, а в 2021 г. 33,5% ушли из жизни от синдрома полиорганной недостаточности. Статистически значимых различий в причинах летальных исходов с учетом временного фактора не выявлено.

Средний возраст умерших составил 69,6 (10,4) года, выздоровевших - 52,9 (12,9) года (р<0,001). Из числа пациентов с тяжелым течением заболевания умерли 37,3%. Частота неблагоприятного исхода не зависела от пола и этнической принадлежности пациентов. Наличие сопутствующих заболеваний, таких как сахарный диабет 2-го типа, заболевания сердечно-сосудистой системы, органов дыхания, ожирения увеличивало риски летального исхода (табл. 1).

У пациентов, умерших от COVID-19, при поступлении отмечены высокие уровни лейкоцитов, лимфоцитопения, значительное повышение уровня С-реактивного белка (СРБ), лактатдегидрогеназы (ЛДГ), D-димера, креатинина, мочевины, глюкозы (табл. 2). Все лабораторные показатели при поступлении в стационар, показавшие статистически значимую связь с неблагоприятным исходом, были использованы в качестве классификаторов в ROC-анализе. Наилучшие характеристики для прогнозирования исхода COVID-19 на момент госпитализации имели показатели мочевины AUC 0,88 (95% ДИ 0,82-0,94), интерлейкина-6 (AUC 0,87 95% ДИ 0,83-0,92), ЛДГ AUC 0,85 (95% ДИ 0,78-0,91).

По результатам одномерного и ROC-анализа в качестве независимых предикторов в модели логистической регрессии были выбраны переменные, указанные в табл. 1 и 2. Проведено преобразование показателя SpO₂ и вычислена новая переменная SpO₂ = 100 - SpO₂ при поступлении.

Полученная с использованием метода пошагового исключения предикторов модель логистической регрессии была статистически значимой (p<0,001). Итерации сошлись за 1 шаг. При 5 степенях свободы χ² модели был равен 235,5. Исходя из значения коэффициента детерминации Найджелкерка модель объясняет 78% наблюдаемой дисперсии показателя "Исход". Степень согласия модели и реальных данных оценена с помощью критерия Хосмера-Лемешова как "хорошая" (χ² 4,096, df=8, p=0,848).

Характеристики модели представлены в табл. 3.

Наблюдаемая зависимость описывается уравнением:

P = 1 / (1 + e^-z) × 100%,

где z = -21,105 + 0,265X_(100-SpO2) + 0,009X_ЛДГ + 0,161X_{мочевина}+ 0,177Х_ИМТ + 0,127X_{возраст}; Р - вероятность летального исхода; e - основание натурального логарифма, равное 2,72; -21,105 - значение коэффициента регрессии свободного члена; X_(100-SpO2)-100% - SpO₂ при поступлении; X_ЛДГпри поступлении - лактатдегидрогеназа, ед/л; X_{мочевина} при поступлении - мочевина, ммоль/л; X_ИМТ - индекс массы тела, рассчитанный по формуле: масса тела (кг)/рост² (м); X_{возраст} - возраст, годы.

Все предикторы были статистически значимы, их увеличение повышало риски неблагоприятного исхода. Наиболее весомыми предикторами, вносящими вклад в риск смерти при COVID-19, были ИМТ, снижение показателя SpO₂ и уровень мочевины.

Качество модели оценивали методом ROC-анализа. Площадь под ROC-кривой составила 0,98±0,010 с 95% ДИ 0,96-0,99 (см. рисунок). Полученная модель была статистически значимой (p<0,001).

При данном наборе предикторов конкордация была равна 96%, правильный прогноз летального исхода - 83,1%, выживших - 98,3%.

Для сравнения прогностической способности модели использована шкала 4C MortalityScore, разработанная консорциумом ISARIC (International Severe Acute Respiratory and Emerging Infection Consortium) в 2020 г. и апробированная на выборке 57 тыс. больных COVID-19. Для каждого пациента выборки был рассчитан суммарный балл по шкале 4C MortalityScore. При логистической регрессии с использованием в качестве зависимой - переменной "Исход", а в качестве предиктора - суммарного балла каждого пациента по шкале 4C MortalityScore модель имела следующие характеристики: χ² =196,5; р<0,001, коэффициент детерминации R² Найджелкерка = 0,682; Хосмера-Лемешева = 0,988. Правильное прогнозирование летального исхода составляло 66,1%, выздоровления - 98,0%. Таким образом, разработанное уравнение логистической регрессии не уступает по своим прогностическим свойствам шкале 4С MortalityScore и характеризуется большей точностью в прогнозировании неблагоприятных исходов COVID-19 по клинико-лабораторным данным при поступлении (чувствительность 83,1%, специфичность 98,3%).

Заключение

Результаты проведенного исследования показали, что возраст пациентов старше 60 лет, повышенный ИМТ, а также уровни мочевины >10 ммоль/л, ЛДГ >235 ед/л и показатель насыщения крови кислородом SpO₂ <95% при поступлении в стационар являются статистически значимыми предикторами неблагоприятного исхода COVID-19. Расчет вероятности летального исхода у больных COVID-19 на основе этих показателей по предложенной формуле позволяет в 96% случаев правильно определить принадлежность пациента к группе риска.

Сравнение характеристик модели 4C MortalityScore и разработанной логистической модели показало, что последняя имеет лучшие классифицирующие свойства в отношении прогнозирования летального исхода (83,1% правильных прогнозов).

Людям с повышенным ИМТ, старше 60 лет, при наличии сопутствующей сердечно-сосудистой и эндокринной патологии рекомендуется в случае заболевания COVID-19 госпитализация на ранних сроках болезни независимо от степени тяжести течения.

Литература

1. COVID-19: научно-практические аспекты борьбы с пандемией в Российской Федерации / под ред. А.Ю. Поповой. Саратов : Амирит, 2021. 608 с.

2. Huang C., Wang Y., Li X., Ren L., Zhao J., Hu Y. et al. Clinical features of patients infected with 2019 novel coronavirus in Wuhan, China // Lancet. 2020. Vol. 395, N 10 223. P. 497-506.

3. Rodriguez-Nava G., Yanez-Bello M.A., Trelles-Garcia D.P., Chung C.W. et al. Performance of the quick COVID-19 severity index and the Brescia-COVID respiratory severity scale in hospitalized patients with COVID-19 in a community hospital setting // Int. J. Infect. Dis. 2021. Vol. 102. P. 571-576. DOI: https://doi.org/10.1016/j.ijid.2020.11.003

4. Турсунов Р.А., Олимов Д.А., Ходжамурадов Г.М. Анализ летальных случаев при первой волне новой коронавирусной инфекции COVID-19 // Инфекционные болезни: новости, мнения, обучение. 2021. Т. 10, № 3. С. 33-40. DOI: https://doi.org/10.33029/2305-3496-2021-10-3-33-40

5. Ioannidis J.P.A. The infection fatality rate of COVID-19 inferred from seroprevalence data // medRxiv. 2020. DOI: https://doi.org/10.1101/2020.05.13.20101253

6. Kahathuduwa C.N., Dhanasekara C.S., Chin S.H. Case fatality rate in COVID-19: a systematic review and meta-analysis // medRxiv. 2020. DOI: https://doi.org/10.1101/2020.04.01.20050476

7. Wang X., Fang X., Cai Z., Wu X., Gao X., Min J. et al. Comorbid chronic diseases and acute organ injuries are strongly correlated with disease severity and mortality among COVID-19 patients: a systemic review and meta-analysis // Research (Wash D C). 2020. Vol. 2020. Article ID 2402961.

8. Wu Z., McGoogan J.M. Characteristics of and important lessons from the Coronavirus Disease 2019 (COVID-19) outbreak in China: summary of a report of 72 314 cases from the Chinese Center for Disease Control and Prevention // JAMA. 2020. Vol. 323, N 13. P. 1239-1242. DOI: https://doi.org/10.1001/jama.2020.2648

9. Багненко С.Ф., Рассохин В.В., Беляков Н.А., Боева Е.В., Ястребова Е.Б. Коронавирусная инфекция COVID-19. Лечение и профилактика // ВИЧ-инфекция и иммуносупрессии. 2020. Т. 12, № 2. С. 31-56. DOI: https://doi.org/10.22328/2077-9828-2020-12-2-31-56

10. Ильченко Л.Ю., Никитин И.Г., Федоров И.Г. COVID-19 и поражение печени // Архивъ внутренней медицины. 2020. Т. 10, № 3. С. 5-8.

11. Рассохин В.В., Самарина А.В., Беляков Н.А., Трофимова Т.Н., Лукина О.В., Гаврилов П.В. и др. Эпидемиология, клиника, диагностика, оценка тяжести заболевания COVID-19 с учетом сопутствующей патологии // ВИЧ-инфекция и иммуносупрессии. 2020. Т. 12, № 2. С. 7-30. DOI: https://doi.org/10.22328/2077-9828-2020-12-2-7-30

12. Gold M.S., Sehayek D., Gabrielli S., Zhang X., McCusker C., BenShoshan M. COVID-19 and comorbidities: a systematic review and meta-analysis // Postgrad. Med. 2020. Vol. 132, N 8. P. 749-755. DOI: https://doi.org/10.1080/00325481.2020.1786964

13. Jain V., Yuan J.-M. Predictive symptoms and comorbidities for severe COVID-19 and intensive care unit admission: a systematic review and meta-analysis // Int. J. Public Health. 2020. Vol. 65. P. 533-546. DOI: https://doi.org/10.1007/s00038-020-01390-7

Материалы данного сайта распространяются на условиях лицензии Creative Commons Attribution 4.0 International License («Атрибуция - Всемирная»)