Validering af prognostiske kliniske risikoscore til forudsigelse af udfald for patienter med COVID-19 ved indledende triage

Baggrund:

Siden december 2019, hvor alvorligt akut respiratorisk syndrom coronavirus-2 (SARS-CoV-2), der forårsagede COVID-19-sygdom, dukkede op i byen Wuhan og spredte sig den 11. marts 2020 hurtigt til resten af ​​verden, inklusive UAE som en pandemi. COVID-19 er fortsat en global sundhedstrussel med en massiv byrde på sundhedssystemerne, hvilket resulterer i mere end seks millioner dødsfald i 188 lande (1).

COVID-19-infektion er karakteriseret ved et bredt klinisk spektrum af sygdommens sværhedsgrad, lige fra asymptomatisk sygdom til alvorlig sygdom, der kan udvikle sig til livstruende komplikationer såsom shock og akut respiratorisk distress-syndrom (2). At have klinisk anvendelige prognostiske værktøjer til tidlig identifikation af symptomatiske patienter med høj risiko for progression til alvorlig/kritisk sygdom er således afgørende for at vejlede om allokering af begrænsede sundhedsressourcer (3). Hidtil har kliniske prognostiske værktøjer fokuseret på værtsfaktorer, men nyere data indikerede en signifikant sammenhæng mellem SARS-CoV-2-varianter og udviklingen af ​​komplikationer såsom langvarig COVID (4).

I øjeblikket er den kliniske vurdering for patienter med COVID-19-infektion baseret på patientens alder, antal komorbiditeter, subjektive symptomer og omfanget af lungeinfiltrat ved radiologisk undersøgelse, hvilket gør tidlig forudsigelse af alvorlig/kritisk sygdom ret vanskelig (5-7). Et nyligt offentliggjort prognostisk forudsigelsesværktøj (ALA & ALKA) blev foreslået for at hjælpe triaging patienter med COVID-19-infektion ved indledende diagnose (8). Disse forudsigelsesværktøjer er baseret på simple let tilgængelige laboratorietests og kan derfor give en klar fordel i forhold til andre værktøjer til at vejlede beslutninger om udskrivning og indlæggelse i triagevurderingscentre. Ikke desto mindre ville ekstern validering af disse simple værktøjer ved hjælp af en anden kohorte af patienter give en stærkere evidens for understøtte deres nytte til at triagere patienter ved indledende diagnose. Derudover vil det også muliggøre yderligere optimering af disse værktøjer for at forbedre deres anvendelighed som kliniske beslutningsstøtteværktøjer til at triage patienter ved indledende diagnose. Patienter, der anses for at være højrisiko baseret på disse prædiktive værktøjer, kan triageres til hospitalsindlæggelse, hvor intensiv afdeling (ICU) er tilgængelig i forventning om et dårligere resultat. Derfor kan disse patienter drage fordel af tidligere påbegyndelse af det nødvendige niveau af pleje og støtte, herunder specifik terapi.

Formålet med denne undersøgelse er at validere og sammenligne ALA & ALKA-forudsigelsesværktøjerne med det nuværende kliniske risikovurderingsscoringsystem, der er foreslået til indledende evaluering af patienter med COVID-19-infektion.

Metode:

En observationel longitudinel opfølgning af alle på hinanden følgende patienter med positiv SARS-CoV-2-test på nasopharyngeale podninger i henhold til WHO-definitioner, der præsenteres for skadestuen. Desuden vil populationsniveau SARS-CoV-2 RNA-sekvensdata også blive undersøgt og korreleret med COVID-19-sværhedsgraden og ydeevnen af ​​forudsigelsesværktøjer.

Data vil blive abstraheret fra elektroniske lægejournaler ved hjælp af et dataindsamlingsværktøj. Dette omfatter demografi, kliniske manifestationer, antal komorbiditeter, indledende laboratorie- og radiologiske undersøgelsesresultater og deres endelige resultater som beskrevet nedenfor.

Risikovurderingsscoren ved indledende præsentation vil blive beregnet for hver patient ved hjælp af klinisk vurderingsscoring af ALA & ALKA og sammenlignet med det aktuelt foreslåede scoresystem for klinisk risikovurdering

Nytten af ​​risikoscoren i triaging af patienter ved deres første besøg på akutafdelingen (ED) vil blive valideret mod følgende målte resultater:

1. Hospitalsindlæggelse ved første møde med ED
2. Indlæggelse på intensivafdeling under COVID-19-indlæggelsen
3. Dødelighed på hospitalet og uden for hospitalet
4. Vende tilbage til ED efter første udskrivelse (inden for den nuværende covid-sygdomsperiode, maksimalt 30 dage fra den første diagnose)

Prøveindsamlingsproces:

Data vil blive abstraheret fra elektroniske lægejournaler ved hjælp af et dataindsamlingsværktøj. Dataene vil omfatte demografi, kliniske manifestationer, komorbiditeter, laboratorie- og radiologiske resultater og endelige resultater.

Vurderingsrisikoscore ved indledende præsentation vil blive beregnet ved hjælp af en gratis webbaseret online lommeregner.

Datahåndtering og analyse:

Der vil blive genereret beskrivende statistik for alle variabler. Multivariate logistiske regressionsmodeller for at passe til resultater. Variabler, der er inkorporeret i COVID-19 risikoen for score, vil blive inkluderet i regressionsanalysen for at forudsige resultaterne. Multivariate logistiske regressionsresultater vil blive præsenteret i form af justerede oddsratioer med tilsvarende 95 % konfidensintervaller og p-værdier.

Diskrimination vil blive evalueret ved hjælp af C-Statistic, sammen med dens tilsvarende 95 % konfidensintervaller og Receiver Operating Characteristic (ROC) kurve. C-Statistik ≥ 0,7 vil blive betragtet som god og ≥ 0,8 vil blive betragtet som fremragende (9). Kalibrering vil blive vurderet ud fra den forudsagte sandsynlighed for resultatet som forudsagt ud fra regressionerne. Kalibreringskurver vil blive genereret. P-værdier <0,05 anses for statistisk signifikante. Al analyse vil blive udført ved hjælp af SPSS-software (version 28, IBM Corp, NY, USA).