Validierung prognostischer klinischer Risikowerte bei der Vorhersage des Ergebnisses für Patienten mit COVID-19 bei der ersten Triage

Hintergrund:

Seit Dezember 2019, als das schwere akute respiratorische Syndrom Coronavirus-2 (SARS-CoV-2), das die COVID-19-Krankheit verursacht, in der Stadt Wuhan auftauchte und sich am 11. März 2020 schnell als Pandemie auf den Rest der Welt ausbreitete, einschließlich der Vereinigten Arabischen Emirate. COVID-19 ist nach wie vor eine globale Gesundheitsbedrohung mit einer massiven Belastung der Gesundheitssysteme, die zu mehr als sechs Millionen Todesfällen in 188 Ländern führt (1).

Die COVID-19-Infektion ist durch ein breites klinisches Spektrum der Schwere der Erkrankung gekennzeichnet, das von einer asymptomatischen Erkrankung bis zu einer schweren Erkrankung reicht, die zu lebensbedrohlichen Komplikationen wie Schock und akutem Atemnotsyndrom führen kann (2). Daher ist es unerlässlich, über klinisch anwendbare Prognoseinstrumente zur Früherkennung von symptomatischen Patienten mit hohem Risiko einer Progression zu einer schweren / kritischen Erkrankung zu verfügen, um die Zuweisung begrenzter Gesundheitsressourcen zu steuern (3). Bisher haben sich klinische Prognoseinstrumente auf Wirtsfaktoren konzentriert, aber neuere Daten deuten auf einen signifikanten Zusammenhang zwischen SARS-CoV-2-Varianten und der Entwicklung von Komplikationen wie langer COVID hin (4).

Derzeit basiert die klinische Bewertung für Patienten mit einer COVID-19-Infektion auf dem Alter des Patienten, der Anzahl der Komorbiditäten, subjektiven Symptome und dem Ausmaß des Lungeninfiltrats bei der radiologischen Untersuchung, was eine frühzeitige Vorhersage einer schweren / kritischen Erkrankung ziemlich schwierig macht (5-7). Kürzlich veröffentlichte prognostische Vorhersagewerkzeuge (ALA & ALKA) wurden vorgeschlagen, um die Triage von Patienten mit einer COVID-19-Infektion bei der Erstdiagnose zu unterstützen (8). Diese Vorhersagewerkzeuge basieren auf einfachen, leicht verfügbaren Labortests und können daher einen klaren Vorteil gegenüber anderen Werkzeugen bieten, um Entlassungs- und Aufnahmeentscheidungen in Triage-Assessment-Centern zu lenken. Dennoch würde eine externe Validierung dieser einfachen Werkzeuge unter Verwendung einer anderen Kohorte von Patienten einen stärkeren Beweis dafür liefern unterstützen ihren Nutzen bei der Triage von Patienten bei der Erstdiagnose. Darüber hinaus wird es auch eine weitere Optimierung dieser Tools ermöglichen, um ihre Nützlichkeit als klinische Entscheidungsunterstützungstools zur Triage von Patienten bei der Erstdiagnose zu verbessern. Patienten, die auf der Grundlage dieser Vorhersageinstrumente als Hochrisikopatienten eingestuft werden, könnten in Erwartung eines schlechteren Ergebnisses für eine Krankenhauseinweisung triagiert werden, wo eine Intensivstation (ICU) verfügbar ist. Daher können diese Patienten von einem früheren Beginn der erforderlichen Pflege und Unterstützung, einschließlich einer spezifischen Therapie, profitieren.

Ziel dieser Studie ist es, die ALA- und ALKA-Vorhersageinstrumente zu validieren und mit dem derzeit für die Erstbewertung von Patienten mit COVID-19-Infektion vorgeschlagenen Bewertungssystem für die klinische Risikobewertung zu vergleichen.

Methodik:

Eine Beobachtungs-Längsschnitt-Follow-up aller konsekutiven Patienten mit positiven SARS-CoV-2-Tests auf Nasen-Rachen-Abstrichen gemäß WHO-Definitionen, die der Notaufnahme vorgelegt werden. Darüber hinaus werden auch SARS-CoV-2-RNA-Sequenzdaten auf Populationsebene untersucht und mit dem Schweregrad von COVID-19 und der Leistung von Vorhersagewerkzeugen korreliert.

Daten werden mithilfe eines Datenerfassungstools aus elektronischen Patientenakten extrahiert. Dazu gehören Demografie, klinische Manifestation, Anzahl der Komorbiditäten, anfängliche Labor- und radiologische Untersuchungsergebnisse und deren endgültige Ergebnisse, wie unten beschrieben.

Die Bewertung der Risikobewertung bei der Erstvorstellung wird für jeden Patienten anhand der Bewertung der klinischen Bewertung von ALA und ALKA berechnet und mit dem derzeit vorgeschlagenen Bewertungssystem der klinischen Risikobewertung verglichen

Die Nützlichkeit des Risiko-Scores bei der Triage von Patienten bei ihren ersten Besuchen in der Notaufnahme (ED) wird anhand der folgenden gemessenen Ergebnisse validiert:

1. Krankenhauseinweisung bei der ersten Begegnung mit ED
2. Aufnahme auf der Intensivstation für die Dauer des COVID-19-Krankenhausaufenthalts
3. Sterblichkeit im Krankenhaus und außerhalb des Krankenhauses
4. Rückkehr in die Notaufnahme nach der Erstentlassung (innerhalb des aktuellen Covid-Krankheitszeitraums, maximal 30 Tage nach der Erstdiagnose)

Probenentnahmeprozess:

Daten werden mithilfe eines Datenerfassungstools aus elektronischen Patientenakten extrahiert. Die Daten würden Demographie, klinische Manifestation, Komorbiditäten, Labor- und radiologische Ergebnisse und endgültige Ergebnisse umfassen.

Die Bewertungsrisikobewertung bei der Erstpräsentation wird mit einem kostenlosen webbasierten Online-Rechner berechnet.

Datenverarbeitung und -analyse:

Für alle Variablen werden deskriptive Statistiken erstellt. Multivariate logistische Regressionsmodelle zur Anpassung an Ergebnisse. Variablen, die in das COVID-19-Risiko der Punktzahl einbezogen werden, werden in die Regressionsanalyse aufgenommen, um die Ergebnisse vorherzusagen. Die Ergebnisse der multivariaten logistischen Regression werden als angepasste Odds Ratios mit entsprechenden 95 %-Konfidenzintervallen und p-Werten dargestellt.

Die Diskrimination wird mithilfe der C-Statistik zusammen mit den entsprechenden 95-%-Konfidenzintervallen und der ROC-Kurve (Receiver Operating Characteristic) bewertet. C-Statistiken ≥ 0,7 gelten als gut und ≥ 0,8 als ausgezeichnet (9). Die Kalibrierung wird basierend auf der prognostizierten Wahrscheinlichkeit für das Ergebnis bewertet, wie es aus den Regressionen vorhergesagt wird. Kalibrierkurven werden erstellt. P-Werte < 0,05 gelten als statistisch signifikant. Alle Analysen werden unter Verwendung der SPSS-Software (Version 28, IBM Corp, NY, USA) durchgeführt.