Prognostisten kliinisten riskipisteiden validointi COVID-19-potilaiden tulosten ennustamisessa ensimmäisessä triagessa

Tausta:

Joulukuusta 2019 lähtien, kun vakava akuutti hengitystieoireyhtymä koronavirus-2 (SARS-CoV-2), joka aiheuttaa COVID-19 -taudin, ilmaantui Wuhanin kaupungissa ja levisi 11. maaliskuuta 2020 nopeasti muualle maailmaan, mukaan lukien Arabiemiirikunnat pandemiana. COVID-19 on edelleen maailmanlaajuinen terveysuhka, joka rasittaa valtavasti terveydenhuoltojärjestelmiä ja johtaa yli kuusi miljoonaan kuolemaan 188 maassa (1).

COVID-19-infektiolle on tunnusomaista laaja kliininen sairauden vaikeusaste, joka vaihtelee oireettomasta sairaudesta vakavaan sairauteen, joka voi edetä hengenvaarallisiin komplikaatioihin, kuten sokkiin ja akuuttiin hengitysvaikeusoireyhtymään (2). Näin ollen kliinisesti sovellettavien ennustetyökalujen olemassaolo sellaisten oireellisten potilaiden varhaiseen tunnistamiseen, joilla on suuri riski etenemisestä vakavaksi/kriittiseksi sairaudeksi, on olennaista ohjattaessa rajallisten terveydenhuoltoresurssien kohdentamista (3). Toistaiseksi kliiniset ennustetyökalut ovat keskittyneet isäntätekijöihin, mutta uudemmat tiedot osoittavat merkittävän yhteyden SARS-CoV-2-varianttien ja komplikaatioiden, kuten pitkän COVID-viruksen, kehittymisen välillä (4).

Tällä hetkellä COVID-19-tartunnan saaneiden potilaiden kliininen arviointi perustuu potilaan ikään, liitännäissairauksien määrään, subjektiivisiin oireisiin ja keuhkoinfiltraation laajuuteen radiologisessa tutkimuksessa, mikä tekee vaikean/kriittisen sairauden varhaisen ennustamisen melko vaikeaksi (5-7). Äskettäin julkaistuja ennustetyökaluja (ALA & ALKA) ehdotettiin auttamaan COVID-19-infektion sairastavien potilaiden testaamista alkuperäisen diagnoosin yhteydessä (8). Nämä ennustetyökalut perustuvat yksinkertaisiin, helposti saatavilla oleviin laboratoriotesteihin, ja ne voivat siksi tarjota selkeän edun muihin työkaluihin nähden, joilla ohjataan kotiutus- ja maahanpääsypäätöksiä triage-arviointikeskuksissa. Kuitenkin näiden yksinkertaisten työkalujen ulkoinen validointi käyttämällä toista potilasryhmää antaisi vahvemman todisteen tukevat niiden käyttökelpoisuutta potilaiden tutkimisessa alustavan diagnoosin yhteydessä. Lisäksi se mahdollistaa näiden työkalujen optimoinnin edelleen niiden käyttökelpoisuuden parantamiseksi kliinisiä päätöksiä tukevina työkaluina potilaiden tutkimiseen alkuperäisen diagnoosin yhteydessä. Näiden ennustamistyökalujen perusteella riskialttiiksi katsotut potilaat voidaan ohjata sairaalahoitoon, jossa tehohoitoyksikkö (ICU) on saatavilla huonomman lopputuloksen ennakoimiseksi. Siksi nämä potilaat voivat hyötyä vaaditun tason hoidon ja tuen aikaisemmasta aloittamisesta, mukaan lukien spesifinen hoito.

Tämän tutkimuksen tavoitteena on validoida ja verrata ALA- ja ALKA-ennustustyökaluja nykyiseen kliinisen riskinarvioinnin pisteytysjärjestelmään, jota ehdotetaan COVID-19-infektion potilaiden alustavaan arviointiin.

Metodologia:

Havainnollinen pitkittäinen seuranta kaikista peräkkäisistä potilaista, joilla on positiivinen SARS-CoV-2-testi nenänielun vanupuikolla WHO:n määritelmien mukaisesti ja esitettävä ensiapuosastolle. Lisäksi populaatiotason SARS-CoV-2 RNA-sekvenssitietoja tutkitaan ja korreloidaan COVID-19:n vakavuuden ja ennustetyökalujen suorituskyvyn kanssa.

Tiedot kerätään sähköisistä potilaskertomuksista tiedonkeruutyökalun avulla. Tämä sisältää demografiset tiedot, kliiniset ilmenemismuodot, liitännäissairauksien lukumäärän, alustavien laboratorio- ja radiologisten tutkimusten tulokset ja niiden lopulliset tulokset alla kuvatulla tavalla.

Riskinarvioinnin pisteytys ensimmäisessä esittelyssä lasketaan kullekin potilaalle käyttämällä ALA:n ja ALKAn kliinisen arvioinnin pisteytystä ja sitä verrataan tällä hetkellä ehdotettuun kliinisen riskinarvioinnin pisteytysjärjestelmään.

Riskipistemäärän hyödyllisyys potilaiden arvioinnissa ensiapupoliklinikalla (ED) on validoitu seuraaviin mitattuihin tuloksiin:

1. Sairaalahoito ensimmäisellä tapaamisella ED:lle
2. Pääsy teho-osastolle COVID-19-sairaalahoidon ajaksi
3. Sairaalassa ja sairaalan ulkopuolella kuolleisuus
4. Paluu ED:lle ensimmäisen kotiutuksen jälkeen (nykyisen covid-tautijakson sisällä, enintään 30 päivää alkuperäisestä diagnoosista)

Näytteenottoprosessi:

Tiedot kerätään sähköisistä potilaskertomuksista tiedonkeruutyökalun avulla. Tietoihin kuuluisivat demografiset tiedot, kliiniset ilmenemismuodot, liitännäissairaudet, laboratorio- ja radiologiset tulokset sekä lopputulokset.

Arvioinnin riskipisteet ensimmäisessä esittelyssä lasketaan ilmaisella verkkopohjaisella verkkolaskimella.

Tietojen käsittely ja analysointi:

Kaikille muuttujille luodaan kuvaavat tilastot. Monimuuttujalogistiset regressiomallit, jotka sopivat tuloksiin. COVID-19-pisteiden riskiin sisällytetyt muuttujat sisällytetään regressioanalyysiin tulosten ennustamiseksi. Monimuuttujalogistisen regression tulokset esitetään oikaistuina kerroinsuhteina vastaavilla 95 %:n luottamusvälillä ja p-arvoilla.

Syrjintä arvioidaan käyttämällä C-Statistia sekä sitä vastaavaa 95 %:n luottamusväliä ja vastaanottimen toimintaominaisuuskäyrää (ROC). C-tilastot ≥ 0,7 katsotaan hyväksi ja ≥ 0,8 erinomaiseksi (9). Kalibrointi arvioidaan regressioiden perusteella ennustetun tuloksen todennäköisyyden perusteella. Kalibrointikäyrät luodaan. P-arvoja <0,05 pidetään tilastollisesti merkitsevänä. Kaikki analyysit suoritetaan käyttämällä SPSS-ohjelmistoa (versio 28, IBM Corp, NY, USA).