초기 분류에서 COVID-19 환자의 결과 예측에서 예후 임상 위험 점수 검증

배경:

2019년 12월부터 COVID-19 질병을 유발하는 중증급성호흡기증후군 코로나바이러스-2(SARS-CoV-2)가 우한시에서 출현하여 2020년 3월 11일 대유행으로 UAE를 포함한 나머지 세계로 빠르게 퍼졌습니다. COVID-19는 188개국에서 600만 명 이상의 사망자를 초래하는 의료 시스템에 막대한 부담을 주는 전 세계적인 건강 위협이 되고 있습니다(1).

COVID-19 감염은 무증상 질환에서 쇼크 및 급성 호흡곤란 증후군과 같은 생명을 위협하는 합병증으로 진행될 수 있는 중증 질환에 이르는 광범위한 질병 중증도의 임상 스펙트럼을 특징으로 합니다(2). 따라서 중증/중증 질환으로 진행될 위험이 높은 증상이 있는 환자를 조기에 식별하기 위해 임상적으로 적용 가능한 예후 도구를 갖는 것은 제한된 의료 자원을 할당하는 데 필수적입니다(3). 지금까지 임상 예후 도구는 숙주 요인에 초점을 맞추었지만 더 최근의 데이터는 SARS-CoV-2 변종과 긴 COVID(4)와 같은 합병증의 발달 사이에 중요한 연관성을 나타냈습니다.

현재 COVID-19 감염 환자에 대한 임상 평가는 환자의 연령, 동반 질환 수, 주관적 증상 및 방사선 검사에서 폐 침윤 정도를 기반으로 하므로 중증/중증 질환의 조기 예측이 다소 어렵습니다(5-7). 최근 발표된 예후 예측 도구(ALA & ALKA)는 초기 진단 시 COVID-19 감염 환자를 분류하는 데 도움이 되도록 제안되었습니다(8). 이러한 예측 도구는 쉽게 사용할 수 있는 간단한 실험실 테스트를 기반으로 하므로 중증도 평가 센터에서 퇴원 및 입원 결정을 안내하는 다른 도구에 비해 분명한 이점을 제공할 수 있습니다. 그럼에도 불구하고 다른 환자 코호트를 사용하는 이러한 간단한 도구의 외부 검증은 초기 진단 시 환자 분류에 유용성을 지원합니다. 또한 초기 진단 시 환자를 분류하기 위한 임상 의사 결정 지원 도구로서의 유용성을 개선하기 위해 이러한 도구를 더욱 최적화할 수 있습니다. 이러한 예측 도구를 기반으로 위험이 높은 것으로 간주되는 환자는 더 나쁜 결과를 예상하여 집중 치료실(ICU)이 있는 병원 입원으로 분류될 수 있습니다. 따라서 이러한 환자는 특정 치료를 포함하여 필요한 수준의 치료 및 지원을 조기에 시작함으로써 혜택을 볼 수 있습니다.

이 연구의 목적은 ALA 및 ALKA 예측 도구를 COVID-19 감염 환자의 초기 평가를 위해 제안된 현재 임상 위험 평가 점수 시스템과 검증하고 비교하는 것입니다.

방법론:

응급실에 제시된 WHO 정의에 따라 비인두 면봉에서 양성 SARS-CoV-2 검사를 받은 모든 연속 환자에 대한 관찰 종단 추적. 또한 인구 수준의 SARS-CoV-2 RNA 염기서열 데이터도 검사하고 COVID-19 심각도 및 예측 도구의 성능과 상관 관계를 맺을 것입니다.

데이터는 데이터 수집 도구를 사용하여 전자 의료 기록에서 추출됩니다. 여기에는 아래에 설명된 인구 통계, 임상 증상, 동반 질환 수, 초기 실험실 및 방사선 검사 결과 및 최종 결과가 포함됩니다.

초기 제시 시 위험 평가 점수는 ALA & ALKA의 임상 평가 점수를 사용하여 각 환자에 대해 계산되고 현재 제안된 임상 위험 평가 점수 시스템과 비교됩니다.

응급실(ED)에 처음 방문하는 환자를 분류할 때 위험 점수의 유용성은 다음과 같은 측정된 결과에 대해 검증됩니다.

1. ED를 처음 만났을 때 병원 입원
2. COVID-19 입원 기간 동안 ICU에 입원
3. 병원 내 및 병원 외 사망률
4. 최초 퇴원 후 응급실로 복귀(현재 코로나19 질병 기간 내, 최초 진단일로부터 최대 30일)

샘플 수집 프로세스:

데이터는 데이터 수집 도구를 사용하여 전자 의료 기록에서 추출됩니다. 데이터에는 인구 통계, 임상 증상, 동반 질환, 실험실 및 방사선 결과, 최종 결과가 포함됩니다.

초기 프레젠테이션의 평가 위험 점수는 무료 웹 기반 온라인 계산기를 사용하여 계산됩니다.

데이터 처리 및 분석:

모든 변수에 대해 기술 통계가 생성됩니다. 결과에 맞는 다변량 로지스틱 회귀 모델. 점수의 COVID-19 위험에 통합된 변수는 결과를 예측하기 위해 회귀 분석에 포함됩니다. 다변량 로지스틱 회귀 결과는 해당 95% 신뢰 구간 및 p-값과 함께 조정된 승산비로 표시됩니다.

식별은 해당 95% 신뢰 구간 및 수신자 작동 특성(ROC) 곡선과 함께 C-Statistic을 사용하여 평가됩니다. C-Statistics ≥ 0.7은 양호한 것으로 간주되고 ≥ 0.8은 우수한 것으로 간주됩니다(9). 보정은 회귀에서 예측된 결과에 대한 예측 확률을 기반으로 평가됩니다. 교정 곡선이 생성됩니다. P-값 <0.05는 통계적으로 유의한 것으로 간주됩니다. 모든 분석은 SPSS 소프트웨어(버전 28, IBM Corp, NY, USA)를 사용하여 수행됩니다.