Validatie van prognostische klinische risicoscores bij het voorspellen van de uitkomst voor patiënten met COVID-19 bij de eerste triage

Achtergrond:

Sinds december 2019, toen het ernstige acute respiratoire syndroom coronavirus-2 (SARS-CoV-2), dat de ziekte COVID-19 veroorzaakte, opdook in de stad Wuhan en zich op 11 maart 2020 snel verspreidde naar de rest van de wereld, inclusief de VAE, als een pandemie. COVID-19 blijft een wereldwijde bedreiging voor de gezondheid met een enorme belasting voor de gezondheidszorgstelsels, wat resulteert in meer dan zes miljoen doden in 188 landen (1).

COVID-19-infectie wordt gekenmerkt door een breed klinisch spectrum van ziekte-ernst, variërend van asymptomatische ziekte tot ernstige ziekte die zich kan ontwikkelen tot levensbedreigende complicaties zoals shock en acute respiratory distress syndrome (2). Het hebben van klinisch toepasbare prognostische hulpmiddelen voor vroege identificatie van symptomatische patiënten met een hoog risico op progressie naar ernstige/kritieke ziekte is dus essentieel als leidraad voor de toewijzing van beperkte middelen voor gezondheidszorg (3). Tot nu toe hebben klinische prognostische hulpmiddelen zich gericht op gastheerfactoren, maar recentere gegevens wezen op een significant verband tussen SARS-CoV-2-varianten en de ontwikkeling van complicaties zoals langdurige COVID (4).

Momenteel is de klinische beoordeling voor patiënten met een COVID-19-infectie gebaseerd op de leeftijd van de patiënt, het aantal comorbiditeiten, subjectieve symptomen en de mate van longinfiltraat bij radiologisch onderzoek, wat een vroege voorspelling van ernstige/kritieke ziekte nogal moeilijk maakt (5-7). Er werden onlangs gepubliceerde prognostische voorspellingstools (ALA & ALKA) voorgesteld om triage van patiënten met COVID-19-infectie bij de eerste diagnose te helpen (8). Deze voorspellingstools zijn gebaseerd op eenvoudige, gemakkelijk verkrijgbare laboratoriumtests en kunnen daarom een ​​duidelijk voordeel bieden ten opzichte van andere tools om ontslag- en opnamebeslissingen in triagebeoordelingscentra te begeleiden. Niettemin zou externe validatie van deze eenvoudige tools met behulp van een ander cohort patiënten een sterker bewijs leveren om ondersteunen hun nut bij het triage van patiënten bij de eerste diagnose. Bovendien zal het ook verdere optimalisatie van deze tools mogelijk maken om hun bruikbaarheid als klinische beslissingsondersteunende tools voor triage van patiënten bij de eerste diagnose te verbeteren. Patiënten die op basis van deze voorspellende hulpmiddelen als een hoog risico worden beschouwd, kunnen worden getrieerd tot ziekenhuisopname waar de intensive care-afdeling (ICU) beschikbaar is in afwachting van een slechter resultaat. Daarom kunnen deze patiënten baat hebben bij een eerdere start van het vereiste niveau van zorg en ondersteuning, inclusief specifieke therapie.

Het doel van deze studie is om de ALA & ALKA-voorspellingstools te valideren en te vergelijken met het huidige scoresysteem voor klinische risicobeoordeling dat wordt voorgesteld voor de eerste evaluatie van patiënten met een COVID-19-infectie.

Methodologie:

Een observationele longitudinale follow-up van alle opeenvolgende patiënten met positieve SARS-CoV-2-testen op nasofaryngeale uitstrijkjes volgens de WHO-definities die zich presenteren aan de afdeling spoedeisende hulp. Bovendien zullen ook SARS-CoV-2 RNA-sequentiegegevens op populatieniveau worden onderzocht en gecorreleerd met de ernst van COVID-19 en de prestaties van voorspellingstools.

Gegevens zullen worden geabstraheerd uit elektronische medische dossiers met behulp van een tool voor gegevensverzameling. Dit omvat demografische gegevens, klinische manifestatie, aantal comorbiditeiten, initiële laboratorium- en radiologische onderzoeksresultaten en hun uiteindelijke resultaten zoals hieronder beschreven.

De risicobeoordelingsscore bij de eerste presentatie wordt voor elke patiënt berekend met behulp van de klinische beoordelingsscore van ALA & ALKA en vergeleken met het momenteel voorgestelde klinische risicobeoordelingsscoresysteem

Het nut van de risicoscore bij triage van patiënten tijdens hun eerste bezoeken aan de afdeling spoedeisende hulp (SEH) zal worden gevalideerd aan de hand van de volgende gemeten resultaten:

1. Ziekenhuisopname bij de eerste ontmoeting met ED
2. Opname op de IC voor de duur van de COVID-19 ziekenhuisopname
3. Sterfte in het ziekenhuis en buiten het ziekenhuis
4. Keer terug naar de SEH na eerste ontslag (binnen de huidige covid-ziekteperiode, maximaal 30 dagen na de eerste diagnose)

Monsterverzamelingsproces:

Gegevens zullen worden geabstraheerd uit elektronische medische dossiers met behulp van een tool voor gegevensverzameling. De gegevens omvatten demografische gegevens, klinische manifestatie, comorbiditeit, laboratorium- en radiologische resultaten en uiteindelijke resultaten.

De beoordelingsrisicoscore bij de eerste presentatie wordt berekend met behulp van een gratis webgebaseerde onlinecalculator.

Gegevensverwerking en -analyse:

Voor alle variabelen worden beschrijvende statistieken gegenereerd. Multivariate logistische regressiemodellen om te passen voor uitkomsten. Variabelen die zijn opgenomen in het COVID-19-scorerisico worden opgenomen in de regressieanalyse om de uitkomsten te voorspellen. Multivariate logistische regressieresultaten zullen worden gepresenteerd in termen van aangepaste Odds Ratio's met overeenkomstige 95% betrouwbaarheidsintervallen en p-waarden.

Discriminatie zal worden geëvalueerd met behulp van C-Statistic, samen met de bijbehorende 95% betrouwbaarheidsintervallen en Receiver Operating Characteristic (ROC)-curve. C-statistieken ≥ 0,7 wordt als goed beschouwd en ≥ 0,8 wordt als uitstekend beschouwd (9). Kalibratie zal worden beoordeeld op basis van de voorspelde waarschijnlijkheid voor de uitkomst zoals voorspeld op basis van de regressies. Er worden kalibratiecurven gegenereerd. P-waarden <0,05 worden als statistisch significant beschouwd. Alle analyses worden uitgevoerd met behulp van SPSS-software (versie 28, IBM Corp, NY, VS).