追踪 COVID-19 肺炎的预后因素 (NIKE_C19)

据报道，近一半因 Covid-19 肺炎住院的患者入院时年龄较大或有合并症。

特别是，30% 的患者存在高血压，19% 存在糖尿病，8% 存在冠心病，3% 存在慢性阻塞性肺病。

令人惊讶的是，在《柳叶刀》和《新英格兰医学杂志》上发表的两项主要研究中，受试者的体重及其体重指数 (BMI) 都被省略了。 然而，单独或与糖尿病相关的肥胖可能是感染 Covid-19 的主要易感因素。

肥胖与全身低度炎症状态相关，许多促炎细胞因子（如 IL-1β 和 IL-6）的循环水平升高。

自然杀伤 (NK) 细胞属于先天免疫系统，但与适应性免疫具有共同特征，在肥胖受试者的白色脂肪组织中被激活，在那里它们增殖并触发 M1 巨噬细胞积聚。

NK细胞是抵御病毒感染的第一道防线。 它们介导病毒感染细胞的细胞溶解或细胞凋亡。 此外，NK 细胞释放具有抗病毒活性的促炎细胞因子。

肥胖受试者不仅 NK 细胞频率降低，而且它们的细胞毒性能力也降低。

较低的 NK 细胞活性也存在于患有 2 型糖尿病的受试者中。因此，患有肥胖症和/或 2 型糖尿病的受试者应该对病毒感染具有增强的易感性。

已经表明，在 24-30% 的病例中，高血压与 Covid19 感染有关，而在 12% 到 22% 的患者中，糖尿病与糖尿病有关。

现在认识到脂质具有许多不可或缺的细胞功能，其中一些与免疫活性细胞的激活有关。 此外，脂质参与病毒复制周期的多个步骤，最近的一篇文章显示宿主脂质的代谢重塑如何与人类致病性冠状病毒的传播显着相关。

脂质显示出促炎和抗炎活性，并通过脂质反应性 T 细胞的激活与免疫反应相互作用。 神经酰胺 (Cer)、磷脂或鞘脂，还有氨基酸和游离脂肪酸 (FFA)，可激活促炎通路，从而激活 Toll 样受体 4 (TLR-4) 和溶血磷脂酰胆碱 (LPC)，发挥在细胞增殖和 T 细胞活化中的作用。

血小板激活因子（也称为 PAF、PAF-acether 或 AGEPC，即乙酰基-甘油基-醚-磷酸胆碱）也可能参与其中。 PAF 是一种有效的磷脂激活剂和许多白细胞功能、血小板聚集和脱颗粒、炎症和过敏反应的介质。 此外，它是支气管收缩的重要介质。

我们假设几种脂质可以作为对病毒产生更严重反应的患者的生物标志物。 血浆脂质组学概况的测量将有助于发现更易患严重肺部疾病的受试者，并有助于制定治疗策略。

我们的前瞻性观察性研究的主要终点是评估诊断为 Covid-19 肺炎的患者的康复率。 在其他次要终点中，我们打算找到受 Covid-19 肺炎影响的患者临床改善或出院时间的预测因子。

临床改善被定义为 Covid-19 肺炎严重程度的降低，表现为从较高严重程度向较不严重状况的转变。 可能的结果是 1。 死亡; 2.住院，需要体外膜肺氧合和/或有创机械通气； 3.住院，需要经鼻高流量氧疗和/或无创机械通气； 4.住院，需要补充氧气； 5.出院。

次要终点将包括肝、肾或多器官衰竭、心力衰竭、不同药物治疗对 Covid-19 的疗效以及 Covid-19 感染严重程度的预测因子和生物标志物的开发。

方法 在开始研究之前，方案将提交给意大利罗马天主教大学 Fondazione Policlinico Universitario A. Gemelli IRCCS 当地伦理委员会并获得其批准。 入组前每位受试者均签署知情同意书。

纳入标准：诊断为肺炎的 18 岁或 18 岁以上的住院受试者，经胸部影像学证实，环境空气中氧饱和度 (SaO2) ≤ 94%，Covid-19 检测呈阳性，并知情同意从患者那里收集数据或如果患者身体不适而无法提供同意，则可从患者的法定代表处获得。

排除标准：年龄小于18岁，怀孕或哺乳。 将采集鼻咽拭子样本进行实时定量聚合酶链反应，以诊断 Covid19（2 次重复测试）。

收集的数据包括出现症状的时间（咳嗽、发烧、呼吸困难、结膜炎、腹泻、乏力、关节痛）、年龄、性别、身高、体重、教育程度、饮酒和吸烟习惯、发病率、血糖、肌酐、转氨酶、γ-GT、总胆固醇、HDL-胆固醇、甘油三酯、全血细胞计数、D-二聚体、乳酸脱氢酶 (LDH)、高敏 C-反应蛋白 (hs-CRP)、肌酸激酶 (CK)、铁蛋白、白蛋白、HbA1c、胸部 X 光片、胸部 CT 扫描、肺炎治疗、其他治疗包括抗高血压和抗高血糖药物、体温、血压和氧气流速或其他类型的氧气治疗。

还将获得 5 毫升血浆，每份分成 1 毫升等份，并以匿名方式储存在 -80°C 以供将来分析，包括第三方分析。

主要终点 该研究的主要终点是比较诊断为 Covid-19 肺炎的患者的平均康复率，这些患者在入院时出现并发症（如糖尿病、肥胖、心血管疾病、高血压或呼吸衰竭），以及没有任何上述并发症的患者的平均康复率。

次要终点

该研究的次要终点是比较两组（有和没有并发症的患者）以及出现不同类型并发症的患者的生存曲线（改善时间）：

1. 高血压
2. 肥胖和/或 2 型糖尿病
3. 心血管疾病
4. 慢性阻塞性肺病
5. 以上都不是疾病 其他终点是肝、肾或多器官衰竭、心力衰竭、不同药物治疗对 Covid-19 的疗效以及 Covid-19 感染严重程度的预测因子和生物标志物的开发。

样本量 样本量计算 (20) 是在以下假设下进行的： 无并发症患者的康复率为 98%；患有以下并发症之一的患者的平均康复率：糖尿病、肥胖症、心血管疾病、高血压或慢性呼吸衰竭，预计为 88%。 此外，假设 50% 的 Covid-19 肺炎患者有上述并发症之一，则两组的大小之比为 k=Nc/Nwc = 1。 事实上，我们包括超重和肥胖。 要达到 0.80 的功效，比率 k 为 1，改善概率等于 pc = 0.88 和 pwc =0.98，预期差异率为 0.10，如果 α 等于 0.05，则所需样本量为 198 名患者。

统计恢复和患者组之间的关联将通过 Fisher 精确检验来检验。 Cox 比例风险回归将用于比较研究组之间的生存曲线（改善时间），方法是校正所给予的治疗和所有收集的定量变量。 入院时测量的定量变量将使用方差分析在各组之间进行比较。 在单变量分析中，将通过卡方检验分析性别、教育、饮酒和吸烟习惯等分类变量，以研究它们与恢复的关联，同时将使用逻辑回归模型来检验可能的定量预测因子恢复。 然后将使用具有逐步选择程序的多变量逻辑模型来测试在单变量分析中重要的所有变量。