COVID-19 患者心肌损伤的特征和预后作用。 CardioCOVID Gemelli 研究。 (CardioCOVID)

背景：

2019 年冠状病毒病 (COVID-19) 是由新型严重急性呼吸系统综合症冠状病毒 2 (SARS-CoV-2) 引起的全球大流行病，导致大量发病率和死亡率 (1)。 有趣的是，很大一部分感染 COVID-19 并需要住院治疗的患者表现出心肌损伤的生物标志物证据（定义为循环心肌肌钙蛋白水平升高），这已被证明与院内发病风险增加有关（即：无创和有创通气率、进入重症监护室、住院时间、糖皮质激素或抗生素的使用）和死亡率 (2-6)。 COVID-19 心肌损伤的发病机制尚不清楚，提出的机制包括细胞因子介导的损伤、氧供需失衡、微血管血栓形成引起的缺血性损伤和心肌的直接病毒侵袭 (7-9)。 值得注意的是，COVID-19 感染心肌损伤的临床预测因子仍然未知，因此，缺乏预防或减少心肌损伤和相关不良结果的治疗机会。

此外，COVID-19 的急性后遗症可能会涉及肺部和多个肺外器官，包括心血管系统 (10)。 <<迄今为止，一些研究调查了 COVID-19 急性期后的心血管结局，并且大多数研究的随访时间较短且心血管结局的选择范围较窄 (11-13)。 因此，仍然缺乏对心血管系统急性 COVID-19 后遗症的全面评估，有趣的是，缺乏针对在 COVID-19 感染期间发生心肌损伤的患者的急性 COVID-19 后遗症的研究（14 ).

鉴于这一不断发展的临床研究领域存在这些不足，对 COVID-19 感染患者的心肌损伤进行全面表征并确定其发生的临床预测因子可以开发预测模型，从而帮助临床医生进行疾病表型分析和早期评估不利结果的风险并改进最合适的治疗和临床路径的快速确定，根据治疗类型和单位（例如重症监护或冠状动脉重症监护）有效地规划和使用临床资源。 此外，确定 COVID-19 感染心肌损伤的临床预测因素和/或保护因素可能为制定旨在减少心肌损伤对 COVID-19 相关发病率和死亡率影响的特定治疗策略铺平道路。 最后，评估 COVID-19 感染后心肌损伤对心血管的长期影响可以帮助临床医生在 COVID-19 急性后期阶段进行预后分层和治疗策略的选择，可能确定那些可能需要更积极治疗的患者治疗和更密切的随访。

目标

主要目标 确定自引入疫苗以来（即 2021 年 3 月 1 日）因 COVID-19 感染住院的患者心肌损伤的临床预测因子。

次要目标

1. 评估 COVID-19 住院期间心肌损伤的存在是否与院内并发症和积极治疗需求方面的住院临床病程较差有关。
2. 评估在 COVID-19 住院期间心肌损伤的存在是否预示着主要不良心血管事件 (MACE)（定义为心血管死亡、缺血性心脏病 [急性或慢性冠状动脉综合征] 的复合）方面的临床结果更差、中风/短暂性脑缺血发作 [TIA] 和因心力衰竭住院）、心律失常（定义为新发房颤和/或室性心律失常的综合症）、炎症性心脏病（心包炎和/或心肌炎）或血栓性疾病（肺动脉高压）栓塞、深静脉或浅静脉血栓形成）在 12 个月的随访中。

方法：

研究设计 回顾性和前瞻性观察研究。

自 2021 年 3 月 1 日以来在 Policlinico Universitario A. Gemelli IRCSS 住院的所有连续患者，诊断为 SARS-CoV-2 感染（≥1 个阳性鼻咽拭子）和至少一个高敏心肌肌钙蛋白 I (hs-cTnI) 值) 在指数住院期间测量将被登记。 鉴于患者因流行病学原因（SARS-CoV-2污染纸张）无法亲自签署知情同意书，每位患者将口头声明同意“Consenso al trattamento dei dati personal e dei campioni biologici a scopo” di ricerca - no profit”、“modulo di dichiarazione della volontà espresso ai fini del consenso information generamato alle cure”和“modulo dossier sanitario - richiesta di oscuramento/deoscuramento di eventi/episodi”，至少有两名证人在场。

纳入标准将包括：

• 年龄≥18岁；
• 明显的 COVID-19 感染（SARS-CoV-2 ≥1 的分子鼻咽拭子阳性）；
• 患者在住院期间至少测得高灵敏度肌钙蛋白 I。
• 有关疫苗接种的可用数据。
• 口头知情同意

排除标准将包括：

• 年龄<18岁；
• 无法获得在住院期间测量的至少一项高灵敏度肌钙蛋白 I 值的患者。
• 没有关于疫苗接种状况的数据。

本研究将利用在 Generator Real World Data Unit 中开发的数据集市 COVID-19。 Data Mart COVID-19 属于在 Generator Real World Data Unit 项目中开发的诊断和预后微型机器人系列，其中采用人工智能解决方案（例如文本挖掘）自动从医院提取结构化和非结构化数据SARS-CoV-2 感染患者的数据库。 特征选择和机器学习算法可用于为临床医生开发诊断和预后支持系统。

将被利用的具体数据是：

• 人口统计数据；
• 患者入院时的合并症、生命体征和症状；
• 实验室分析；
• 院内并发症（例如：需要无创或有创通气、进入重症监护病房、住院时间长短、使用糖皮质激素或抗生素、死亡）；• 血气交换信息；
• 放射报告；
• 入院时、住院期间和出院时的药物；
• 疫苗接种情况。

跟进：

所有患者将在出院后 12 个月通过电话访谈和/或临床访视进行临床随访，在此期间 MACE、心律失常、炎症性心脏病和/或血栓性疾病的发生率（均作为复合发生率和作为将调查过去几个月中每个单独组件的发生率）。

主要终点：

评估在因 COVID-19 感染住院的患者中是否存在心肌损伤的临床预测因子，定义为 hs-cTnI 的至少一个值 > 第 99 个百分位参考上限 (16)。

次要终点：

1. 因 COVID-19 感染住院期间心肌损伤的发生将与院内并发症（定义为需要无创或有创通气、进入重症监护病房、住院时间长短、使用糖皮质激素或抗生素，以及死亡）。
2. 患者在 COVID-19 感染指数住院期间发生的心肌损伤将被纳入预测模型，并与 12 个月随访时的未来心血管事件 (MACE)、心律失常、炎症性心脏病和/或血栓性疾病相关联.

样本量计算：

仍缺乏 COVID-19 感染中心肌损伤的综合特征，并且尚未确定心肌损伤的临床预测因子。 此外，急性 COVID-19 后阶段心肌损伤的长期心血管结局在很大程度上是未知的。 因此，这配置为大规模队列的试点研究。 因此，不需要正式的样本量计算。 然而，根据我们临床机构的 COVID-19 数据集市和纳入标准，研究人员希望将约 2000 名因 COVID-19 住院的患者纳入研究。 这样的样本量在很大程度上符合试点研究的一般经验法则。 此外，估计的样本量在很大程度上与与临床预测模型开发的新统计方法相关的 van Smeden 元模型一致 (17)。 均方预测误差 (rMPSE) 和平均绝对预测误差 (MAPE) 的平方根可以通过这些的结果来近似。 rMSPE 和 MAPE 的值越低表示性能越好。 例如，在样本大小为 N=400、候选预测变量 P=8 和预期事件分数为 1⁄4 的情况下，当应用 ML 模型（没有变量选择）时，预测的样本外 rMPSE 将为 0.065，岭回归为 0.053；对于 ML 模型，MAPE 将改为 0.045，对于 Ridge 回归，MAPE 将改为 0.038。

统计分析：

所有人口统计、临床和实验室特征将通过描述性统计技术进行总结。 在深度上，定性变量将由绝对和相对百分比频率表示。 事实上，定量变量将分别以均值和标准差 (SD) 或中位数和四分位距 (IQR) 的形式报告，无论它们是正态分布还是非正态分布。 它们的分布将预先通过 Shapiro Wilk 测试进行评估。 组间人口统计、临床、实验室和病理特征的差异将通过卡方或 Fisher 精确检验作为定性变量进行评估，并酌情进行 Yates 校正，而定量变量将通过学生 t 检验或Mann-Whitney U 检验，根据它们的分布。 将执行单变量和多变量逻辑回归模型，以评估 COVID-19 感染中心肌损伤发生的临床预测因子的存在。 结果将表示为优势比 (OR) 和 95% 置信区间 (CI)。 模型校准性能将通过 10 组的 Hosmer-Lemeshow 拟合优度检验进行评估。 将通过报告曲线下面积、灵敏度、特异性和+/-似然比 (LR)，通过接受者-操作者特征 (ROC) 曲线分析来评估模型性能。

还将进行单变量和多变量逻辑回归分析，以评估 COVID-19 感染中心肌损伤与院内并发症和积极治疗需求之间的关联。 最后，为了评估 COVID-19 期间心肌损伤的存在是否预示着更差的结果，将根据 12 个月时的 MACE 和单一成分计算单变量和多变量交互比例风险 Cox 回归模型。 对于 MACE，研究人员将考虑到第一个事件的时间，对于每个组件，将考虑到每个事件的时间。

为了评估每个临床/实验室预测因子与心肌损伤 (MI) 的存在/不存在之间的综合效应，将拟合多变量相互作用 Cox 模型，并评估相互作用风险比 (IHR)。 特别是，对于每个预测变量，将安装一个交互 Cox 模型。 在此框架中，IHR = 1 表示预测因子和 MI 之间没有协同作用，IHR <1 表示由于协同作用导致的危害减少，而 IHR >1 表示危害增加。 交互参数 (IHR) 将被解释为预测变量和 MI（没有 MI 作为参考类别）的差异（以 HR 术语表示）。

危险函数的比例将通过目视检查危险图和 Schoenfeld 残差来评估。 当比例性存疑时，将拟合加权 Cox 回归模型。

将进行双尾分析，p 值 <0.05 将被视为具有统计学意义。 将使用 R 软件版本 4.2.1（CRAN®、R Core 2021）（及其软件包 survival、survminer、coxphw 和 Hmisc）进行统计分析 (18)。

将进行预先指定的分析，以评估不同年龄组（< 或 = 60 岁、61-75 岁和 > 或 = 75 岁）心肌损伤的预测因素。