RU2812749C1 - Способ прогнозирования риска летального исхода у пациентов с COVID-19 - Google Patents
Способ прогнозирования риска летального исхода у пациентов с COVID-19 Download PDFInfo
- Publication number
- RU2812749C1 RU2812749C1 RU2023111848A RU2023111848A RU2812749C1 RU 2812749 C1 RU2812749 C1 RU 2812749C1 RU 2023111848 A RU2023111848 A RU 2023111848A RU 2023111848 A RU2023111848 A RU 2023111848A RU 2812749 C1 RU2812749 C1 RU 2812749C1
- Authority
- RU
- Russia
- Prior art keywords
- death
- history
- covid
- blood
- anamnesis
- Prior art date
Links
- 208000025721 COVID-19 Diseases 0.000 title claims abstract description 32
- 231100000517 death Toxicity 0.000 title claims abstract description 30
- 230000034994 death Effects 0.000 title claims abstract description 30
- 238000000034 method Methods 0.000 title claims abstract description 21
- 108010074051 C-Reactive Protein Proteins 0.000 claims abstract description 19
- 102100032752 C-reactive protein Human genes 0.000 claims abstract description 19
- 210000004369 blood Anatomy 0.000 claims abstract description 17
- 239000008280 blood Substances 0.000 claims abstract description 17
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 claims abstract description 11
- 239000008103 glucose Substances 0.000 claims abstract description 11
- 208000037849 arterial hypertension Diseases 0.000 claims abstract description 9
- 239000001301 oxygen Substances 0.000 claims abstract description 9
- 229910052760 oxygen Inorganic materials 0.000 claims abstract description 9
- 206010028980 Neoplasm Diseases 0.000 claims abstract description 7
- 201000011510 cancer Diseases 0.000 claims abstract description 7
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims abstract description 6
- 206010061216 Infarction Diseases 0.000 claims abstract description 5
- 208000010125 myocardial infarction Diseases 0.000 claims description 12
- 201000010099 disease Diseases 0.000 claims description 10
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 10
- 230000000771 oncological effect Effects 0.000 claims description 10
- 206010020772 Hypertension Diseases 0.000 claims description 9
- 210000002966 serum Anatomy 0.000 claims description 9
- 238000011328 necessary treatment Methods 0.000 claims description 3
- 238000011282 treatment Methods 0.000 abstract description 6
- 239000003814 drug Substances 0.000 abstract description 2
- 238000002560 therapeutic procedure Methods 0.000 abstract description 2
- 239000000126 substance Substances 0.000 abstract 1
- 210000001772 blood platelet Anatomy 0.000 description 10
- 208000001528 Coronaviridae Infections Diseases 0.000 description 7
- 238000003745 diagnosis Methods 0.000 description 6
- 241001678559 COVID-19 virus Species 0.000 description 5
- 230000035945 sensitivity Effects 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 206010035737 Pneumonia viral Diseases 0.000 description 3
- XSQUKJJJFZCRTK-UHFFFAOYSA-N Urea Chemical compound NC(N)=O XSQUKJJJFZCRTK-UHFFFAOYSA-N 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 239000004202 carbamide Substances 0.000 description 3
- 238000011005 laboratory method Methods 0.000 description 3
- 102000004169 proteins and genes Human genes 0.000 description 3
- 108090000623 proteins and genes Proteins 0.000 description 3
- 208000009421 viral pneumonia Diseases 0.000 description 3
- 102000003855 L-lactate dehydrogenase Human genes 0.000 description 2
- 108700023483 L-lactate dehydrogenases Proteins 0.000 description 2
- 208000004756 Respiratory Insufficiency Diseases 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 239000003570 air Substances 0.000 description 2
- 239000012080 ambient air Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000000386 microscopy Methods 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 238000002106 pulse oximetry Methods 0.000 description 2
- 201000004193 respiratory failure Diseases 0.000 description 2
- UFTFJSFQGQCHQW-UHFFFAOYSA-N triformin Chemical compound O=COCC(OC=O)COC=O UFTFJSFQGQCHQW-UHFFFAOYSA-N 0.000 description 2
- 239000004255 Butylated hydroxyanisole Substances 0.000 description 1
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 208000006545 Chronic Obstructive Pulmonary Disease Diseases 0.000 description 1
- 239000003154 D dimer Substances 0.000 description 1
- 208000008589 Obesity Diseases 0.000 description 1
- 102000013394 Troponin I Human genes 0.000 description 1
- 108010065729 Troponin I Proteins 0.000 description 1
- 241000700605 Viruses Species 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 201000011529 cardiovascular cancer Diseases 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 108010052295 fibrin fragment D Proteins 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 231100000518 lethal Toxicity 0.000 description 1
- 230000001665 lethal effect Effects 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000010197 meta-analysis Methods 0.000 description 1
- 235000020824 obesity Nutrition 0.000 description 1
- 238000006213 oxygenation reaction Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 210000002784 stomach Anatomy 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 208000001072 type 2 diabetes mellitus Diseases 0.000 description 1
- 238000012315 univariate regression analysis Methods 0.000 description 1
Images
Abstract
Изобретение относится к области медицины, а именно к терапии и кардиологии. В ходе клинико-лабораторного обследования у пациента определяют следующие показатели: возраст, наличие артериальной гипертензии в анамнезе, постинфарктного кардиосклероза, онкологического заболевания в анамнезе, уровень тромбоцитов, глюкозы, С-реактивного белка (СРБ) крови, сатурацию крови кислородом (SpO2), после чего рассчитывают степень риска летального исхода Р по оригинальной формуле. И при Р больше 0,105 вероятность смерти во время госпитализации определяют как высокую, а при значении Р меньше или равном 0,105 вероятность смерти определяют как низкую. Способ позволяет повысить эффективность прогнозирования летального исхода у больных с COVID-19 при госпитализации, что влияет на выбор тактики лечения и позволяет своевременно провести необходимые лечебные мероприятия. 3 пр., 1 ил., 1 табл.
Description
Область техники, к которой относится изобретение
Изобретение относится к области медицины, а именно к терапии и кардиологии, и может быть использовано для прогнозирования исхода инфекции, вызванной вирусом SARS-CoV-2 (COVID-19).
Уровень техники
Продолжающаяся пандемия новой коронавирусной инфекции (COVID-19), вызванная вирусом SARS-CoV-2, не теряет свою актуальность, являясь вызовом как для мировой системы здравоохранения, так и для отдельного практикующего врача. По оценкам, летальность при COVID-19 у госпитализированных больных является значительной и составляет от 9 до 17%, а для пациентов в отделении реанимации и интенсивной терапии эти цифры возрастают до 37% [1]. Ряд факторов риска, включающие возраст, ожирение, артериальную гипертензию, сахарный диабет, сердечно-сосудистые заболевания, онкологические заболевания, хроническую обструктивную болезнь легких, повышают шансы неблагоприятного исхода у пациентов с COVID-19 [2].
Также повышение ряда лабораторных маркеров, в том числе С-реактивного белка (СРБ), Д-димера, лактатдегидрогеназы (ЛДГ), тропонина I, связано с неблагоприятным прогнозом при COVID-19 [3]. Однако недостатком использования отдельных параметров для прогнозирования исхода COVID-19, часто является недостаточная предиктивная точность. Поэтому актуальной задачей является разработка способа прогнозирования неблагоприятного исхода COVID-19 на основе комплексной оценки рутинных клинических и лабораторно-инструментальных показателей при поступлении в стационар.
Известен «Способ прогнозирования исхода вирусной пневмонии при COVID-19» (Патент RU №2764002, опубл. 12.01.2022), включающий определение значений оксигенации, общего белка и мочевины в крови. При значениях SpO2 менее 77,5% без кислородной поддержки, общего белка менее 55,5 г/л, мочевины в крови более или равном 8,98 ммоль/л прогнозируют неблагоприятный исход вирусной пневмонии при COVID-19.
Однако недостатками данного способа являются крайне низкие значения SpO2 (меньше 77,5%) в сочетании с еще двумя другими факторами (сниженным общим белком в крови и повышенными значениями мочевины крови) необходимые для прогнозирования летального исхода, что на практике резко снижает чувствительность данного метода. Так при проверке данного способа на когорте из 1637 пациентов, госпитализированных в УКБ №4 Сеченовского Университета с 8 апреля по 19 ноября 2020 года, было выявлено всего 11 пациентов с сатурацией SpO2 меньше 77,5%, а пациентов, имеющих одновременно три признака, что необходимо для прогнозирования летального исхода, не было выявлено ни одного. В то время как в данной когорте зафиксировано 105 летальных исходов. Дополнительным недостатком является размер выборки (n=144 человека), на которой основывается результирующий способ, а также отсутствие данных о валидизации способа на независимой и репрезентативной выборке госпитализированных пациентов с вирусной пневмонией при COVID-19.
Известен «Способ оценки риска развития тяжелого течения COVID-19» (Патент RU №2782796, опубл. 02.11.2022), при котором производят определение у пациента уровня триглицеридов (ТГ) и учитывают ряд клинико-анамнестические данных: окружность талии (ОТ), наличие сахарного диабета 2 типа и возраст. Полученные данные оценивают с использованием бальной шкалы, при сумме больше 5 баллов прогнозируют развитие тяжелого течения COVID-19.
Недостатком способа является прогнозирование тяжелого течения COVID-19 при отсутствии оценки развития летального исхода, что является более важной задачей. Также недостатком являются то, что учитывается только средние значения чувствительности (78,6%) и специфичности (69,1%) способа и средний объем выборки (n=270), на основе которой разработан способ, что не позволяет считать такую выборку репрезентативной, сочетающей различные клинико-лабораторные проявления COVID-19. Помимо этого, существующая методология определения ОТ, входящей в данный способ, не позволяет корректно измерять данный антропометрический параметр у всех без исключения пациентов с COVID-19.
Раскрытие изобретения
При создании изобретения решалась техническая проблема, состоящая в необходимости расширения арсенала технических средств для прогнозирования риска летального исхода у пациентов с COVID-19.
Технический результат, обеспечиваемый изобретением, состоит в реализации этого назначения.
Технический результат заявленного изобретения достигается за счет того, что способ прогнозирования риска летального исхода у пациентов с COVID-19 характеризуется тем, что в ходе клинико-лабораторного обследования у пациента определяю следующие показатели: возраст, наличие артериальной гипертензии в анамнезе, постинфарктного кардиосклероза, онкологического заболевания в анамнезе, уровень тромбоцитов крови, концентрация глюкозы и С-реактивного белка (СРБ) в сыворотке крови, сатурацию крови кислородом (SpO2), после чего рассчитывают степень риска летального исхода Р по формуле:
Р=1/(1+е-у),
где Р - вероятность развития летального исхода;
е - константа, основание натурального логарифма;
у - значение функции, рассчитываемое по формуле: у=2,109+0,079*x1+1,027*x2+0,568*х3+0,690*x4-0,131*х5+0,011*х6-0,004*х7+0,074* x8,
где x1 - возраст, в годах;
x2 - артериальная гипертензия на момент осмотра и/или в анамнезе (0 - отсутствие АГ в анамнезе, 1 - наличие АГ в анамнезе);
х3 - инфаркт миокарда в анамнезе (0 - отсутствие инфаркта миокарда в анамнезе, 1 - наличие инфаркта миокарда в анамнезе);
x4 - любое онкологическое заболевание на момент осмотра и/или в анамнезе (0 - отсутствие любого онкологического заболевания в анамнезе, 1 - наличие любого онкологического заболевания на момент осмотра и/или в анамнезе);
x5 - сатурация кислорода на атмосферном воздухе (SpO2) на момент поступления в стационар, %;
x6 - концентрация С-реактивного белка (СРБ) в сыворотке крови, в мг/л;
x7 - концентрация тромбоцитов в крови, в *109/л;
x8 - концентрация глюкозы в сыворотке крови, в ммоль/л,
при этом при Р больше 0,105 вероятность смерти во время госпитализации определяют, как высокую, а при значении Р меньше или равном 0,105 вероятность смерти определяют как низкую. Далее в зависимости от полученного результата выбирают необходимые лечебные мероприятия.
Выбор значимых параметров и создание формулы для расчета осуществлены следующим образом.
Возраст, наличие артериальной гипертензии в анамнезе, постинфарктного кардиосклероза, онкологического заболевания в анамнезе определяется при сборе анамнеза у пациентов с COVID-19.
Оценка уровня тромбоцитов проводится в цельной крови посредством автоматического подсчета с помощью гематологического анализатора, а в случае отклонений от нормы дополнительно с помощью микроскопии окрашенного мазка крови с подсчетом количества тромбоцитов. Оценка глюкозы и СРБ проводится в сыворотке крови. Сатурацию кислородом на атмосферном воздухе (SpO2) оценивают с помощью пульсоксиметрии. Показатели оцениваются на момент поступления в стационар или в течение первых суток. Все приведенные клинико-лабораторные параметры являются обязательными для измерения у всех госпитализированных пациентов с COVID-19, в соответствии с методическими рекомендациями по лечению COVID-19 [4].
Изобретение поясняется чертежом, где на фиг. 1 изображена ROC-кривая, показывающая чувствительность и специфичность разработанного способа прогнозирования риска летального исхода у пациентов с COVID-19. По оси абсцисс отложены значения специфичности (%), а по оси ординат - чувствительности (%).
А также изобретение поясняется таблицей 1, где приведены показатели ROC-анализа (Receiver operating characteristic) с вычислением показателя AUC (area under curve, площадь под кривой на фиг. 1)
Заявленный способ был разработан на основе анализа данных ретроспективного когортного исследования, включавшего 1637 пациентов, госпитализированных в Университетскую клиническую больницу №4 Сеченовского Университета с лабораторно (код U07.1 по МКБ-10) или клинически (код U07.2 по МКБ-10) подтвержденным диагнозом коронавирусной инфекции SARS-CoV-2 (COVID-19).
При поступлении в стационар у пациентов оценивался ряд рутинных клинических и лабораторно-инструментальных показателей в соответствии с Временными методическими рекомендациями "Профилактика, диагностика и лечение новой коронавирусной инфекции (COVID-19)" от 12.09.2021, утвержденными Минздравом России [4]. Частота летального исхода составила 105 (6,4%) случаев из 1637.
Статистическая обработка данных произведена с помощью пакета IBM SPSS Statistics 20. Для отбора потенциальных предикторов проведен однофакторный регрессионный анализ в отношении развития летального исхода. Отобрано 11 параметров для включения в пошаговую многофакторную логистическую регрессию, в результате которой выбрано 8 параметров, значимо ассоциированных с развитием летального исхода. На основании полученных результатов построена формула для прогнозирования летального исхода.
Для оценки качества построенной модели проведен ROC-анализ (Receiver operating characteristic) с вычислением показателя AUC (area under curve, площадь под кривой).
Показатель AUC равный 0,921 говорит об отличном качестве модели. При установленном оптимальном пороговом значении модель имеет чувствительность 84,4% и специфичность 89,0%.
Была проведена валидизация формулы на выборке объемом 444 пациента, госпитализированных в УКБ №4 с января по март 2022 года. Наиболее распространенным штаммом SARS-CoV-2 в этом временном промежутке являлся вариант омикрон, тогда как формула, использованная в заявленном способе, разработана на выборке пациентов, инфицированных SARS-CoV-2 в 2020 году. Тем не менее процент верно предсказанных моделью случаев составил 86,2%, что является высоким показателем.
Осуществление изобретения
В первый день госпитализации оценивают возраст пациента, наличие артериальной гипертензии на момент осмотра и/или в анамнезе, инфаркта миокарда в анамнезе, любых онкологических заболеваний на момент осмотра и/или в анамнезе с помощью опроса пациента при поступлении в стационар или по данным имеющейся медицинской документации и полученные значения фиксируют в истории болезни. Дополнительно производят забор крови у пациента натощак. Оценку уровня тромбоцитов проводят в цельной крови посредством автоматического подсчета с помощью гематологического анализатора, а в случае отклонений от нормы дополнительно с помощью микроскопии окрашенного мазка крови с подсчетом количества тромбоцитов. Оценка глюкозы и СРБ проводится в сыворотке крови. Сатурацию кислородом на атмосферном воздухе (SpO2) оценивают с помощью пульсоксиметрии. Показатели оцениваются на момент поступления в стационар или в течение первых суток. После этого определяют Р по формуле:
Р=1/(1+е-у),
где Р - вероятность развития летального исхода;
е - константа, основание натурального логарифма;
у - начение функции, рассчитываемое по формуле: у=2,109+0,079*x1+1,027*x2+0.568*х3+0,690*x4-0,131*x5+0,011*х6-0,004*х7+0,074*x8,
где x1 - возраст, в годах;
x2 - артериальная гипертензия на момент осмотра и/или в анамнезе (0 - отсутствие АГ в анамнезе, 1 - наличие АГ в анамнезе);
х3 - инфаркт миокарда в анамнезе (0 - отсутствие инфаркта миокарда в анамнезе, 1 - наличие инфаркта миокарда в анамнезе);
x4 - любое онкологическое заболевание на момент осмотра и/или в анамнезе (0 - отсутствие любого онкологического заболевания в анамнезе, 1 - наличие любого онкологического заболевания на момент осмотра и/или в анамнезе);
x5 - сатурация кислорода на атмосферном воздухе (SpO2) на момент поступления в стационар, %;
x6 - концентрация С-реактивного белка (СРБ) в сыворотке крови, в мг/л;
x7 - концентрация тромбоцитов в крови, в *109/л
x8 - концентрация глюкозы в сыворотке крови, в ммоль/л,
при этом при Р больше 0,105 вероятность смерти во время госпитализации определяют, как высокую, а при значении Р меньше или равном 0,105 вероятность смерти определяют, как низкую. Далее в зависимости от полученного результата выбирают необходимые лечебные мероприятия
Изобретение поясняется примерами.
Пример 1. Пациент Б., 82 года. Клинический, основной диагноз: U07.1 Коронавирусная инфекция, вызванная COVID-19, идентифицированная лабораторными методами.
Исходя из анамнестических данных, у пациента выявлена гипертоническая болезнь, отрицает инфаркт миокарда и онкологические заболевания в анамнезе.
По данным обследования на 1-е сутки госпитализации, SpO2 при поступлении составила 82%, уровень СРБ был 18,01 мг/л, уровень тромбоцитов крови - 193*109/л, уровень глюкозы - 5,9 ммоль/л.
При подстановке указанных значений в формулу
Р=1/(1+е-у),
у=2,109+0,079*x1+1,027*x2+0,568*х3+0,690*x4-0,131*х5+0,011*х6-0,004*х7+0,074*x8
получаем:
у=2,109+0,079*82+1,027*1+0,568*0+0,690*0-0,131*82+0,011*18,01-0,004*193+0,074*5,9=-1,26529
р=1/(1+е-у)=1/(1+е1,26529)=0,220, что больше 0,105. Таким образом, вероятность смерти во время госпитализации определяют как высокую.
При анализе истории болезни установлено, что пациент был в дальнейшем переведен в отделение реанимации и интенсивной терапии в связи с нарастанием дыхательной недостаточности, подключен к аппарату ИВЛ, и впоследствии скончался. Таким образом, развился прогнозируемый неблагоприятный исход.
Пример 2. Пациент С, 64 года. Клинический, основной диагноз: U07.1 Коронавирусная инфекция, вызванная COV1D-19, идентифицированная лабораторными методами.
Пациент отрицает наличие в анамнезе артериальной гипертензии, инфаркта миокарда, а также онкологических заболеваний
По данным обследования на 1-е сутки госпитализации, SpO2 при поступлении составила 97%, уровень С-реактивного белка был 2,0 мг/л, уровень тромбоцитов крови - 324*109/л, уровень глюкозы - 4,5 ммоль/л.
При подстановке указанных значений в формулу
р=1/(1+е-у),
у=2,109+0,079*х1+1,027*x2+0,568*х3+0,690*x4-0,131*х5+0,011*х6-0,004*х7+0,074*х8
получаем:
у=2,109+0,079*82+1,027*0+0,568*0+0,690*0-0,131*97+0,011*2,0-0,004*324+0,074*4,5=-6,483
р=1/(1+е-у)=1/(1+e6,483)=0,0015, что меньше 0,105. Таким образом, вероятность смерти во время госпитализации определяют как низкую.
При анализе истории болезни установлено, что пациент был выписан из стационара через 21 день с выздоровлением. Таким образом, развился прогнозируемый благоприятный исход.
Пример 3. Пациент М., 82 года. Клинический, основной диагноз: U07.1 Коронавирусная инфекция, вызванная COVID-19, идентифицированная лабораторными методами.
Исходя из анамнестических данных, у пациента выявлена гипертоническая болезнь, постинфарктный кардиосклероз, отрицает онкологические заболевания в анамнезе.
По данным обследования на 1-е сутки госпитализации, SpO2 при поступлении составила 90%, уровень СРБ был 55.65 мг/л, уровень тромбоцитов крови - 139*109/л, уровень глюкозы - 8,3 ммоль/л.
При подстановке указанных значений в формулу
р=1/(1+е-y),
у=2,109+0,079*х1+1,027*x2+0,568*х3+0,690*x4-0,131*x5+0,011*х6-0,004*х7+0,074*x8
получаем:
у=2,109+0,079*82+1,027*1+0,568*1+0.690*0-0,131*90+0,011*55,65-0,004*139+0,074*8,3=-0,93765
р=1/(1+е-у)=1/(1+е0,93765)=0,281, что больше 0,105. Таким образом, вероятность смерти во время госпитализации определяют как высокую.
При анализе истории болезни установлено, что пациент был в дальнейшем переведен в отделение реанимации и интенсивной терапии в связи с нарастанием дыхательной недостаточности, подключен к аппарату ИВЛ, и впоследствии скончался. Таким образом, развился прогнозируемый неблагоприятный исход.
Таким образом, способ прогнозирования риска летального исхода у пациентов с COVID-19 позволяет повысить эффективность прогнозирования летального исхода у больных с COVID-19 при госпитализации, что влияет на выбор тактики лечения и позволяет своевременно провести необходимые лечебные мероприятия.
Список литературы
1. Alomohamadi Y, Tola HH, Abbasi-Ghahramanloo A, Janani М, Sepandi М. Case fatality rate of COVID-19: A systematic review and meta-analysis. J Prev Med Hyg.
2021;62(2):E311-E320. doi: 10.15167/2421-4248/jpmh2021.62.2.1627
2. Dessie ZG, Zewotir T. Mortality-related risk factors of COVID-19: a systematic review and meta-analysis of 42 studies and 423,117 patients. BMC Infect Dis. 2021;21(1). doi: 10.1186/s12879-021-06536-3
3. Katzenschlager S, Zimmer AJ, Gottschalk C, et a1. Can we predict the severe course of COVID-19 - a systematic review and meta-analysis of indicators of clinical outcome? PLoZ One 2021; 16(7 July):1-19. doi: 10.1371 /journal.pone.0255154
4. Временные методические рекомендации "Профилактика, диагностика и лечение новой коронавирусной инфекции (COVID-19). Версия 12 (12.09.2021)", утв. Минздравом России. 2021. https://static-0.minzdrav.gov.ru/system/attachments/attaches/000/058/075/original/BMP_COVID-19_V12.pdf
Claims (14)
- Способ прогнозирования риска летального исхода у пациентов с COVID-19, характеризующийся тем, что в ходе клинико-лабораторного обследования у пациента определяют следующие показатели: возраст, наличие артериальной гипертензии в анамнезе, постинфарктного кардиосклероза, онкологического заболевания в анамнезе, уровень тромбоцитов, глюкозы, С-реактивного белка (СРБ) крови, сатурацию крови кислородом (SpO2), после чего рассчитывают степень риска летального исхода Р по формуле
- Р=1/(1+е-у),
- где Р - вероятность развития летального исхода;
- е - константа, основание натурального логарифма;
- у - значение функции, рассчитываемое по формуле у=2,109+0,079*x1+1,027*x2+0,568*х3+0,690*x4-0,131x5+0,011*х6-0,004*х7+0,074*x8,
- где x1 - возраст, в годах;
- x2 - артериальная гипертензия на момент осмотра и/или в анамнезе (0 - отсутствие АГ в анамнезе, 1 - наличие АГ в анамнезе);
- х3 - инфаркт миокарда в анамнезе (0 - отсутствие инфаркта миокарда в анамнезе, 1 - наличие инфаркта миокарда в анамнезе);
- x4 - любое онкологическое заболевание на момент осмотра и/или в анамнезе (0 - отсутствие любого онкологического заболевания в анамнезе, 1 - наличие любого онкологического заболевания на момент осмотра и/или в анамнезе);
- x5 - сатурация кислорода на атмосферном воздухе (SpO2) на момент поступления в стационар, %;
- x6 - концентрация С-реактивного белка (СРБ) в сыворотке крови, в мг/л;
- x7 - концентрация тромбоцитов в крови, в *109/л;
- x8 - концентрация глюкозы в сыворотке крови, в ммоль/л,
- причем при Р больше 0,105 вероятность смерти во время госпитализации определяют как высокую, а при значении Р меньше или равном 0,105 вероятность смерти определяют как низкую, далее в зависимости от полученного результата выбирают необходимые лечебные мероприятия.
Publications (1)
| Publication Number | Publication Date |
|---|---|
| RU2812749C1 true RU2812749C1 (ru) | 2024-02-01 |
Family
ID=
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2829424C1 (ru) * | 2024-01-09 | 2024-10-30 | Виктор Николаевич Сучков | Способ прогнозирования риска летального исхода у госпитализированных пациентов с COVID-19, получающих заместительную почечную терапию программным гемодиализом по поводу хронической болезни почек 5 стадии |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2780522C1 (ru) * | 2022-07-04 | 2022-09-26 | Федеральное государственное бюджетное научное учреждение "Томский национальный исследовательский медицинский центр Российской академии наук" (Томский НИМЦ) | Способ прогнозирования риска госпитальной летальности у больных новой коронавирусной инфекцией COVID-19 |
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2780748C1 (ru) * | 2021-12-21 | 2022-09-30 | Федеральное бюджетное учреждение науки «Центральный научно-исследовательский институт эпидемиологии" Федеральной службы по надзору в сфере защиты прав потребителей и благополучия человека" (ФБУН ЦНИИ Эпидемиологии Роспотребнадзора) | Способ прогнозирования летального исхода у пациентов с тяжелой формой COVID-19 |
| RU2780522C1 (ru) * | 2022-07-04 | 2022-09-26 | Федеральное государственное бюджетное научное учреждение "Томский национальный исследовательский медицинский центр Российской академии наук" (Томский НИМЦ) | Способ прогнозирования риска госпитальной летальности у больных новой коронавирусной инфекцией COVID-19 |
| RU2794342C1 (ru) * | 2023-02-20 | 2023-04-17 | федеральное государственное бюджетное образовательное учреждение высшего образования "Башкирский государственный медицинский университет" Министерства здравоохранения Российской Федерации | Способ прогнозирования выживаемости больных с ишемическим инсультом, ассоциированным с covid-19 |
Non-Patent Citations (2)
| Title |
|---|
| Rai D, Ranjan A, H A, Pandey S. Clinical and Laboratory Predictors of Mortality in COVID-19 Infection: A Retrospective Observational Study in a Tertiary Care Hospital of Eastern India. Cureus. 2021 Sep 2; 13(9):e17660. * |
| Корсаков И.Н. и др. ПРОГНОЗИРОВАНИЕ ЛЕТАЛЬНОГО ИСХОДА У ПАЦИЕНТОВ С УСТАНОВЛЕННЫМ ДИАГНОЗОМ COVID-19. Научно-технический вестник информационных технологий, механики и оптики, vol. 22, no. 5, 2022, pp. 970-981. * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2829424C1 (ru) * | 2024-01-09 | 2024-10-30 | Виктор Николаевич Сучков | Способ прогнозирования риска летального исхода у госпитализированных пациентов с COVID-19, получающих заместительную почечную терапию программным гемодиализом по поводу хронической болезни почек 5 стадии |
| RU2846039C1 (ru) * | 2024-11-01 | 2025-08-29 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Санкт-Петербургский государственный университет" (СПбГУ)" | Способ прогнозирования летального исхода заболевания у пациента с установленным диагнозом "COVID-19" |
| RU2845112C1 (ru) * | 2025-01-09 | 2025-08-13 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Рязанский государственный медицинский университет имени академика И.П. Павлова" Министерства здравоохранения Российской Федерации | Способ прогнозирования исхода заболевания у пациентов с тяжёлыми формами острой COVID-19 инфекции |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Lichter et al. | Lung ultrasound predicts clinical course and outcomes in COVID-19 patients | |
| Rey et al. | Procalcitonin and C-reactive protein as markers of systemic inflammatory response syndrome severity in critically ill children | |
| Shapiro et al. | The diagnostic accuracy of plasma neutrophil gelatinase–associated lipocalin in the prediction of acute kidney injury in emergency department patients with suspected sepsis | |
| Singh et al. | A prospective evaluation of the bedside index for severity in acute pancreatitis score in assessing mortality and intermediate markers of severity in acute pancreatitis | |
| Lee et al. | Troponin-guided coronary computed tomographic angiography after exclusion of myocardial infarction | |
| Ye et al. | Building and verifying a severity prediction model of acute pancreatitis (AP) based on BISAP, MEWS and routine test indexes | |
| Lin et al. | Clinical and laboratory predictors for disease progression in patients with COVID-19: a multi-center cohort study | |
| Ebrahimzadeh et al. | Clinical and laboratory findings in patients with acute respiratory symptoms that suggest the necessity of chest x-ray for community-acquired pneumonia | |
| Minn et al. | The comparative ability of commonly used disease severity scores to predict death or a requirement for ICU care in patients hospitalised with possible sepsis in Yangon, Myanmar | |
| RU2812749C1 (ru) | Способ прогнозирования риска летального исхода у пациентов с COVID-19 | |
| Kawame et al. | Role of fibrin monomer Complex in coronavirus disease 2019 for venous thromboembolism and the prognosis | |
| Du et al. | Predicting the risk of acute kidney injury in patients after percutaneous coronary intervention (PCI) or cardiopulmonary bypass (CPB) surgery: development and assessment of a nomogram prediction model | |
| Li et al. | Clinical characteristics and risk factors of hospital mortality in elderly patients with community-acquired pneumonia | |
| Başak et al. | Can C-reactive protein levels increase the accuracy of the Ranson score in predicting the severity and prognosis of acute pancreatitis? A prospective cohort study | |
| RU2817106C1 (ru) | Способ персонифицированного прогнозирования летальных исходов COVID-19-ассоциированной пневмонии у пациентов пожилого и старческого возраста | |
| Courtney et al. | Prospective diagnostic accuracy assessment of the HemosIL HS D-dimer to exclude pulmonary embolism in emergency department patients | |
| Aletras et al. | Paroxysmal Supraventricular Tachycardia and Troponin Elevation: Insights into Mechanisms, Risk Factors, and Outcomes | |
| Huang et al. | Early risk factors for extrapulmonary organ injury in adult COVID-19 patients | |
| Venmans et al. | A clinical prediction rule for urinary tract infections in patients with type 2 diabetes mellitus in primary care | |
| Cander et al. | Investigation of the effectiveness of the Quick Sequential Organ Failure Assessment-Troponin scores in non-ST-elevation myocardial infarction | |
| RU2797141C1 (ru) | Способ прогнозирования летального исхода у больных с ко-инфекцией туберкулез и COVID-19 | |
| Grocott | Monitoring surgical outcomes: How and why? | |
| RU2846792C1 (ru) | Способ прогнозирования исхода острой COVID-19 инфекции со среднетяжёлой, тяжёлой и крайне тяжёлой степенью течения | |
| Liu et al. | High-sensitivity troponin I is an indicator of poor prognosis in patients with severe COVID-19 related pneumonia | |
| RU2782796C1 (ru) | Способ оценки риска развития тяжелого течения COVID-19 |