Настоящее исследование направлено на оценку прогноза госпитализированных пациентов только в отношении смертности, используя большую группу из более чем 13 000 пациентов со всех частей США. Средний возраст пациентов составил 62 года. Здесь было почти равное количество мужчин и женщин. Почти у 60% было высокое кровяное давление, у 1/3 – диабет, у 1/4 – хронические заболевания легких, а у 1/5 -проблемы с почками. Примерно треть из них страдали избыточным весом и ожирением соответственно. Около четверти имели низкую насыщенность кислородом при поступлении. Частота сердечных сокращений была выше при поступлении, как и частота дыхания, но не температура или ИМТ. Маркеры воспаления были значительно повышены у не выживших при поступлении. Пациенты с летальным исходом чаще были мужчинами, 57% против 51%, и старше, со средним возрастом 77 лет против 59 лет для выживших. Кроме того, у них, вероятно, было больше сопутствующих заболеваний, причем четверть из них страдали деменцией, гипертонией, диабетом и заболеваниями почек.
Используя эти данные для обучения алгоритма, было обнаружено, что возраст предсказывает шансы смерти очень значительно, в шесть раз выше шансов смерти в 75 лет по сравнению с 49 годами. К другим значимым факторам риска относилось наличие запущенного рака, заболеваний печени, отличных от легких степеней, гемиплегии или параплегии, а также слабоумия.
Лабораторные маркеры, такие как более высокий уровень аспартатаминотрансферазы (АСТ), тропонина, С-реактивного белка (СРБ) и лейкоцитов (WBC), а также креатинина и лактатдегидрогеназы (ЛДГ), были связаны с более высоким риском смерти наряду с тромбоцитопенией. Было установлено, что жизненно важные показатели при поступлении, а именно низкое насыщение кислородом, высокая частота дыхания и сердечных сокращений, высокая температура и высокий ИМТ, связаны с более высоким риском смерти.
Когда исследователи ранжировали факторы риска по важности, они обнаружили, что возраст был самым важным предиктором на сегодняшний день, за которым следовали лабораторные результаты (включая количество вдохов в минуту, температуру, насыщение кислородом, частоту сердечных сокращений, количество лейкоцитов и уровень ЛДГ) и жизненно важные показатели. Удивительно, но это были более важные маркеры смертности, чем наличие сопутствующих заболеваний. Они также определили календарное время как значительный предиктор смертности в КОВИДЕ-19. Возраст экспоненциально увеличивает риск смерти, причем наклон становится все круче с возрастом. Например, в марте 2020 года риск смерти для 70-летнего и 80-летнего пациента, нуждающегося в госпитализации, составлял 24% и 34% соответственно, но только 2% для 18-летнего пациента. Однако к маю смертность 80-летних составляла около 20%, что свидетельствует о прогностическом эффекте календарного времени.
Сильное влияние возраста может быть связано не только с сопутствующими заболеваниями, перечисленными в модели, но и с другими, которые могут привести к худшему исходу. Опять же, известно, что преклонный возраст является предиктором снижения иммунной функции, что приводит к увеличению вирусной персистенции или к неконтролируемому иммунному ответу, который может вызвать тяжелые клинические проявления у COVID-19.
О положительной связи между более высокой смертностью и такими маркерами, как тропонин I, ЛДГ и низкое количество тромбоцитов, уже сообщали другие авторы. В то время как первые два могут отражать серьезное повреждение микроциркуляторного русла с последующим повреждением сердца и других конечных органов, тромбоцитопения может быть продолжением повреждения тромбоцитов в результате образования крупных и микро-сгустков. Известно, что они возникают у пациентов COVID-19 как из-за ухудшения микрососудистой дисфункции, так и из-за ее ухудшения.
Количество нейтрофилов также является сильным предиктором, как показано в предыдущей работе, но не ферритин. Исследование также предполагает, что наличие сопутствующих заболеваний может отражать более высокий риск госпитализации, чем смертность у госпитализированных пациентов, как таковая.
Исследователи говорят, что они разработали строгую модель, которая сможет помочь быстро решить, какие пациенты нуждаются в более специализированном уходе, или определить приоритетные группы населения для вакцинации. Это также может помочь самоидентифицировать факторы риска для COVID-19 и оценить прогноз у инфицированных лиц. Наконец, это может помочь классифицировать пациентов для участия в клинических испытаниях, а также в наблюдательных исследованиях, чтобы помочь стандартизировать данные для исследований эффективности.