В недавнем исследовании, опубликованном на сервере препринтов medRxiv, исследователи оценили значимость метаболических параметров при определении прогноза коронавирусной болезни 2019 года (COVID-19).
В текущем исследовании исследователи определили прогнозируемую вероятность смерти (PDeathLabs), связанную с инфекцией коронавируса 2 тяжелого острого респираторного синдрома (SARS-CoV-2), используя полные наборы значений 11 CMs, собранные у пациентов с COVID-19 до их диагноза. PDeathLabs был разработан в качестве сводной метрики базовых метаболических измерений в многомерных моделях смертности от COVID-19, сообщает News-Medical.
Случаи SARS-CoV-2 были собраны с использованием Общего ресурса данных Департамента по делам ветеранов COVID-19 (CSDR). Для диагностики COVID-19 требовался по крайней мере один положительный тест на амплификацию нуклеиновых кислот (NAAT), и основным результатом исследования была смерть в течение 60 дней после первоначального положительного теста на SARS-CoV-2.
В CMS можно отнести индекс массы тела (ИМТ), систолическое артериальное давление (сад), диастолическое артериальное давление (ДАД), расчетная скорость клубочковой фильтрации (СКФ), сатурации кислорода (O2SAT), сывороточного альбумина (АЛБ), аланинаминотрансферазы (АЛТ), липопротеидов низкой плотности (ЛПНП), гематокрит (НСТ), липопротеины высокой плотности (ЛПВП), и гемоглобина A1c (А1С). Каждое значение 11 CMs было получено, если они были датированы примерно за 14 дней до первоначального положительного теста NAAT из CSDR.
Клиницисты оценили критическую значимость таких признаков КМ, как склонность к рецидиву, метаболический контроль, рефрактерность, хроничность, временные тенденции, лабильность и бремя заболевания. Кроме того, для каждого атрибута было назначено от одного до трех параметров, что в общей сложности составило 13 параметров.
Затем данные были проанализированы с использованием соответствующих статистических методов. Была разработана основная логистическая модель для анализа того, какие из 143 метаболических параметров, полученных из 13 параметров и 11 CMs, являются независимыми предикторами смерти.
Результаты показали, что на 30 сентября 2021 года в Департаменте по делам ветеранов CSDR насчитывалось 347 220 пациентов с COVID-19. Почти у 94,9% пациентов СМ был зарегистрирован примерно за две недели до того, как им был поставлен диагноз SARS-CoV-2. Средний возраст участников на момент постановки диагноза COVID-19 составлял 59,1 ± 16,6 лет, почти 85,5% составляли мужчины, 96,4% были ветеранами, 9,2% были латиноамериканцами, 23,4% принадлежали к расовому меньшинству, 12,2% были нынешними курильщиками и 0,7% проходили кислородную терапию.
Почти 9,3% людей были полностью вакцинированы по крайней мере за две недели до постановки диагноза SARS-CoV-2. Кроме того, около 21,6% людей предположительно были инфицированы дельта-вариантом SARS-CoV-2 после 1 июля 2021 года. В течение 60 дней после постановки диагноза COVID-19 почти 5,44% пациентов умерли. Все 13 значимых параметров были связаны с САД и семь для ЛПВП при анализе подмножеств. Полные наборы данных, необходимые для построения основной модели, присутствовали почти в 70,5% когорты.
Из 143 возможных предикторов 49 были статистически значимыми независимыми предикторами смертности. Наиболее влиятельные области для CM включают самые последние значения, временные тенденции, бремя заболеваний и тенденцию к рецидиву.
Пациенты с хронической систолической гипертензией были связаны с плохим прогнозом при атипичной пневмонии-КоВ-2. Напротив, после коррекции значений ЛПВП, ЛПНП, A1C, САД и ДАД более высокий ИМТ был связан с защитным эффектом при SARS-CoV-2.
Результаты исследования продемонстрировали, что базовые метаболические измерения пациентов с атипичной пневмонией-CoV-2 более эффективны в прогнозировании смертности, связанной с COVID-19, чем показатели сопутствующей заболеваемости для ранее существовавших состояний.
В исследовании также подчеркивается необходимость включения результатов лабораторных тестов и показателей жизнедеятельности в модели, предсказывающие смертность, связанную с COVID-19, поскольку они предоставляют ценную информацию о механизме действия, имеют независимое прогностическое значение и, вероятно, могут быть целью мероприятий по снижению риска. Включив эти переменные, модели становятся гипотетическими, и будущие исследования, использующие эти методологии, могут подтвердить любой предполагаемый патогенез или испытания вмешательств, направленных на саму болезнь.