重磅｜钟南山院士团队再度发文，公布新冠肺炎危重症预测模型

2020年新型冠状病毒疫情（COVID-19）在全球暴发，截至5月14日，世界卫生组织报告全球确诊人数共4,367,552例，累计死亡人数为296,174。病毒无国界，重大传染性疾病是全人类共同面对的挑战，全球专家一直在共同探索与患者疾病发展相关的流行病学特征。只有了解疾病进展的影响因素，才能在优化医疗资源的同时，为患者提供合适的护理。近日，JAMA杂志发表的最新研究“Development and Validation of a Clinical Risk Score to Predict the Occurrence of Critical Illness in Hospitalized Patients With COVID-19”，旨在对来自全国的COVID-19患者队列构建疾病风险预测评分，以此帮助预测患者发生重症疾病的风险。本文通讯作者为广州呼研院钟南山院士与何建行教授，第一作者为梁文华副教授。

一、队列研究患者特征

研究收集了2019年11月21日~2020年1月31日期间，来自31省的575家医院的1590名患者的数据。入院时，24名（1.5％）为重症患者，1566名（98.5％）为轻症患者。最终结局为确诊为重症的患者131（8.2％）名，总死亡率为3.2％，其中1334名患者（83.9％）有武汉接触史。

参与队列研究患者的临床特征

研究表明，患者最常见的症状为发烧1351 例（88.0％）、干咳1052例（70.2％）、疲劳584例（42.8％）、排痰性咳嗽513例（36.0％）和呼吸急促331例（23.7％），1130例患者（71.1％）的胸部CT表现异常。

患者的实验室检测结果

二、研究的预测变量

研究通过LASSO回归筛选出72个因素，发现有19个变量是重症疾病的重要预测指标。通过逻辑回归模型对19个变量进行再分析后，得出10个变量为重症疾病的独立统计学显着预测因子。这10个变量分别为胸部X光（CXR）异常、年龄、咯血、气促、意识障碍、基础疾病数量、既往癌症史、中性粒细胞与淋巴细胞比值、乳酸脱氢酶和直接胆红素。

预测1590例患者危重病发展的多变量Logistic回归模型

三、预测重症发展的在线预测模型的使用及验证

该研究基于COVID-19的风险评分，开发了一种COVID-GRAM的在线预测模型，可通过以下公式来计算重症概率和置信区间：

概率= exp（∑β×X）/ [1+ exp（∑β×X）]

下限95％CI = exp [[∑ Xn×βn− ∑ z×SE（β）] / {1 + exp [∑ Xn×βn-∑ z×SE（β）]}

上限95％CI = exp [∑ Xn×βn+ ∑ z ×SE（β）] / {1 + exp [∑ Xn×βn+ ∑ z×SE（β）]}

临床医生只需在COVID-GRAM预测模型中输入10个风险评分的值，便可自动计算住院的COVID-19患者发展为重症的可能性（95％CI）。通过对其准确度的验证发现，基于队列研究数据的平均AUC为0.88（95％CI，0.85-0.91），湖北地区患者为0.87（95％CI，0.83-0.91），湖北以外地区的患者为0.82（95％CI，0.73-0.90）。结果表明，COVID-GRAM的预测价值高于CURB-6模型，该模型的AUC为0.75（95％CI，0.70-0.80），说明COVID-GRAM可正确预测重症疾病的发展。

预测COVID-19患者危重病发展的在线预测模型

思考

这项研究构建出基于COVID-19患者临床风险评分的预测危重症发展的在线预测模型，能够为每一位患者提供个体化的预测概率。经过内部验证，模型的准确度高达88％。此外，研究团队还分别在来自武汉、大冶、佛山多家医院共710例患者中做了外部验证，结果准确性在88％－98％之间。该模型应用简便，只需输入所需计算的患者10个变量，便可快速估计其危重症发展风险。如果患者发展为重症疾病的风险值较低，医生可以选择对其进行病情监测，若风险值较高，则应尽快进行积极治疗或送入ICU病房。在COVID-19疫情中，该模型可用于患者就诊时的快速分流处理，大大提高如ICU病房和呼吸机等医疗资源的分配效率，也为临床医生提供了快速诊疗和护理建议，对指导疫情防控起到了积极作用。