RU2754776C1 - Способ клинико-лабораторного прогнозирования тяжести covid-19 - Google Patents
Способ клинико-лабораторного прогнозирования тяжести covid-19 Download PDFInfo
- Publication number
- RU2754776C1 RU2754776C1 RU2021115333A RU2021115333A RU2754776C1 RU 2754776 C1 RU2754776 C1 RU 2754776C1 RU 2021115333 A RU2021115333 A RU 2021115333A RU 2021115333 A RU2021115333 A RU 2021115333A RU 2754776 C1 RU2754776 C1 RU 2754776C1
- Authority
- RU
- Russia
- Prior art keywords
- covid
- severity
- disease
- clinical
- value
- Prior art date
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/483—Physical analysis of biological material
- G01N33/487—Physical analysis of biological material of liquid biological material
- G01N33/49—Blood
- G01N33/491—Blood by separating the blood components
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/90—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving iron binding capacity of blood
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Hematology (AREA)
- Biomedical Technology (AREA)
- Chemical & Material Sciences (AREA)
- Urology & Nephrology (AREA)
- Physics & Mathematics (AREA)
- Immunology (AREA)
- Molecular Biology (AREA)
- Analytical Chemistry (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Pathology (AREA)
- Microbiology (AREA)
- Cell Biology (AREA)
- Biotechnology (AREA)
- Ecology (AREA)
- Biophysics (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
Изобретение относится к медицине, а именно к клинико-лабораторной диагностике, и может быть использовано для клинико-лабораторного прогнозирования тяжести COVID-19. Пациенту проводят количественное определение ферритина в сыворотке крови, определяют продолжительность заболевания, относительное содержание моноцитов и палочкоядерных нейтрофилов. Вычисляют значения функций классификации степеней тяжести COVID-19 по формулам:KF1=0,1806х1+0,4969х2+0,1130х3+0,0036х4-3,2735,KF2=0,7264x1+1,0115x2+0,3372х3+0,0119х4-14,8048,где KF1- значение функции классификации, соответствующее легкой степени COVID-19; KF2- значение функции классификации, соответствующее средней или тяжелой степени COVID-19; х1- продолжительность заболевания, сутки; х2- относительное содержание моноцитов, %; х3- относительное содержание палочкоядерных нейтрофилов, %; х4- количественное содержание ферритина, мкг/л. Прогнозируют степень тяжести COVID-19 по значению функции классификации с наибольшим значением. Способ обеспечивает возможность раннего прогнозирования степени тяжести COVID-19 за счет определения у больного COVID-19 клинико-лабораторных показателей крови, продолжительности заболевания и вычисления прогностического критерия степени тяжести заболевания с помощью математического аппарата. 3 пр.
Description
Изобретение относится к медицине, а именно к такой ее области, как инфекционные болезни, и предназначено для прогнозирования степени тяжести заболевания COVID-19, вызванного коронавирусом 2 (SARS-CoV-2).
Важной проблемой пандемии COVID-19 является задача раннего прогнозирования тяжести этого заболевания, успешное решение которой будет иметь большое значение для оптимизации тактики ведения больного и, соответственно, улучшения прогноза заболевания, а также сможет облегчить и объективизировать распределение медицинских ресурсов пациентам, нуждающимся в интенсивном лечении [1]. Ввиду значительной продолжительности начальной стадии и стадии прогрессирования COVID-19 степень его тяжести достоверно определяется лишь спустя 12-20 суток от начала заболевания, которое в этот период может прогрессировать и вызвать развитие острой дыхательной и полиорганной недостаточности. Данное обстоятельство определяет необходимость разработки способов прогнозирования тяжести COVID-19 на ранних этапах развития заболевания, в частности, в его начальную стадию и стадию прогрессирования, т.е. в первые 12 суток после появления симптомов болезни.
В настоящее время попытки решения указанной научно-практической проблемы предпринимаются по нескольким направлениям, одним из которых является поиск перспективных прогностических клинико-лабораторных показателей с последующим созданием на их основе разнообразных эмпирических математических моделей прогнозирования тяжести COVID-19 [2].
Известен способ прогнозирования тяжести COVID-19 путем определения в крови пациентов абсолютного содержания лейкоцитов, нейтрофилов, лимфоцитов, соотношения нейтрофилов и лимфоцитов, скорости оседания эритроцитов, а также визуальной оценки поражения легких при их компьютерной томографии [3]. Данный способ позволяет дифференцировать две степени тяжести COVID-19: умеренную, объединяющую легкую и среднюю, и тяжелую. При этом прогнозирование тяжести заболевания производится по каждому лабораторно-инструментальному показателю в отдельности с низкой прогностической ценностью.
Недостатками данного способа являются невозможность прогнозирования тяжести COVID-19 на основе всего комплекса перечисленных лабораторно-инструментальных показателей и связанная с этим низкая точность прогнозных оценок.
Известен способ прогнозирования тяжести COVID-19 путем клинического и лабораторного обследования пациента с регистрацией его пола, возраста, количественного содержания С-реактивного белка и лимфоцитов в крови, а также уровня насыщения крови кислородом [4]. Данный способ также позволяет дифференцировать тяжелую и объединенную умеренную степени тяжести COVID-19 с прогностической ценностью положительного результата (ПЦПР) менее 69% [4].
Недостатком данного способа является низкая точность прогнозирования.
Известен способ прогнозирования тяжести COVID-19 путем количественного определения ферритина в сыворотке крови пациента [5]. Данный способ также позволяет дифференцировать тяжелую и объединенную умеренную степени тяжести COVID-19 с ПЦПР 74,8% [5].
Недостатком данного способа является низкая точность прогнозирования. Данный способ выбран нами в качестве прототипа.
Целью изобретения является разработка способа клинико-лабораторного прогнозирования тяжести COVID-19.
Для достижения указанной цели был проведен ретроспективный пошаговый линейный дискриминантный анализ 20 различных качественных и количественных клинико-лабораторных показателей у 61 пациента с COVID-19, позволивший выделить оптимальную группу показателей, наиболее точно отражающих прогноз тяжести этого заболевания.
В результате заявленная цель достигается тем, что у больного COVID-19 определяют клинико-лабораторные показатели крови и продолжительность заболевания и вычисляют значения функций классификации степеней тяжести COVID-19 по формулам:
KF1=0,1806х1+0,4969x2+0,1130х3+0,0036х4-3,2735,
KF2=0,7264x1+1,0115х2+0,3372х3+0,0119х4-14,8048,
где KF1 - значение функции классификации, соответствующее легкой степени COVID-19; KF2 - значение функции классификации, соответствующее средней или тяжелой степени COVID-19; x1 - продолжительность заболевания, сутки; х2 - относительное содержание моноцитов, %; х3 - относительное содержание палочкоядерных нейтрофилов, %; х4 - количественное содержание ферритина, мкг/л; определяют степень тяжести COVID-19, за которую принимают индекс функции классификации с наибольшим значением.
Для определения точности разработанной дискриминантной модели прогнозирования тяжести COVID-19 было осуществлено ее тестирование на другой выборке из 66 пациентов, не подвергавшейся дискриминантному анализу. Проведенное тестирование показало, что предлагаемый способ безошибочно прогнозирует развитие средней или тяжелой степеней COVID-19 у всех пациентов с данными формами заболевания. Единственная возможная ошибка прогнозирования связана с ложноположительным прогнозированием средней или тяжелой степеней COVID-19 у 3,2% пациентов с легкой формой заболевания. В целом индекс точности прогнозирования тяжести COVID-19 с помощью предлагаемого способа составляет 98,5%, при этом ПЦПР прогнозирования легкой степени тяжести COVID-19 равна 100%), а средней и тяжелой степеней - 96,8%.
Сравнение предлагаемого способа с другими, известными в медицине, показало его соответствие критериям изобретения.
Способ реализуется следующим образом.
1. Проводят клиническое обследование пациента и клинико-лабораторное исследование крови и определяют следующие показатели:
- продолжительность заболевания, сутки;
- относительное содержание моноцитов, %;
- относительное содержание палочкоядерных нейтрофилов, %;
- количественное содержание ферритина, мкг/л.
2. Вычисляют значения функций классификации степеней тяжести COVID-19 по формулам:
KF1=0,1806х1+0,4969x2+0,1130х3+0,0036х4-3,2735,
KF2=0,7264х1+1,0115х2+0,3372х3+0,0119х4-14,8048,
где KF1 - значение функции классификации, соответствующее легкой степени COVID-19; KF2 - значение функции классификации, соответствующее средней и тяжелой степени COVID-19; x1 - продолжительность заболевания, сутки; х2 - относительное содержание моноцитов, %; х3 - относительное содержание палочкоядерных нейтрофилов, %; х4 - количественное содержание ферритина, мкг/л.
3. Прогнозируют степень тяжести COVID-19 у пациента, за которую принимают значение функции классификации с наибольшим значением.
Способ иллюстрируется следующими примерами из клинической практики.
Пример 1. У пациента 72 лет с COVID-19 в начальный период (через 3 суток после появления первых симптомов) при лабораторном исследовании крови определены следующие значения диагностических показателей: относительное содержание моноцитов 3%; относительное содержание палочкоядерных нейтрофилов 2%; количественное содержание ферритина 734,0 мкг/л.
Отсюда значения функций классификации степеней тяжести COVID-19 равняются:
KF1=0,1806⋅3+0,4969⋅3+0,1130⋅2+0,0036⋅734,0-3,2735=1,6347,
KF2=0,7264⋅3+1,0115⋅3+0,3372⋅2+0,0119⋅734,0-14,8048=-0,1821.
Поскольку среди вычисленных функций классификации значение функции KF1=1,6347 является наибольшим, то у данного пациента, несмотря на пожилой возраст, прогнозируют течение заболевания COVID-19 в легкой форме. Это позволило назначить пациенту терапию по алгоритму, предназначенному для ведения больных с легкой формой COVID-19. Впоследствии на основании комплекса клинико-лабораторных показателей у этого пациента была диагностирована легкая степень тяжести COVID-19. Лихорадка не превышала 38°С, отсутствовали одышка и типичные для вирусного поражения изменения при компьютерной томографии легких.
Пример 2. У пациентки 63 лет с COVID-19 на третьи сутки болезни при лабораторном исследовании крови определены следующие значения диагностических показателей: относительное содержание моноцитов 7%; относительное содержание палочкоядерных нейтрофилов 5%; количественное содержание ферритина 936 мкг/л.
Отсюда значения функций классификации степеней тяжести COVID-19 равняются:
KF1=0,1806⋅3+0,4969⋅7+0,1130⋅5+0,0036⋅936-3,2735=4,6903,
KF2=0,7264⋅3+1,0115⋅7+0,3372⋅5+0,0119⋅936-14,8048=7,2793.
Поскольку среди вычисленных функций классификации значение функции KF2=7,2793 является наибольшим, то у данной пациентки была прогнозирована средняя либо тяжелая степень течения COVID-19. Это обусловило ее госпитализацию в стационар и явилось причиной ведения пациента по алгоритму, предназначенному для тяжелой формы COVID-19 с применением блокаторов цитокинового шторма. Впоследствии на основании комплекса клинико-лабораторных показателей у этой пациентки была диагностирована средняя степень COVID-19. В клиническом течении были отмечены повышение температуры тела до 39°С, одышка, средний объем поражения легких при компьютерной томографии. Благодаря своевременному назначению адекватной терапии течение COVID-19 у данного пациента не перешло в тяжелую форму.
Пример 3. У пациентки 61 года с COVID-19 в период прогрессирования (пятые сутки болезни) при лабораторном исследовании крови определены следующие значения диагностических показателей: относительное содержание моноцитов 8%; относительное содержание палочкоядерных нейтрофилов 40%; количественное содержание ферритина 2,84 мкг/л.
Отсюда значения функций классификации степеней тяжести COVID-19 равняются:
KF1=0,1806⋅5+0,4969⋅8+0,1130⋅40+0,0036⋅2,84-3,2735 - 6,0768,
KF2=0,7264⋅5+1,0115⋅8+0,3372⋅40+0,0119⋅2,84-14,8048=10,2724.
Поскольку среди вычисленных функций классификации значение функции KF2=10,2724 является наибольшим, то у данной пациентки была прогнозирована средняя либо тяжелая степень течения COVID-19. Это обусловило ее госпитализацию в стационар и явилось причиной ведения пациента по алгоритму, предназначенному для тяжелой формы COVID-19 с применением блокаторов цитокинового шторма. Впоследствии на основании комплекса клинико-лабораторных показателей у этой пациентки была диагностирована тяжелая степень COVID-19 с развитием одышки с частотой дыхательных движений более 30 в минуту и субтотальным поражением легких при компьютерной томографии. Благодаря своевременному назначению адекватной терапии течение COVID-19 у данного пациента не сопровождалось развитием каких-либо тяжелых осложнений (респираторный дистресс-синдром, острая дыхательная или полиорганная недостаточность, септический шок).
Таким образом, предлагаемый способ позволяет прогнозировать степень тяжесть COVID-19 у пациента с точностью 98,5%. Изобретение целесообразно использовать в клинической практике для раннего прогнозирования тяжести COVID-19.
Источники информации:
1. Qun S, Wang Y, Chen J, Huang X, Guo H, Lu Z, Wang J, Zheng C, Ma Y, Zhu Y, Xia D, Wang Y, He H, Wang Y, Fei M, Yin Y, Zheng M, Xu Y, Ge W, Hu F, Zhou J. Neutrophil-to-Lymphocyte Ratios Are Closely Associated With the Severity and Course of Non-mild COVID-19. Front Immunol. 2020; 11:2160. doi: 10.3389/fimmu.2020.02160.
2. Sun Y, Dong Y, Wang L, Xie H, Li B, Chang C, Wang FS. Characteristics and prognostic factors of disease severity in patients with COVID-19: The Beijing experience. J Autoimmun. 2020; 112:102473. doi: 10.1016/j.jaut.2020.102473.
3. Tan C, Huang Y, Shi F, Tan K, Ma Q, Chen Y, Jiang X, Li X. C-reactive protein correlates with computed tomographic findings and predicts severe COVID-19 early. J Med Virol. 2020; 92(7):856-862. doi: 10.1002/jmv.25871.
4. Li X, Marmar T, Xu Q, Tu J, Yin Y, Tao Q, Chen H, Shen T, Xu D. Predictive indicators of severe COVID-19 independent of comorbidities and advanced age: a nested case-control study. Epidemiol Infect. 2020;148:e255. doi: 10.1017/S0950268820002502.
5. Lin Z, Long F, Yang Y, Chen X, Xu L, Yang M. Serum ferritin as an independent risk factor for severity in COVID-19 patients. J Infect. 2020; 81(4):647-679. doi: 10.1016/j.jinf.2020.06.053
Claims (4)
- Способ клинико-лабораторного прогнозирования тяжести COVID-19, включающий количественное определение ферритина в сыворотке крови и отличающийся тем, что дополнительно определяют продолжительность заболевания, относительное содержание моноцитов и палочкоядерных нейтрофилов, вычисляют значения функций классификации степеней тяжести COVID-19 по формулам:
- KF1=0,1806х1+0,4969х2+0,1130х3+0,0036х4-3,2735,
- KF2=0,7264x1+1,0115x2+0,3372х3+0,0119х4-14,8048,
- где KF1 - значение функции классификации, соответствующее легкой степени COVID-19; KF2 - значение функции классификации, соответствующее средней или тяжелой степени COVID-19; х1 - продолжительность заболевания, сутки; х2 - относительное содержание моноцитов, %; х3 - относительное содержание палочкоядерных нейтрофилов, %; х4 - количественное содержание ферритина, мкг/л; прогнозируют степень тяжести COVID-19 по значению функции классификации с наибольшим значением.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2021115333A RU2754776C1 (ru) | 2021-05-27 | 2021-05-27 | Способ клинико-лабораторного прогнозирования тяжести covid-19 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2021115333A RU2754776C1 (ru) | 2021-05-27 | 2021-05-27 | Способ клинико-лабораторного прогнозирования тяжести covid-19 |
Publications (1)
Publication Number | Publication Date |
---|---|
RU2754776C1 true RU2754776C1 (ru) | 2021-09-07 |
Family
ID=77670326
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2021115333A RU2754776C1 (ru) | 2021-05-27 | 2021-05-27 | Способ клинико-лабораторного прогнозирования тяжести covid-19 |
Country Status (1)
Country | Link |
---|---|
RU (1) | RU2754776C1 (ru) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2764002C1 (ru) * | 2021-08-19 | 2022-01-12 | Государственное бюджетное учреждение здравоохранения города Москвы «Научно-исследовательский институт скорой помощи им. Н.В. Склифосовского Департамента здравоохранения города Москвы» (ГБУЗ "НИИ СП ИМ. Н.В.СКЛИФОСОВСКОГО ДЗМ") | Способ прогнозирования исхода вирусной пневмонии при covid-19 |
RU2766347C1 (ru) * | 2021-07-28 | 2022-03-15 | Федеральное бюджетное учреждение науки "Санкт-Петербургский научно-исследовательский институт эпидемиологии и микробиологии им. Пастера Федеральной службы по надзору в сфере защиты прав потребителей и благополучия человека" (ФБУН НИИ эпидемиологии и микробиологии имени Пастера) | Способ прогнозирования исхода острого заболевания, вызванного новой коронавирусной инфекцией COVID-19 |
RU2774143C1 (ru) * | 2022-02-22 | 2022-06-15 | Федеральное государственное бюджетное учреждение "Национальный медицинский исследовательский центр акушерства, гинекологии и перинатологии имени академика В.И. Кулакова" Министерства здравоохранения Российской Федерации | Способ лабораторной диагностики тяжести COVID-19 по определению соотношения активности фактора Виллебранда и ADAMTS-13 |
-
2021
- 2021-05-27 RU RU2021115333A patent/RU2754776C1/ru active
Non-Patent Citations (8)
Title |
---|
BASTUG A. et al. Clinical and laboratory features of COVID-19: predictors of severe prognosis. Int Immunopharmacol. 2020, 88, p.106950, doi:10.1016/j.intimp.2020.106950. * |
CARUBBI F. et al. Ferritin is associated with the severity of lung involvement but not with worse prognosis in patients with COVID-19: data from two Italian COVID-19 units. Sci Rep. 2021, 11, p.4863, doi:10.1038/s41598-021-83831-8. * |
doi:10.1155/2021/6656092. MCELVANEY O.J. et al. Characterization of the inflammatory response to severe COVID-19 illness. Am J Respir Crit Care Med. 2020, 202(6), p.812-821. * |
GHAITH M.M. et al. Potential predictors of poor prognosis among severe COVID-19 patients: A single-center study. Can J Infect Dis Med Microbiol. 2021, p.6656092. * |
RIZO-TELLEZ S.A. et al. The neutrophil-to-monocyte ratio and lymphocyte-to-neutrophil ratio at admission predict in-hospital mortality in Mexican patients with severe SARS-CoV-2 infection (Covid-19). Microorganisms. 2020, 8(10), p.1560, doi:10.3390/microorganisms8101560. * |
АЛЕКСЕЕВА Е.И. и др. COVID-19-индуцированный "цитокиновый шторм" — особая форма синдрома активации макрофагов. Вестник РАМН. 2021, 76(1), стр.51- 66. * |
БОБКОВА С.С. и др. Критический анализ концепции "цитокиновой бури" у пациентов с новой коронавирусной инфекцией COVID-19. Обзор литературы. Вестник интенсивной терапии им. А.И. Салтанова. 2021, 1, стр.57-68. * |
БОБКОВА С.С. и др. Критический анализ концепции "цитокиновой бури" у пациентов с новой коронавирусной инфекцией COVID-19. Обзор литературы. Вестник интенсивной терапии им. А.И. Салтанова. 2021, 1, стр.57-68. АЛЕКСЕЕВА Е.И. и др. COVID-19-индуцированный "цитокиновый шторм" — особая форма синдрома активации макрофагов. Вестник РАМН. 2021, 76(1), стр.51- 66. CARUBBI F. et al. Ferritin is associated with the severity of lung involvement but not with worse prognosis in patients with COVID-19: data from two Italian COVID-19 units. Sci Rep. 2021, 11, p.4863, doi:10.1038/s41598-021-83831-8. BASTUG A. et al. Clinical and laboratory features of COVID-19: predictors of severe prognosis. Int Immunopharmacol. 2020, 88, p.106950, doi:10.1016/j.intimp.2020.106950. GHAITH M.M. et al. Potential predictors of poor prognosis among severe COVID-19 patients: A single-center study. Can J Infect Dis Med Microbiol. 2021, p.6656092. doi:10.1155/2021/6656092. MCELVANEY O.J. et al. Characterization of the inflam * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2766347C1 (ru) * | 2021-07-28 | 2022-03-15 | Федеральное бюджетное учреждение науки "Санкт-Петербургский научно-исследовательский институт эпидемиологии и микробиологии им. Пастера Федеральной службы по надзору в сфере защиты прав потребителей и благополучия человека" (ФБУН НИИ эпидемиологии и микробиологии имени Пастера) | Способ прогнозирования исхода острого заболевания, вызванного новой коронавирусной инфекцией COVID-19 |
RU2764002C1 (ru) * | 2021-08-19 | 2022-01-12 | Государственное бюджетное учреждение здравоохранения города Москвы «Научно-исследовательский институт скорой помощи им. Н.В. Склифосовского Департамента здравоохранения города Москвы» (ГБУЗ "НИИ СП ИМ. Н.В.СКЛИФОСОВСКОГО ДЗМ") | Способ прогнозирования исхода вирусной пневмонии при covid-19 |
RU2774143C1 (ru) * | 2022-02-22 | 2022-06-15 | Федеральное государственное бюджетное учреждение "Национальный медицинский исследовательский центр акушерства, гинекологии и перинатологии имени академика В.И. Кулакова" Министерства здравоохранения Российской Федерации | Способ лабораторной диагностики тяжести COVID-19 по определению соотношения активности фактора Виллебранда и ADAMTS-13 |
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 |
RU2801269C1 (ru) * | 2022-07-12 | 2023-08-04 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Московский государственный университет имени М.В.Ломоносова"(МГУ) | Способ оценки выраженности воспалительной реакции у пациентов с коронавирусной инфекцией |
RU2812780C1 (ru) * | 2023-03-21 | 2024-02-02 | Федеральное государственное бюджетное учреждение науки Федеральный исследовательский центр комплексного изучения Арктики имени академика Н.П. Лаверова Уральского отделения Российской академии наук, ФГБУН ФИЦКИА УрО РАН | Способ прогнозирования осложнения после covid-19 у лиц с коморбидным фоном в арктическом регионе |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lagadinou et al. | Prognosis of COVID-19: Changes in laboratory parameters | |
Mesas et al. | Predictors of in-hospital COVID-19 mortality: A comprehensive systematic review and meta-analysis exploring differences by age, sex and health conditions | |
Agrawal et al. | Predictive performance of PlGF (placental growth factor) for screening preeclampsia in asymptomatic women: a systematic review and meta-analysis | |
Varikasuvu et al. | D-dimer, disease severity, and deaths (3D-study) in patients with COVID-19: a systematic review and meta-analysis of 100 studies | |
LeTourneau et al. | Extravascular lung water predicts progression to acute lung injury in patients with increased risk | |
Awano et al. | Serum KL-6 level is a useful biomarker for evaluating the severity of coronavirus disease 2019 | |
RU2754776C1 (ru) | Способ клинико-лабораторного прогнозирования тяжести covid-19 | |
Liu et al. | Laboratory findings and a combined multifactorial approach to predict death in critically ill patients with COVID-19: a retrospective study | |
US20210010083A1 (en) | Temporal pediatric sepsis biomarker risk model | |
Stauning et al. | Soluble urokinase plasminogen activator receptor as a decision marker for early discharge of patients with COVID-19 symptoms in the emergency department | |
Ady Wirawan et al. | Cardiovascular risk score and cardiovascular events among airline pilots: a case-control study | |
Muthanna et al. | C-reactive protein in patients with COVID-19: A scoping review | |
Keller et al. | Higher Molecular Injury at Diagnosis of Acute Cellular Rejection Increases the Risk of Lung Allograft Failure: A Clinical Trial | |
Yağmur et al. | Correlation of olfactory dysfunction with lung involvement and severity of COVID-19 | |
Salaffi et al. | Predicting severe/critical outcomes in patients with SARS-CoV2 pneumonia: Development of the prediCtion seveRe/crItical ouTcome in COVID-19 (CRITIC) model | |
Terlecki et al. | Prognostic value of acid-base balance parameters assessed on admission in peripheral venous blood of patients with myocardial infarction treated with percutaneous coronary intervention | |
Topcu et al. | The importance of D-dimer, ferritin, CRP and lymphocyte values in determining mortality in COVID-19 disease in Turkey | |
Xie et al. | Chest CT features and progression of patients with coronavirus disease 2019 | |
Erdoğan et al. | Interleukin-6 level is an independent predictor of right ventricular systolic dysfunction in patients hospitalized with COVID-19 | |
US10261068B2 (en) | Persevere-II: redefining the pediatric sepsis biomarker risk model with septic shock phenotype | |
Rao et al. | Assessment of severity and outcome of critical illness | |
Wang et al. | Association between mean platelet volume and hemorrhagic transformation in acute ischemic stroke patients | |
Gunay et al. | A Nomogram Based on Myocardial Damage and Novel Inflammatory Indexes for Post-Discharge Survival Rates of COVID-19. | |
RU2803002C1 (ru) | Способ прогноза риска летального исхода COVID-19 у пациентов молодого возраста | |
RU2795093C1 (ru) | Способ прогнозирования тяжести течения пневмонии при COVID-19 |