RU2782796C1 - METHOD FOR ASSESSING THE RISK OF DEVELOPING A SEVERE COURSE OF CoVID-19 - Google Patents
METHOD FOR ASSESSING THE RISK OF DEVELOPING A SEVERE COURSE OF CoVID-19 Download PDFInfo
- Publication number
- RU2782796C1 RU2782796C1 RU2022107690A RU2022107690A RU2782796C1 RU 2782796 C1 RU2782796 C1 RU 2782796C1 RU 2022107690 A RU2022107690 A RU 2022107690A RU 2022107690 A RU2022107690 A RU 2022107690A RU 2782796 C1 RU2782796 C1 RU 2782796C1
- Authority
- RU
- Russia
- Prior art keywords
- points
- risk
- covid
- age
- diabetes mellitus
- Prior art date
Links
- 200000000015 coronavirus disease 2019 Diseases 0.000 title claims abstract description 8
- 150000003626 triacylglycerols Chemical class 0.000 claims abstract description 22
- 208000001072 Type 2 Diabetes Mellitus Diseases 0.000 claims abstract description 12
- 210000001624 Hip Anatomy 0.000 claims abstract description 6
- 238000001514 detection method Methods 0.000 claims abstract description 4
- 206010053983 Corona virus infection Diseases 0.000 abstract description 20
- 239000003814 drug Substances 0.000 abstract description 4
- 230000002265 prevention Effects 0.000 abstract description 3
- 238000007374 clinical diagnostic method Methods 0.000 abstract description 2
- 238000011156 evaluation Methods 0.000 abstract 1
- 239000000126 substance Substances 0.000 abstract 1
- 201000010099 disease Diseases 0.000 description 12
- 238000004458 analytical method Methods 0.000 description 7
- 238000002591 computed tomography Methods 0.000 description 6
- 241001678559 COVID-19 virus Species 0.000 description 5
- 230000035945 sensitivity Effects 0.000 description 5
- 102000025380 C-Reactive Protein Human genes 0.000 description 4
- 108010074051 C-Reactive Protein Proteins 0.000 description 4
- 102100020458 HLA-A Human genes 0.000 description 4
- 108010075704 HLA-A Antigens Proteins 0.000 description 4
- 102100020457 HLA-C Human genes 0.000 description 4
- 108010052199 HLA-C Antigens Proteins 0.000 description 4
- 210000000038 chest Anatomy 0.000 description 4
- 206010011224 Cough Diseases 0.000 description 3
- 208000000059 Dyspnea Diseases 0.000 description 3
- 206010013975 Dyspnoeas Diseases 0.000 description 3
- 210000004072 Lung Anatomy 0.000 description 3
- 230000036760 body temperature Effects 0.000 description 3
- 230000003902 lesions Effects 0.000 description 3
- 238000007477 logistic regression Methods 0.000 description 3
- 210000004369 Blood Anatomy 0.000 description 2
- 241000711573 Coronaviridae Species 0.000 description 2
- 241000713772 Human immunodeficiency virus 1 Species 0.000 description 2
- 206010035664 Pneumonia Diseases 0.000 description 2
- 210000002966 Serum Anatomy 0.000 description 2
- 230000001058 adult Effects 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 230000001684 chronic Effects 0.000 description 2
- 230000000875 corresponding Effects 0.000 description 2
- 229920003013 deoxyribonucleic acid Polymers 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 201000009910 diseases by infectious agent Diseases 0.000 description 2
- 238000002955 isolation Methods 0.000 description 2
- 230000003449 preventive Effects 0.000 description 2
- 238000003908 quality control method Methods 0.000 description 2
- 238000002601 radiography Methods 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 230000036387 respiratory rate Effects 0.000 description 2
- 210000001519 tissues Anatomy 0.000 description 2
- 229920000160 (ribonucleotides)n+m Polymers 0.000 description 1
- 102100011726 CHP1 Human genes 0.000 description 1
- 208000008787 Cardiovascular Disease Diseases 0.000 description 1
- 206010057248 Cell death Diseases 0.000 description 1
- 208000006545 Chronic Obstructive Pulmonary Disease Diseases 0.000 description 1
- 208000004981 Coronary Disease Diseases 0.000 description 1
- 239000003154 D dimer Substances 0.000 description 1
- 206010012601 Diabetes mellitus Diseases 0.000 description 1
- 210000004494 Erythroblasts Anatomy 0.000 description 1
- 102000008857 Ferritin Human genes 0.000 description 1
- 108050000784 Ferritin Proteins 0.000 description 1
- 238000008416 Ferritin Methods 0.000 description 1
- 210000003714 Granulocytes Anatomy 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 206010062016 Immunosuppression Diseases 0.000 description 1
- 206010061218 Inflammation Diseases 0.000 description 1
- 208000009856 Lung Disease Diseases 0.000 description 1
- 210000004698 Lymphocytes Anatomy 0.000 description 1
- 208000001145 Metabolic Syndrome Diseases 0.000 description 1
- 210000001616 Monocytes Anatomy 0.000 description 1
- 210000000440 Neutrophils Anatomy 0.000 description 1
- 208000008589 Obesity Diseases 0.000 description 1
- 206010068319 Oropharyngeal pain Diseases 0.000 description 1
- 208000002193 Pain Diseases 0.000 description 1
- 206010056486 Pre-existing disease Diseases 0.000 description 1
- 206010038444 Renal failure chronic Diseases 0.000 description 1
- 208000007056 Sickle Cell Anemia Diseases 0.000 description 1
- 102100016435 TNNI3 Human genes 0.000 description 1
- 101700006104 TNNI3 Proteins 0.000 description 1
- 210000002700 Urine Anatomy 0.000 description 1
- 230000036151 Urine output Effects 0.000 description 1
- 206010047461 Viral infection Diseases 0.000 description 1
- 208000001756 Virus Disease Diseases 0.000 description 1
- 241000700605 Viruses Species 0.000 description 1
- 102000004965 antibodies Human genes 0.000 description 1
- 108090001123 antibodies Proteins 0.000 description 1
- 239000000427 antigen Substances 0.000 description 1
- 102000038129 antigens Human genes 0.000 description 1
- 108091007172 antigens Proteins 0.000 description 1
- 239000000560 biocompatible material Substances 0.000 description 1
- 239000000090 biomarker Substances 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000023555 blood coagulation Effects 0.000 description 1
- 238000010241 blood sampling Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 201000000522 chronic kidney disease Diseases 0.000 description 1
- 201000008739 coronary artery disease Diseases 0.000 description 1
- 230000009089 cytolysis Effects 0.000 description 1
- 230000003247 decreasing Effects 0.000 description 1
- 230000035487 diastolic blood pressure Effects 0.000 description 1
- 229940079593 drugs Drugs 0.000 description 1
- 230000002255 enzymatic Effects 0.000 description 1
- 108010052295 fibrin fragment D Proteins 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000005755 formation reaction Methods 0.000 description 1
- 230000002068 genetic Effects 0.000 description 1
- 238000005534 hematocrit Methods 0.000 description 1
- 230000000004 hemodynamic Effects 0.000 description 1
- 230000003054 hormonal Effects 0.000 description 1
- 230000001506 immunosuppresive Effects 0.000 description 1
- 230000004054 inflammatory process Effects 0.000 description 1
- JVTAAEKCZFNVCJ-UHFFFAOYSA-N lactic acid Chemical compound CC(O)C(O)=O JVTAAEKCZFNVCJ-UHFFFAOYSA-N 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 201000000083 maturity-onset diabetes of the young type 1 Diseases 0.000 description 1
- 238000000034 method Methods 0.000 description 1
- 150000002826 nitrites Chemical class 0.000 description 1
- 210000003924 normoblast Anatomy 0.000 description 1
- 235000020824 obesity Nutrition 0.000 description 1
- 210000000056 organs Anatomy 0.000 description 1
- MYMOFIZGZYHOMD-UHFFFAOYSA-N oxygen Chemical compound O=O MYMOFIZGZYHOMD-UHFFFAOYSA-N 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 230000035935 pregnancy Effects 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 230000001225 therapeutic Effects 0.000 description 1
- OBHRVMZSZIDDEK-UHFFFAOYSA-N urobilinogen Chemical compound CCC1=C(C)C(=O)NC1CC1=C(C)C(CCC(O)=O)=C(CC2=C(C(C)=C(CC3C(=C(CC)C(=O)N3)C)N2)CCC(O)=O)N1 OBHRVMZSZIDDEK-UHFFFAOYSA-N 0.000 description 1
- 230000017613 viral reproduction Effects 0.000 description 1
- 230000003612 virological Effects 0.000 description 1
Images
Abstract
Description
Изобретение относится к области медицины, а именно к клинико-лабораторной диагностике, и может быть использовано для выявления людей с высоким риском тяжелого течения COVID-19, определения необходимости дальнейшего обследования и тактики ведения таких пациентов.The invention relates to medicine, namely to clinical and laboratory diagnostics, and can be used to identify people at high risk of severe COVID-19, to determine the need for further examination and management of such patients.
Новый коронавирус SARS-CoV-2, был идентифицирован китайскими учеными в 2020 году и получил название COVID-2019 (COrona Virus Disease 2019, коронавирусная болезнь 2019 г.), а вызывающий ее вирус был переименован в SARS-CoV-2 (Severe acute respiratory syndrome coronavirus 2) [1, 2].The novel coronavirus SARS-CoV-2 was identified by Chinese scientists in 2020 and named COVID-2019 (COrona Virus Disease 2019, coronavirus disease 2019), and the virus that causes it was renamed SARS-CoV-2 (Severe acute respiratory syndrome coronavirus 2) [1, 2].
Как и при других заболеваниях, существуют характеристики пациента, которые влияют на клинический риск и определяют тяжесть течения заболевания. Известно, что наличие метаболического синдрома является независимым фактором риска госпитализации во время COVID-19 [3].As with other diseases, there are patient characteristics that influence clinical risk and determine the severity of the disease. The presence of metabolic syndrome is known to be an independent risk factor for hospitalization during COVID-19 [3].
Ранее существовавшие заболевания, такие как сердечно-сосудистые заболевания, хронические заболевания почек, хронические заболевания легких (особенно ХОБЛ), сахарный диабет, гипертония, иммуносупрессия, ожирение и серповидноклеточная болезнь, предрасполагают пациентов к неблагоприятному клиническому течению короновирусной инфекции [4].Pre-existing diseases such as cardiovascular disease, chronic kidney disease, chronic lung disease (especially COPD), diabetes mellitus, hypertension, immunosuppression, obesity, and sickle cell disease predispose patients to an unfavorable clinical course of coronovirus infection [4].
Известны лабораторные маркеры, которые могут предсказывать прогноз COVID-19 [5]. Известно, что повышенные уровни D-димера, С-реактивного белка (СРБ), ЛДГ и высокочувствительного сердечного тропонина I, как правило, связаны с неблагоприятными исходами COVID -19.Laboratory markers are known that can predict the prognosis of COVID-19 [5]. Elevated levels of D-dimer, C-reactive protein (CRP), LDH, and highly sensitive cardiac troponin I are known to be generally associated with poor outcomes of COVID-19.
Недостатком данного метода прогнозирования оценки риска развития тяжелого течения коронавирусной инфекции является то, что один маркер не способен дать полное представление о рисках в каждом конкретном случае. К тому же, использование лабораторных показателей, отражающих воспаление, состояние свертывающей системы крови и цитолиз возможно только в специализированных медицинских учреждениях, при этом их нельзя использовать для определения групп риска и проведения профилактических мероприятий пациентов, реконвалесцентов COVID-19.The disadvantage of this method of predicting the risk of developing a severe course of coronavirus infection is that one marker is not able to give a complete picture of the risks in each case. In addition, the use of laboratory indicators reflecting inflammation, the state of the blood coagulation system and cytolysis is possible only in specialized medical institutions, and they cannot be used to determine risk groups and carry out preventive measures for patients who are COVID-19 convalescents.
Известен «Способ экспресс-оценки изменений легочной ткани при COVID-19 без применения компьютерной томографии органов грудной клетки», патент RU №2742429 (А61В 5/00, G01N 33/50), включающий определение комплекса диагностически значимых показателей: измерение уровня биомаркеров в образце биологических жидкостей - крови и моче, полученных у субъекта; физикальное обследование; сбор анамнеза: тяжесть состояния пациента, частота дыхания, наличие отдышки или затрудненного дыхания, температура тела, наличие чувства заложенности в грудной клетке, наличие слабости и/или чувства ломоты, наличие кашля, тип кашля, пол обследуемого, возраст обследуемого, ишемическая болезнь сердца, отнесение обследуемого к группе риска: наличие хронических заболеваний, и/или наличие беременности, и/или возраст 65 лет и старше, а также количественные показатели антител IgG и IgM к SARS-CoV-2, C-реактивного белка, абсолютное число лимфоцитов, абсолютное число гранулоцитов, абсолютное число нормобластов, СОЭ по Вестергрену, RDW, гематокрит, антиген р24 HIV-1 и/или антитело HIV-1/2, уробилиноген, нитриты. Затем совокупность полученных данных для определения изменений легочной ткани обрабатывают с использованием, по меньшей мере, одной классификационной модели, в качестве классификационных моделей может быть использован, например, метод «случайного леса» (random forest).Known "Method for rapid assessment of changes in lung tissue in COVID-19 without the use of computed tomography of the chest", patent RU No. 2742429 (A61B 5/00, G01N 33/50), including the determination of a set of diagnostically significant indicators: measuring the level of biomarkers in the sample biological fluids - blood and urine obtained from the subject; physical examination; history taking: the severity of the patient's condition, respiratory rate, the presence of shortness of breath or shortness of breath, body temperature, the presence of a feeling of congestion in the chest, the presence of weakness and / or feelings of aches, the presence of cough, type of cough, sex of the subject, age of the subject, coronary heart disease, assignment of the subject to the risk group: the presence of chronic diseases, and / or the presence of pregnancy, and / or the age of 65 years and older, as well as quantitative indicators of IgG and IgM antibodies to SARS-CoV-2, C-reactive protein, absolute number of lymphocytes, absolute granulocyte count, absolute normoblast count, Westergren ESR, RDW, hematocrit, HIV-1 p24 antigen and/or HIV-1/2 antibody, urobilinogen, nitrites. Then the set of data obtained to determine changes in lung tissue is processed using at least one classification model, as classification models can be used, for example, the method of "random forest" (random forest).
Недостатками данного способа являются трудоемкость и длительность, связанные со сбором большого количества диагностически значимых показателей и их обработкой.The disadvantages of this method are the complexity and duration associated with the collection of a large number of diagnostically significant indicators and their processing.
Известен «Способ оценки риска развития тяжелой формы COVID-19», патент RU №2747097, (G01N 33/569, C12Q 1/6858, C12Q 1/6874. C12Q 1/70), включающий забор биологического материала, выделение геномной ДНК, генотипирование аллелей генов HLA-A, HLA-C и прогнозирование по полученным данным риска развития тяжелой формы COVID-19. Результаты генотипирования обрабатывают с использованием метода главных компонент. Для каждого аллеля определяют значения 2-й и 3-й главных компонент гена HLA-A и значения 4-й главной компоненты гена HLA-C из базы данных (БД) аллелей генов HLA-A, HLA-C, предварительно определенных для популяции, в которую входит исследуемый индивидуум, и содержащей значения упомянутых главных компонент аллелей соответствующих генов. Все значения главных компонент суммируют. Значение полученной суммы нормируют, определяют пороговое значение. Прогнозируют риск тяжелого течения COVID-19 при получении нормированного значения суммы выше порогового значения.Known "Method for assessing the risk of developing a severe form of COVID-19", patent RU No. 2747097, (G01N 33/569,
Недостатками данного способа являются трудоемкость и длительность, связанные с выделением геномной ДНК и генотипированием аллелей генов HLA-A, HLA-C, а также использование дорогостоящего оборудования, необходимость участия высококвалифицированных специалистов для выполнения сложных исследований, что вносит ограничения по внедрению данного способа в реальную клиническую практику.The disadvantages of this method are the complexity and duration associated with the isolation of genomic DNA and genotyping of alleles of the HLA-A, HLA-C genes, as well as the use of expensive equipment, the need for the participation of highly qualified specialists to perform complex studies, which limits the implementation of this method in real clinical practice. practice.
Известен «Способ клинико-лабораторного прогнозирования тяжести COVID-19», патент RU №2754776 (G01N 33/49, G01N 33/90), в котором путем количественного определения ферритина в сыворотке крови, определения продолжительности заболевания, относительного содержания моноцитов и палочкоядерных нейтрофилов вычисляют значения функций классификации по определенным формулам и по наибольшему значению прогнозируют у пациента степень тяжести течения COV1D - 19.Known "Method of clinical and laboratory prediction of the severity of COVID-19", patent RU No. 2754776 (G01N 33/49, G01N 33/90), in which, by quantitative determination of ferritin in blood serum, determining the duration of the disease, the relative content of monocytes and stab neutrophils, the values of the classification functions according to certain formulas and the highest value predict the severity of the course of COV1D - 19 in a patient.
Недостатком данного способа является сложность и длительность вычисления по определенным формулам.The disadvantage of this method is the complexity and duration of the calculation for certain formulas.
Задачей заявленного изобретения является создание неинвазивного, доступного и недорогого способа оценки риска развития тяжелого течения COVID-19 у мужчин и женщин, что может быть использовано для определения тактики ведения пациентов и ранней профилактики осложнений коронавирусной инфекции в группе риска.The objective of the claimed invention is to create a non-invasive, affordable and inexpensive method for assessing the risk of developing a severe course of COVID-19 in men and women, which can be used to determine the tactics of patient management and early prevention of complications of coronavirus infection in the risk group.
Сущность данного способа заключается в том, что у пациента определяют уровень триглицеридов (ТГ) и клинико-анамнестические данные: окружность талии (ОТ), наличие сахарного диабета 2 типа и возраст; полученные данные оценивают с использованием бальной шкалы: выявление ТГ<150 мг/дл (1,7 ммоль/л) - 0 баллов, ТГ≥150 мг/дл (1,7 ммоль/л) - 5 баллов; ОТ<102 см у мужчин или <88 см у женщин - 0 баллов, ОТ≥102 см у мужчин или ≥88 см у женщин - 4 балла; отсутствие сахарного диабета 2 типа - 0 баллов, наличие сахарного диабета 2 типа - 5 баллов; возраст < 55 лет - 0 баллов, возраст ≥ 55 лет - 1 балл, полученные баллы суммируют и при сумме баллов ≤5 баллов судят о низком риске, а при сумме баллов > 5 баллов судят о высоком риске развития тяжелого течения COVID-19.The essence of this method lies in the fact that the patient determines the level of triglycerides (TG) and clinical and anamnestic data: waist circumference (OT), the presence of type 2 diabetes and age; the data obtained are evaluated using a scoring scale: detection of TG<150 mg/dl (1.7 mmol/l) - 0 points, TG≥150 mg/dl (1.7 mmol/l) - 5 points; OT<102 cm in men or <88 cm in women - 0 points, OT≥102 cm in men or ≥88 cm in women - 4 points; the absence of type 2 diabetes mellitus - 0 points, the presence of type 2 diabetes mellitus - 5 points; age < 55 years - 0 points, age ≥ 55 years - 1 point, the points obtained are summed up and with a score of ≤5 points they judge a low risk, and with a score of > 5 points they judge a high risk of developing a severe course of COVID-19.
Заявленный способ осуществляется следующим образом.The claimed method is carried out as follows.
Заявленный способ разработан на основании исследований, проведенных на базе Научно-исследовательскою института терапии и профилактической медицины - филиала Федерального государственного бюджетного научного учреждения «Федеральный исследовательский центр Институт цитологии и генетики СО РАН» (НИИТПМ - филиал ИЦиГ СО РАН).The claimed method was developed on the basis of studies conducted on the basis of the Research Institute of Therapy and Preventive Medicine - a branch of the Federal State Budgetary Scientific Institution "Federal Research Center Institute of Cytology and Genetics SB RAS" (NIITPM - branch of ICG SB RAS).
На начальном этапе был проведен анализ более 50 лабораторных, инструментальных и антропометрических параметров и выбраны 4 параметра, которые наиболее статистически значимые (при сравнении групп) и наиболее простые для определения на амбулаторном этапе.At the initial stage, more than 50 laboratory, instrumental and anthropometric parameters were analyzed and 4 parameters were selected that are the most statistically significant (when comparing groups) and the easiest to determine at the outpatient stage.
Предлагаемый способ был разработан на основе исследования группы - реконвалесцентов новой коронавирусной инфекции.The proposed method was developed on the basis of a study of a group of convalescents of a new coronavirus infection.
В группу вошли пациенты, соответствующие следующим критериям.The group included patients who met the following criteria.
1. Подписание информированного согласия на участие в исследовании.1. Signing informed consent to participate in the study.
2. Наличие инфекции COVID-19, подтвержденное положительным анализом - РНК-коронавируса SARS-COV-2 методом ПЦР во время заболевания и/или наличием антител IgG к коронавирусу SARS-CoV-2.2. The presence of COVID-19 infection, confirmed by a positive analysis - SARS-COV-2 RNA coronavirus by PCR during the disease and / or the presence of IgG antibodies to SARS-CoV-2 coronavirus.
3. Два месяца после реконвалесценции.3. Two months after convalescence.
На первом этапе пациентам проводился забор цельной венозной крови для определения триглицеридов (ТГ). Биохимические исследования проводились в лаборатории клинических биохимических и гормональных исследований терапевтических заболеваний НИИТПМ - филиал ИЦиГ СО РАН. С использованием наборов «Thermo Fisher Scientific (Финляндия) на биохимическом анализаторе «Konelab Prime 30i» (Thermo Fisher Scientific, Финляндия) определялась концентрации триглицеридов прямым энзиматическим методом. Стандартизация и контроль качества результатов биохимических исследований выполняется в лаборатории ежегодно в соответствии с требованиями «Федеральной системы внешнего контроля качества клинических лабораторных исследований».At the first stage, patients were taken whole venous blood for the determination of triglycerides (TG). Biochemical studies were carried out in the laboratory of clinical biochemical and hormonal studies of therapeutic diseases NIITPM - a branch of the ICG SB RAS. Triglyceride concentrations were determined by the direct enzymatic method using the Thermo Fisher Scientific kits (Finland) on the Konelab Prime 30i biochemical analyzer (Thermo Fisher Scientific, Finland). Standardization and quality control of the results of biochemical studies is carried out in the laboratory annually in accordance with the requirements of the Federal System for External Quality Control of Clinical Laboratory Research.
Второй этап проходил через месяц после забора крови и включал в себя проведение антропометрии с использованием механического ростомера, напольных весов, сантиметровой ленты. Окружность талии (ОТ) измерялась в средней точке между нижним краем последнего прощупываемого ребра и верхней части гребня подвздошной кости в соответствии с протоколом сбора данных Всемирной организации здравоохранения (ВОЗ). Также, каждый пациент проходил анкетирование. Обследование пациентов проводилось стандартизованной бригадой скрининга.The second stage took place a month after blood sampling and included anthropometry using a mechanical height meter, floor scales, and a centimeter tape. Waist circumference (WC) was measured at the midpoint between the inferior border of the last palpable rib and the superior iliac crest, according to the World Health Organization (WHO) data collection protocol. Also, each patient underwent a questionnaire. Patients were examined by a standardized screening team.
После прохождения двух этапов обследования пациенты были разделены на три группы по анамнезу в соответствии с тяжестью течения у них новой коронавирусной инфекции по российским методическим рекомендациям «Временные методические рекомендации. Профилактика, диагностика и лечение новой коронавирусной инфекции (COVID-t9)» от 17.11.2021.After passing through two stages of the examination, the patients were divided into three groups according to their anamnesis in accordance with the severity of their new coronavirus infection according to the Russian guidelines “Temporary Guidelines. Prevention, diagnosis and treatment of a new coronavirus infection (COVID-t9)” dated 11/17/2021.
В 1-ю группу были включены 128 пациентов с легким течением коронавирусной инфекции (температура тела <38°С, кашель, слабость, боли в горле, отсутствие критериев среднетяжелого и тяжелого течения).
Во 2-ю группу были включены 128 пациентов со среднетяжелым течением коронавирусной инфекции (температура тела >38°С, ЧДД > 22/мин, одышка при физических нагрузках, изменения при компьютерной томографии (КТ) или рентгенографии, типичные для вирусного поражения (объем поражения минимальный или средний: КТ 1-2), SpO2 < 95%, СРБ сыворотки крови > 10 мг/л).Group 2 included 128 patients with a moderate course of coronavirus infection (body temperature >38°C, respiratory rate > 22/min, dyspnea during physical exertion, changes in computed tomography (CT) or radiography typical of a viral infection (lesion volume minimal or moderate: CT 1-2), SpO2 < 95%, serum CRP > 10 mg/l).
В 3-ю группу были включены 14 пациентов с тяжелым течением коронавирусной инфекции (ЧДД > 30/мин, SpO2 ≤ 93%, PaO2/FiO2 ≤ 300 мм рт.ст., снижение уровня сознания, ажитация, нестабильная гемодинамика (систолическое АД менее 90 мм рт.ст. или диастолическое АД менее 60 мм рт.ст., диурез менее 20 мл/час), изменения в легких при компьютерной томографии или рентгенографии, типичные для вирусного поражения (объем поражения значительный или субтотальный: КТ 3-4), лактат артериальной крови > 2 ммоль/л, qSOFA > 2 балла) [6].Group 3 included 14 patients with a severe course of coronavirus infection (RR > 30/min, SpO2 ≤ 93%, PaO2/FiO2 ≤ 300 mm Hg, decreased level of consciousness, agitation, unstable hemodynamics (systolic BP less than 90 mm Hg or diastolic blood pressure less than 60 mm Hg, urine output less than 20 ml/hour), changes in the lungs on computed tomography or radiography, typical of a viral lesion (the volume of the lesion is significant or subtotal: CT 3-4), arterial blood lactate > 2 mmol/l, qSOFA > 2 points) [6].
Статистическая обработка полученных результатов выполнялась с использованием пакета программ SPSS (версия 20.0). Статистические оценки включали: дескриптивный анализ числовых характеристик признаков (медиана (Me), квартили [25; 75]), критерии оценки статистических гипотез (непараметрический критерий Манна-Уитни для сравнения групп). Оценку относительного шанса тяжелого течения коронавирусной инфекции вычисляли с помощью логистического регрессионною анализа. Для определения порогового значения выдвигаемой шкалы риска использовался ROC анализ с определением чувствительности и специфичности заявленного метода. За критический уровень значимости при проверке статистических гипотез принимали р<0,05.Statistical processing of the obtained results was performed using the SPSS software package (version 20.0). Statistical assessments included: descriptive analysis of the numerical characteristics of features (median (Me), quartiles [25; 75]), criteria for evaluating statistical hypotheses (nonparametric Mann-Whitney test for comparing groups). The relative chance of a severe course of coronavirus infection was calculated using logistic regression analysis. To determine the threshold value of the proposed risk scale, ROC analysis was used to determine the sensitivity and specificity of the proposed method. P<0.05 was taken as the critical level of significance when testing statistical hypotheses.
За рекомендуемые значения при формировании групп пациентов были приняты следующие значения согласно мировым клиническим рекомендациям:The following values were taken as recommended values in the formation of patient groups according to global clinical guidelines:
- для уровня триглицеридов (ТГ): группы пациентов с уровнем ТГ≥50 мг/дл (1,7 ммоль/л) и ТГ<150 мг/дл (1,7 ммоль/л) [7];- for the level of triglycerides (TG): groups of patients with TG levels ≥50 mg/dL (1.7 mmol/L) and TG<150 mg/dL (1.7 mmol/L) [7];
- для окружности талии (ОТ): группы пациентов с ОТ<102 см для мужчин и ОТ<88 см для женщин и группы пациентов с ОТ≥102 см для мужчин и ОТ≥88 см для женщин [8];- for waist circumference (WC): groups of patients with WC<102 cm for men and WC<88 cm for women and groups of patients with WC≥102 cm for men and WC≥88 cm for women [8];
- для возраста были сформированы группы следующим образом: пациентов с возрастом ≥55 лет и пациенты с возрастом <55 лет (для определения отрезной точки в 55 лет был проведен ROC анализ для данного показателя, за отрезную точку взят возраст 55 лет.- for age, groups were formed as follows: patients with an age of ≥55 years and patients with an age of <55 years (to determine the cut-off point at 55 years, an ROC analysis was performed for this indicator, the age of 55 years was taken as the cut-off point.
Был проведен анализ различий между группами исследования по лабораторным и инструментальным показателям. В таблице 1 представлены значения изучаемых показателей в зависимости от тяжести течения COVID-19.An analysis was made of the differences between the study groups in terms of laboratory and instrumental indicators. Table 1 presents the values of the studied indicators depending on the severity of the course of COVID-19.
Анализ ассоциаций факторов риска и тяжести COVID-19 в исследуемой группе пациентов проведен как унивариантным, так и мультивариантым регрессионным анализом с учетом возраста и пола.The analysis of associations of risk factors and severity of COVID-19 in the studied group of patients was carried out by both univariate and multivariate regression analysis, taking into account age and gender.
Оценка отдельных факторов риска позволила выявить статистически значимую связь тяжелого течения COVID-19 в зависимости от возраста, наличия сахарного диабета 2 типа в анамнезе, уровня триглицеридов, окружности талии.The assessment of individual risk factors revealed a statistically significant relationship between the severe course of COVID-19 depending on age, the presence of type 2 diabetes mellitus in history, triglyceride levels, and waist circumference.
Данные унивариантного, так и мультивариантого регрессионного анализа с учетом возраста и пола представлены в таблице №2.The data of univariate and multivariate regression analysis taking into account age and gender are presented in Table 2.
Для количественного определения риска тяжелого течения коронавирусной инфекции были взяты баллы, соответствующие значению экспоненты отдельного коэффициента показателя, взятого из модели логистического регрессионного анализа (которое интерпретируется как отношение шансов):To quantify the risk of a severe course of coronavirus infection, scores were taken corresponding to the value of the exponent of a separate indicator coefficient taken from the logistic regression analysis model (which is interpreted as an odds ratio):
- ТГ≥150 мг/дл (1,7 ммоль/л) - 5 баллов.- TG≥150 mg / dl (1.7 mmol / l) - 5 points.
- выявление ТГ<150 мг/дл (1,7 ммоль/л) - 0 баллов;- detection of TG<150 mg/dl (1.7 mmol/l) - 0 points;
- ОТ<102 см у мужчин или ОТ<88 см у женщин - 0 баллов,- OT<102 cm in men or OT<88 cm in women - 0 points,
- ОТ≥102 см у мужчин или ОТ≥88 см у женщин - 4 балла;- OT≥102 cm in men or OT≥88 cm in women - 4 points;
- отсутствие сахарного диабета 2 типа - 0 баллов;- no type 2 diabetes mellitus - 0 points;
- наличие сахарного диабета 2 типа - 5 баллов;- the presence of diabetes mellitus type 2 - 5 points;
- возраст <55 лет - 0 баллов;- age <55 years - 0 points;
- возраст ≥55 лет - 1 балл;- age ≥55 years - 1 point;
Суммарное число баллов, рассчитанное индивидуально для каждого пациента, исходя из его показателей, составляет предлагаемую шкалу риска тяжелого течения коронавирусной инфекции. Максимальное суммарное число баллов по созданной шкале риска тяжелого течения новой коронавирусной инфекции COV1D-19 составляет 15 баллов.The total number of points calculated individually for each patient, based on his performance, is the proposed risk scale for a severe course of coronavirus infection. The maximum total number of points on the created risk scale for the severe course of a new coronavirus infection COV1D-19 is 15 points.
Для оценки информативности и разрешающей способности диагностического теста (шкалы риска) проводился ROC анализ и оценка чувствительности (Se), которая определяется как доля пациентов, действительно имеющих заболевание среди тех, у кого гест был положительным (высокий риск), и специфичности (Sp), которая определяется как доля людей, не имеющих заболевания среди всех, у кого тест оказался отрицательным (низкий риск).To assess the information content and resolution of the diagnostic test (risk scale), ROC analysis was performed and sensitivity (Se) was assessed, which is defined as the proportion of patients who actually have a disease among those who had a positive Gest (high risk), and specificity (Sp), which is defined as the proportion of people who do not have the disease among those who test negative (low risk).
Критерием выбора оптимального порога отсечения шкалы риска тяжелого течения COV1D-19 (суммарного числа баллов), влияющего на соотношение чувствительности и специфичности модели, взято требование максимальной суммарной Se и Sp, при этом пороговое значение шкалы составило 5 баллов.The criterion for choosing the optimal cut-off threshold for the severe COV1D-19 risk scale (total number of points), which affects the ratio of sensitivity and specificity of the model, was the requirement of the maximum total Se and Sp, while the threshold value of the scale was 5 points.
Данный показатель имеет чувствительность (Se) 78,6% и специфичность (Sp) 69,1%, что говорит о хорошем качестве модели, таблица №4.This indicator has a sensitivity (Se) of 78.6% and a specificity (Sp) of 69.1%, which indicates a good quality of the model, table No. 4.
На фиг. 1 приведена ROC кривая для идентификации риска тяжелого течения новой коронавирусной инфекции COVID-19, площадь под кривой (AUC)-0,793, (р<0,001) (что также свидетельствует о хорошем качестве модели).In FIG. Figure 1 shows the ROC curve for identifying the risk of a severe course of a new coronavirus infection COVID-19, area under the curve (AUC) -0.793, (p<0.001) (which also indicates the good quality of the model).
Следующим этапом был проведен расчет позитивной предсказательной ценности модели - 22,4% и отрицательной предсказательной ценности модели - 99,6%.The next step was to calculate the positive predictive value of the model - 22.4% and the negative predictive value of the model - 99.6%.
Сущность заявленного способа поясняется следующими примерами.The essence of the claimed method is illustrated by the following examples.
Для формирования примеров была сформирована группа, 80 человек, сопоставимых с изучаемой группой по возрасту (55,8±8,9) и полу - случайная выборка популяции г. Новосибирска. В этой случайной выборке у пациентов так же определялись биохимические показатели, проводилась антропометрия, был установлен диагноз коронавирусной инфекции и тяжесть ее течения в соответствии с действующими клиническими рекомендациями [6].To form examples, a group was formed, 80 people comparable with the study group in terms of age (55.8±8.9) and a semi-random sample of the population of Novosibirsk. In this random sample, biochemical parameters were also determined in patients, anthropometry was performed, the diagnosis of coronavirus infection and the severity of its course were established in accordance with current clinical guidelines [6].
Пример 1. Мужчина, 60 лет. Пациент перенес COVID-19 в тяжелой форме с пневмонией по данным МСКТ органов грудной клетки, был госпитализирован в отделение интенсивной терапии, госпитализация составила 21 день.Example 1. Man, 60 years old. The patient had a severe form of COVID-19 with pneumonia according to MSCT of the chest, was hospitalized in the intensive care unit, hospitalization was 21 days.
Вывод: Суммарное число баллов более 5 (10 баллов), полученное согласно оценке факторов риска по предложенному способу, позволяет прогнозировать высокий риск тяжелого течения COVID-19.Conclusion: The total score of more than 5 (10 points), obtained according to the assessment of risk factors by the proposed method, allows us to predict a high risk of severe COVID-19.
Пример 2. Женщина, 67 лет. Пациентка перенесла COVID-19 в тяжелой форме с пневмонией по МСКТ органов грудной клетки, находилась на кислородной поддержке.Example 2. Woman, 67 years old. The patient suffered from severe COVID-19 with pneumonia according to MSCT of the chest organs, was on oxygen support.
Вывод: Суммарное число баллов более 5 (10 баллов), полученное согласно оценке факторов риска по предложенному способу, позволяет прогнозировать высокий риск тяжелого течения новой коронавирусной инфекции.Conclusion: The total score of more than 5 (10 points), obtained according to the assessment of risk factors for the proposed method, allows us to predict a high risk of a severe course of a new coronavirus infection.
Пример 3. Женщина, 54 года. Пациентка перенесла COVID-19 в легкой форме.Example 3. Woman, 54 years old. The patient suffered from COVID-19 in a mild form.
Вывод: Суммарное число баллов 5 баллов, полученное согласно оценке факторов риска по предложенному способу, позволяет прогнозировать низкий риск тяжелого течения новой коронавирусной инфекции.Conclusion: The total score of 5 points obtained according to the assessment of risk factors for the proposed method allows us to predict a low risk of a severe course of a new coronavirus infection.
Пример 4. Мужчина, 60 лет.Пациент перенес COVID-19 в легкой форме, лечился амбулаторно не более 10 дней.Example 4. Man, 60 years old. The patient suffered from COVID-19 in a mild form, was treated on an outpatient basis for no more than 10 days.
Вывод: Суммарное число баллов менее 5 (1 балл), полученное согласно оценке факторов риска по предложенному способу, позволяет прогнозировать низкий риск тяжелого течения новой коронавирусной инфекции.Conclusion: The total number of points less than 5 (1 point), obtained according to the assessment of risk factors for the proposed method, allows us to predict a low risk of a severe course of a new coronavirus infection.
На группе сравнения нами была проведена валидизация предлагаемой шкалы риска тяжелого течения COVID-19. При пороговом отсечении рассматриваемой шкалы относительного шанса наличия тяжелого течения коронавирусной инфекции в 5 баллов, чувствительность и специфичность составила (Se) 50,0%, (Sp) 83,7%, соответственно (табл. 5).In the comparison group, we validated the proposed risk scale for severe COVID-19. With a threshold cutoff of the considered scale of the relative chance of having a severe course of coronavirus infection of 5 points, sensitivity and specificity were (Se) 50.0%, (Sp) 83.7%, respectively (Table 5).
На фиг. 2 приведена ROC кривая для идентификации риска тяжелого течения коронавирусной инфекции в группе сравнения, площадь под кривой (AUC)-0,821 (р=0,001).In FIG. Figure 2 shows the ROC curve for identifying the risk of a severe course of coronavirus infection in the comparison group, area under the curve (AUC)-0.821 (p=0.001).
Предлагаемый способ прост в применении как на амбулаторном, так и на госпитальном этапе, интерпретация результатов не требует длительных затрат времени и не зависит от меняющихся условий реальной клинической практики. Способ является малоинвазивным, экономически выгодным и доступным для проведения на амбулаторном этапе.The proposed method is easy to use both at the outpatient and hospital stages, the interpretation of the results does not require a long investment of time and does not depend on the changing conditions of real clinical practice. The method is minimally invasive, cost-effective and available for outpatient procedures.
Таким образом, предложенная шкала оценки риска развития тяжелого течения COVID-19, позволит на начальном этапе заболевания выявить пациентов с высоким риском развития тяжелого течения заболевания, ускорить темпы обследований, определить выбор тактики лечения.Thus, the proposed scale for assessing the risk of developing a severe course of COVID-19 will allow, at the initial stage of the disease, to identify patients with a high risk of developing a severe course of the disease, accelerate the pace of examinations, and determine the choice of treatment tactics.
Модель 1 - однофакторный логистический регрессионный анализ.
Модель 2 - каждый параметр стандартизован по возрасту.Model 2 - each parameter is standardized by age.
Модель 3 - каждый параметр стандартизован по полу.Model 3 - each parameter is standardized by sex.
Модель 4 - каждый параметр стандартизован по полу и возрасту.Model 4 - each parameter is standardized by sex and age.
Список литературыBibliography
1. WHO. Country & Technical Guidance - Coronavirus disease (COVID-19). URL: https://www.who.int/emergencies/diseases/novel-coronavirus-2019/technical-guidance/ naming-thecoronavirus-disease-(covid-2019)-and-the-virus-that-causes-it.1. WHO. Country & Technical Guidance - Coronavirus disease (COVID-19). URL: https://www.who.int/emergencies/diseases/novel-coronavirus-2019/technical-guidance/naming-thecoronavirus-disease-(covid-2019)-and-the-virus-that-causes-it.
2. Каштанова E.B., Шахтшнейдер И.В., Кручинина M.B., Логвиненко И.И., Стрюкова Е.В., Рагино Ю.И. Биохимические, молекулярно-генетические и клинические аспекты COVID-2019. Бюллетень сибирской медицины. 2021; 20(1): 147-157. https://doi.org/10.20538/1682-0363-2021-1-147-157.2. Kashtanova E.V., Shakhtshneider I.V., Kruchinina M.V., Logvinenko I.I., Stryukova E.V., Ragino Yu.I. Biochemical, molecular genetic and clinical aspects of COVID-2019. Bulletin of Siberian medicine. 2021; 20(1): 147-157. https://doi.org/10.20538/1682-0363-2021-1-147-157.
3. Ciceri F, Castagna A, Rovere-Querini Р, et at. Early predictors of clinical outcomes of COVID-19 outbreak in Milan, Italy. Clin Immunol. 2020; 217:108509 10.1016/j.clim.2020.108509.3. Ciceri F, Castagna A, Rovere-Querini P, et at. Early predictors of clinical outcomes of COVID-19 outbreak in Milan, Italy. Clinic Immunol. 2020; 217:108509 10.1016/j.clim.2020.108509.
4. Zhou F, Yu T, Du R, et al. Clinical course and risk factors for mortality of adult inpatients with COVID-19 in Wuhan, China: a retrospective cohort study. Lancet. 2020; 395:1054 10.1016/S0140-6736(20)30566-3.4 Zhou F, Yu T, Du R, et al. Clinical course and risk factors for mortality of adult inpatients with COVID-19 in Wuhan, China: a retrospective cohort study. Lancet. 2020; 395:1054 10.1016/S0140-6736(20)30566-3.
5. Zhou F, Yu T, Du R, et al. Clinical course and risk factors for mortality of adult inpatients with COVID-19 in Wuhan, China: a retrospective cohort study [published correction appears in Lancet. 2020 Mar 28; 395(10229):1038] [published correction appears in Lancet. 2020 Mar 28; 395(10229):1038]. Lancet. 2020; 395(10229):1054-1062. doi:10.1016/S0140-6736(20)30566-3.5 Zhou F, Yu T, Du R, et al. Clinical course and risk factors for mortality of adult inpatients with COVID-19 in Wuhan, China: a retrospective cohort study [published correction appears in Lancet. 2020 Mar 28; 395(10229):1038] [published correction appears in Lancet. 2020 Mar 28; 395(10229):1038]. Lancet. 2020; 395(10229):1054-1062. doi:10.1016/S0140-6736(20)30566-3.
6. Авдеев С.H. и др. Временные методические рекомендации. Профилактика, диагностика и лечение новой коронавирусной инфекции (COVID-19). Министерство здравоохранения Российской Федерации. Версия 7.17.11.2021 г//Министерство здравоохранения РФ. - 2021.6. Avdeev S.H. etc. Temporary guidelines. Prevention, diagnosis and treatment of novel coronavirus infection (COVID-19). Ministry of Health of the Russian Federation. Version 7.17.11.2021 / / Ministry of Health of the Russian Federation. - 2021.
7. Кухарчук, В.В., et al. "Диагностика и коррекция нарушений липидного обмена с целью профилактики и лечения атеросклероза. Российские рекомендации, VII пересмотр." Атеросклероз и дислипидемии 11.1 (38) (2020).7. Kukharchuk, V.V., et al. "Diagnosis and correction of lipid metabolism disorders in order to prevent and treat atherosclerosis. Russian recommendations, VII revision." Atherosclerosis and dyslipidemias 11.1 (38) (2020).
8. Grundy SM, Brewer НВ Jr, Cleeman JI, et al. Definition of metabolic syndrome: Report of the National Heart, Lung, and Blood Institute/American Heart Association conference on scientific issues related to definition. Circulation. 2004; 109(3):433-438. doi: 10.1161/01.CIR.0000111245.75752.C6.8. Grundy SM, Brewer HB Jr, Cleeman JI, et al. Definition of metabolic syndrome: Report of the National Heart, Lung, and Blood Institute/American Heart Association conference on scientific issues related to definition. circulation. 2004; 109(3):433-438. doi: 10.1161/01.CIR.0000111245.75752.C6.
Claims (1)
Publications (1)
| Publication Number | Publication Date |
|---|---|
| RU2782796C1 true RU2782796C1 (en) | 2022-11-02 |
Family
ID=
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2747097C1 (en) * | 2021-02-14 | 2021-04-26 | Максим Юрьевич Шкурников | Method for assessing risk of severe form of covid-19 |
| US20210215693A1 (en) * | 2020-01-15 | 2021-07-15 | Roni Amiel | Method and System for Identifying Human Individuals Infected with COVID-19 as Being at High Risk of Progression to Severe or Critical Disease |
| US20210293827A1 (en) * | 2020-03-21 | 2021-09-23 | Henry Winchester | Methods of diagnosing risk of serious symptoms from covid-19 infection |
| RU2761138C1 (en) * | 2021-06-30 | 2021-12-06 | Федеральное государственное бюджетное научное учреждение Федеральный исследовательский центр "Институт цитологии и генетики Сибирского отделения Российской академии наук" (ИЦиГ СО РАН) | Method for assessing the risk of developing a severe course of coronavirus infection in women |
| RU2761746C1 (en) * | 2021-01-13 | 2021-12-13 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Самарский государственный медицинский университет" Министерства здравоохранения Российской Федерации | Method for determining the strategy for managing patients with confirmed novel coronavirus infection covid-19 |
| RU2770357C1 (en) * | 2021-10-28 | 2022-04-15 | Федеральное государственное бюджетное образовательное учреждение высшего образования «Северо-Западный государственный медицинский университет им. И.И. Мечникова» Министерства здравоохранения Российской Федерации | Method for prediction of risk of fatal outcome in patients with severe and moderate course of covid-19 during preventive anti-inflammatory therapy |
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20210215693A1 (en) * | 2020-01-15 | 2021-07-15 | Roni Amiel | Method and System for Identifying Human Individuals Infected with COVID-19 as Being at High Risk of Progression to Severe or Critical Disease |
| US20210293827A1 (en) * | 2020-03-21 | 2021-09-23 | Henry Winchester | Methods of diagnosing risk of serious symptoms from covid-19 infection |
| RU2761746C1 (en) * | 2021-01-13 | 2021-12-13 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Самарский государственный медицинский университет" Министерства здравоохранения Российской Федерации | Method for determining the strategy for managing patients with confirmed novel coronavirus infection covid-19 |
| RU2747097C1 (en) * | 2021-02-14 | 2021-04-26 | Максим Юрьевич Шкурников | Method for assessing risk of severe form of covid-19 |
| RU2761138C1 (en) * | 2021-06-30 | 2021-12-06 | Федеральное государственное бюджетное научное учреждение Федеральный исследовательский центр "Институт цитологии и генетики Сибирского отделения Российской академии наук" (ИЦиГ СО РАН) | Method for assessing the risk of developing a severe course of coronavirus infection in women |
| RU2770357C1 (en) * | 2021-10-28 | 2022-04-15 | Федеральное государственное бюджетное образовательное учреждение высшего образования «Северо-Западный государственный медицинский университет им. И.И. Мечникова» Министерства здравоохранения Российской Федерации | Method for prediction of risk of fatal outcome in patients with severe and moderate course of covid-19 during preventive anti-inflammatory therapy |
Non-Patent Citations (1)
| Title |
|---|
| СТРЮКОВА Е.В. и др. Ассоциации кардиометаболических факторов риска и тяжести перенесенной коронавирусной инфекции. Российский нац. Конгресс кардиологов. Казань 2022, стр.340. МАРКОВА Т.Н. и др. Анализ клинических и терапевтических факторов, влияющих на исходы новой коронавирусной инфекции у больных сахарным диабетом 2 типа. Конференция "Фундаментальная и клиническая диабетология в 21 веке: от теории к практике". Москва 2021, стр.64. DRUCKER D.J. et al. Diabetes, obesity, metabolism, and SARS-CoV-2 infection: the end of the beginning. Cell Metab. 2021, 33(3), p.479-498. * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hagjer et al. | Evaluation of the BISAP scoring system in prognostication of acute pancreatitis–A prospective observational study | |
| Wang et al. | Hypertensive disorders of pregnancy and subsequent risk of premature mortality | |
| Januzzi Jr et al. | High-sensitivity troponin I and coronary computed tomography in symptomatic outpatients with suspected CAD: insights from the PROMISE trial | |
| Navas-Nacher et al. | Risk factors for coronary heart disease in men 18 to 39 years of age | |
| Elias-Smale et al. | Coronary calcium score improves classification of coronary heart disease risk in the elderly: the Rotterdam study | |
| Arad et al. | Coronary calcification, coronary disease risk factors, C-reactive protein, and atherosclerotic cardiovascular disease events: the St. Francis Heart Study | |
| Hartiala et al. | Adolescence risk factors are predictive of coronary artery calcification at middle age: the cardiovascular risk in young Finns study | |
| Madala et al. | Obesity and age of first non–ST-segment elevation myocardial infarction | |
| Choi et al. | Markers of poor outcome in patients with acute hypoxemic respiratory failure | |
| Antón-Pérez et al. | Diagnostic usefulness of the protein energy wasting score in prevalent hemodialysis patients | |
| CA3036962A1 (en) | Method of diagnosis of non-alcoholic fatty liver diseases | |
| Banks et al. | Clinical characteristics, vascular function, and inflammation in women with angina in the absence of coronary atherosclerosis: the Dallas Heart Study | |
| Lee et al. | Metabolic dysfunction-associated fatty liver disease as a risk factor for adverse outcomes in subsequent pregnancy: a nationwide cohort study | |
| Tsvetkov et al. | Machine learning model for diagnosing the stage of liver fibrosis in patients with chronic viral hepatitis C | |
| RU2782796C1 (en) | METHOD FOR ASSESSING THE RISK OF DEVELOPING A SEVERE COURSE OF CoVID-19 | |
| RU2742429C1 (en) | Method for rapid assessment of changes in lung tissue with covid-19 without using computer tomography of thorax organs | |
| RU2704960C1 (en) | Method for prediction of atherosclerosis development | |
| RU2694531C1 (en) | Method for diagnosing lipidemia | |
| RU2694538C1 (en) | Diagnostic technique for early and late stages of lipidemia | |
| Tang et al. | Dynamic nomogram for persistent organ failure in acute biliary pancreatitis: Development and validation in a retrospective study | |
| Lin et al. | A model to predict the onset of non‐alcoholic fatty liver disease within 2 years in elderly adults | |
| RU2761138C1 (en) | Method for assessing the risk of developing a severe course of coronavirus infection in women | |
| Ciardullo et al. | Noninvasive identification of probable fibrotic nonalcoholic steatohepatitis across the spectrum of glucose tolerance in the United States | |
| Melania et al. | Concordance between indirect fibrosis and steatosis indices and their predictors in subjects with overweight/obesity | |
| Selendili et al. | Atherogenic Indices Can Predict Atherosclerosis in Patients with Sarcoidosis |