RU2807384C1 - Method for predicting outcome of infectious process after a new coronavirus infection for 12 months - Google Patents
Method for predicting outcome of infectious process after a new coronavirus infection for 12 months Download PDFInfo
- Publication number
- RU2807384C1 RU2807384C1 RU2023119887A RU2023119887A RU2807384C1 RU 2807384 C1 RU2807384 C1 RU 2807384C1 RU 2023119887 A RU2023119887 A RU 2023119887A RU 2023119887 A RU2023119887 A RU 2023119887A RU 2807384 C1 RU2807384 C1 RU 2807384C1
- Authority
- RU
- Russia
- Prior art keywords
- outcome
- absence
- months
- new coronavirus
- proteinases
- Prior art date
Links
- 208000015181 infectious disease Diseases 0.000 title claims abstract description 31
- 208000001528 Coronaviridae Infections Diseases 0.000 title claims abstract description 30
- 238000000034 method Methods 0.000 title claims abstract description 24
- 230000002458 infectious effect Effects 0.000 title claims abstract description 18
- 230000000694 effects Effects 0.000 claims abstract description 17
- 102000035195 Peptidases Human genes 0.000 claims abstract description 16
- 108091005804 Peptidases Proteins 0.000 claims abstract description 16
- 235000019833 protease Nutrition 0.000 claims abstract description 16
- 206010020772 Hypertension Diseases 0.000 claims abstract description 12
- 208000018522 Gastrointestinal disease Diseases 0.000 claims abstract description 11
- 206010028980 Neoplasm Diseases 0.000 claims abstract description 11
- 208000004756 Respiratory Insufficiency Diseases 0.000 claims abstract description 11
- 201000011510 cancer Diseases 0.000 claims abstract description 11
- 201000004193 respiratory failure Diseases 0.000 claims abstract description 11
- 208000001072 type 2 diabetes mellitus Diseases 0.000 claims abstract description 11
- 230000002349 favourable effect Effects 0.000 claims abstract description 9
- 108060008682 Tumor Necrosis Factor Proteins 0.000 claims abstract description 8
- 102000000852 Tumor Necrosis Factor-alpha Human genes 0.000 claims abstract description 8
- 230000002901 elastaselike Effects 0.000 claims abstract description 8
- 230000001810 trypsinlike Effects 0.000 claims abstract description 8
- MZOFCQQQCNRIBI-VMXHOPILSA-N (3s)-4-[[(2s)-1-[[(2s)-1-[[(1s)-1-carboxy-2-hydroxyethyl]amino]-4-methyl-1-oxopentan-2-yl]amino]-5-(diaminomethylideneamino)-1-oxopentan-2-yl]amino]-3-[[2-[[(2s)-2,6-diaminohexanoyl]amino]acetyl]amino]-4-oxobutanoic acid Chemical compound OC[C@@H](C(O)=O)NC(=O)[C@H](CC(C)C)NC(=O)[C@H](CCCN=C(N)N)NC(=O)[C@H](CC(O)=O)NC(=O)CNC(=O)[C@@H](N)CCCCN MZOFCQQQCNRIBI-VMXHOPILSA-N 0.000 claims abstract description 6
- 210000004369 blood Anatomy 0.000 claims abstract description 5
- 239000008280 blood Substances 0.000 claims abstract description 5
- 210000002966 serum Anatomy 0.000 claims abstract description 5
- 150000002826 nitrites Chemical class 0.000 claims abstract description 3
- IOVCWXUNBOPUCH-UHFFFAOYSA-M Nitrite anion Chemical compound [O-]N=O IOVCWXUNBOPUCH-UHFFFAOYSA-M 0.000 abstract description 3
- 239000000126 substance Substances 0.000 abstract 1
- 201000010099 disease Diseases 0.000 description 7
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 7
- 208000025721 COVID-19 Diseases 0.000 description 3
- 230000034994 death Effects 0.000 description 3
- 231100000517 death Toxicity 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 238000004393 prognosis Methods 0.000 description 3
- 208000006011 Stroke Diseases 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 230000007170 pathology Effects 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 208000024827 Alzheimer disease Diseases 0.000 description 1
- 206010002383 Angina Pectoris Diseases 0.000 description 1
- 208000010839 B-cell chronic lymphocytic leukemia Diseases 0.000 description 1
- 208000014644 Brain disease Diseases 0.000 description 1
- 241001678559 COVID-19 virus Species 0.000 description 1
- 208000028698 Cognitive impairment Diseases 0.000 description 1
- 208000032274 Encephalopathy Diseases 0.000 description 1
- 206010048554 Endothelial dysfunction Diseases 0.000 description 1
- 206010053172 Fatal outcomes Diseases 0.000 description 1
- 208000031422 Lymphocytic Chronic B-Cell Leukemia Diseases 0.000 description 1
- 208000018737 Parkinson disease Diseases 0.000 description 1
- 206010034018 Parosmia Diseases 0.000 description 1
- 206010036030 Polyarthritis Diseases 0.000 description 1
- 208000028017 Psychotic disease Diseases 0.000 description 1
- 206010046996 Varicose vein Diseases 0.000 description 1
- 206010003246 arthritis Diseases 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 208000032852 chronic lymphocytic leukemia Diseases 0.000 description 1
- 208000010877 cognitive disease Diseases 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 208000029078 coronary artery disease Diseases 0.000 description 1
- 101150047356 dec-1 gene Proteins 0.000 description 1
- 230000008694 endothelial dysfunction Effects 0.000 description 1
- 210000004394 hip joint Anatomy 0.000 description 1
- 210000000629 knee joint Anatomy 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 210000003141 lower extremity Anatomy 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000004770 neurodegeneration Effects 0.000 description 1
- 208000015122 neurodegenerative disease Diseases 0.000 description 1
- 208000030428 polyarticular arthritis Diseases 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 208000027185 varicose disease Diseases 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
Abstract
Description
Изобретение относится к области медицины, конкретно к профилактической медицины, касается возможности прогнозирования риска развития неблагоприятного исхода у больных в течение 12 месяцев после перенесенной новой коронавирусной инфекции. The invention relates to the field of medicine, specifically to preventive medicine, and concerns the possibility of predicting the risk of developing an unfavorable outcome in patients within 12 months after suffering a new coronavirus infection.
Вирус SARS-CoV-2 стал причиной более 179 миллионов инфекций и 3,8 миллиона смертей во всем мире [1], последствиями которого являются нарушения обоняния и вкуса, развитие энцефалопатии, инсультов, психозов, [2, 3]. Нейродегенеративные заболевания, такие как болезнь Паркинсона [5] и когнитивные нарушения, варьирующиеся от нарушений мозгового кровообращения до маницфестии болезни Альцгеймера [6]. Инфицирование новой коронавирусной инфекций оказывает большое влияние на летальность после перенесенного заболевания [6]. В частности, длительные эффекты заболевания могут встречаться в течение 2 лет после инфекции сопровождаются сосудистыми осложнениями, в основе который лежит эндотелиальная дисфункция [7], [8].The SARS-CoV-2 virus has caused more than 179 million infections and 3.8 million deaths worldwide [1], the consequences of which are disturbances of smell and taste, the development of encephalopathy, strokes, psychoses, [2, 3]. Neurodegenerative diseases such as Parkinson's disease [5] and cognitive impairments ranging from cerebrovascular accidents to the onset of Alzheimer's disease [6]. Infection with new coronavirus infections has a great impact on mortality after illness [6]. In particular, long-term effects of the disease can occur up to 2 years after infection, accompanied by vascular complications, which are based on endothelial dysfunction [7], [8].
Из уровня техники известен способ прогнозирования риска развития неблагоприятного исхода в течение 6 месяцев после перенесенной новой коронавирусной инфекции [9]. Определяют у пациента количество баллов по шкале ШОКС-КОВИД, возраст. Производят расчет по заявленной формуле и определяют риск (P) развития летального исхода через 6 месяцев. При значении P больше 0,086 прогнозируют высокий риск развития летального исхода. Однако представленный способ не учитывает биохимические особенности инфекционного процесса и рассчитывает риск в течение 6 месяцев после исследования. A method is known from the state of the art for predicting the risk of developing an unfavorable outcome within 6 months after a new coronavirus infection [9]. The patient’s score on the SHOKS-COVID scale and age are determined. A calculation is made according to the stated formula and the risk (P) of developing a fatal outcome is determined after 6 months. A P value greater than 0.086 predicts a high risk of death. However, the presented method does not take into account the biochemical features of the infectious process and calculates the risk within 6 months after the study.
В связи с этим необходимо решение новой технической задачи, направленной на повышение информативности прогнозирования исхода инфекционного процесса в течение 12 месяцев после перенесенной новой коронавирусной инфекции. Для этого целесообразно исследовать показатели, характеризующие биохимические особенности крови совместно с клиническими параметрами. In this regard, it is necessary to solve a new technical problem aimed at increasing the information content of predicting the outcome of the infectious process within 12 months after a new coronavirus infection. To do this, it is advisable to study indicators characterizing the biochemical characteristics of blood together with clinical parameters.
Новый технический результат - повышение информативности прогнозирование исхода инфекционного процесса в течение 12 месяцев после перенесенной новой коронавирусной инфекции. Для решения поставленной задачи в заявляемом способе проводится исследование биологически активных молекул, которое заключается в том, что в сыворотке крови определяют содержание ФНО-альфа, нитритов, МДА, активность трипсиноподобных протеиназ, активность эластазоподобных протеиназ.A new technical result - increasing the information content of predicting the outcome of the infectious process within 12 months after suffering a new coronavirus infection. To solve this problem, the proposed method involves a study of biologically active molecules, which consists of determining the content of TNF-alpha, nitrites, MDA, the activity of trypsin-like proteinases, and the activity of elastase-like proteinases in the blood serum.
На следующем этапе определяют дискриминантные функции Y1, Y2 по формулам At the next stage, discriminant functions Y1, Y2 are determined using the formulas
Y1=-249,778+0,049х 1 +4,650х 2 +5,145х 3 +0,202х 4 -0,022х 5 -34,823х 6 +19,838х 7 +5,990х 8 -16,499х 9 +24,184х 10 (неблагоприятный исход) Y1 = -249.778+0.049 x 1 + 4.650 x 2 +5.145 x 3 +0.202 x 4 -0.022 x 5 -34.823 x 6 +19.838 x 7 +5.990 x 8 -16.499 x 9 +24.184 x 10 (unfavorable outcome)
Y2=-112,293+0,007х 1 +3,241х 2 +3,518х 3 +0,133х 4 -0,016х 5 -22,405х 6 +17,880х 7 +3,379х 8 -6,450х 9 +14,531х 10 (благоприятный исход), Y2 = -112.293+0.007 x 1 +3.241 x 2 +3.518 x 3 +0.133 x 4 -0.016 x 5 - 22.405 x 6 +17.880 x 7 + 3.379 x 8 -6.450 x 9 +14.531 x 10 (favorable outcome ),
где Where
Y - линейная дискриминантная функция; Y - linear discriminant function;
х 1 - содержание ФНО-альфа, пг/мл; x 1 - TNF-alpha content, pg/ml;
х 2 - содержание нитритов, мкмоль/л x 2 - nitrite content, µmol/l
х 3 - содержание МДА, мкмоль/мл x 3 - MDA content, µmol/ml
х 4 - активность трипсиноподобных протеиназ, нмоль БАНЕ/ мин⋅мл x 4 - activity of trypsin-like proteinases, nmol BANE/min⋅ml
х 5 - активность эластазоподобных протеиназ, нмоль БАНЕ/ мин⋅мл x 5 - activity of elastase-like proteinases, nmol BANE/min⋅ml
х 6 - наличие злокачественных новообразований (1 - отсутствие злокачественного новообразования; 2- наличие злокачественного новообразований) x 6 - presence of malignant neoplasms (1 - absence of malignant neoplasms; 2 - presence of malignant neoplasms)
х 7 - наличие гипертонической болезни (1 - отсутствие гипертонической болезни; 2- наличие гипертонической болезни); x 7 - presence of hypertension (1 - absence of hypertension; 2 - presence of hypertension);
х 8 - наличие сахарного диабета 2 типа (1 - отсутствие сахарного диабета 2 типа; 2- наличие сахарного диабета 2 типа); x 8 - presence of type 2 diabetes mellitus (1 - absence of type 2 diabetes mellitus; 2 - presence of type 2 diabetes mellitus);
х 9 - наличие заболеваний ЖКТ (1 - отсутствие заболеваний ЖКТ, 2 - наличие заболеваний ЖКТ); x 9 - presence of gastrointestinal diseases (1 - absence of gastrointestinal diseases, 2 - presence of gastrointestinal diseases);
х 10 - наличие дыхательной недостаточности в период инфицирования новой коронавирусной инфекции (1 - отсутствие дыхательной недостаточности в период инфицирования новой коронавирусной инфекции, 2 - наличие дыхательной недостаточности в период инфицирования новой коронавирусной инфекции). x 10 - the presence of respiratory failure during the period of infection with a new coronavirus infection (1 - the absence of respiratory failure during the period of infection with a new coronavirus infection, 2 - the presence of respiratory failure during the period of infection with a new coronavirus infection).
Классификация проводилась следующим образом: коэффициент Y1 характеризовал группу больных с неблагоприятным исходом инфекционного процесса после перенесенной новой коронавирусной инфекции в течение 12 месяцев, коэффициент Y2 - больных с благоприятным исходом инфекционного процесса после перенесенной новой коронавирусной инфекции в течение 12 месяцев.The classification was carried out as follows: coefficient Y1 characterized the group of patients with an unfavorable outcome of the infectious process after suffering a new coronavirus infection for 12 months, coefficient Y2 - patients with a favorable outcome of the infectious process after suffering a new coronavirus infection for 12 months.
Прогноз оценивался следующим образом: если значение Y1>Y2, то больной относится к группе с неблагоприятным исходом инфекционного процесса после перенесенной новой коронавирусной инфекции в течение 12 месяцев; если Y1<Y2 - к группе с благоприятным исходом инфекционного процесса после перенесенной новой коронавирусной инфекции в течение 12 месяцев;The prognosis was assessed as follows: if the value Y1>Y2 , then the patient belongs to the group with an unfavorable outcome of the infectious process after suffering a new coronavirus infection for 12 months; if Y1<Y2 - to the group with a favorable outcome of the infectious process after suffering a new coronavirus infection for 12 months;
Дискриминантный анализ включал следующие этапы: первичный отбор признаков для построения модели; набор обучающей выборки (группы больных, у которых регистрируются отобранные признаки); отбор информативных признаков и формирование на их основе группы дифференциальных функций (критерий Фишера); проверка качества полученной дискриминантной модели.Discriminant analysis included the following stages: primary selection of features for model construction; set of training samples (groups of patients in whom selected characteristics are recorded); selection of informative features and formation of a group of differential functions on their basis (Fisher criterion); checking the quality of the resulting discriminant model.
Обучающей выборкой являлись две группы пациентов, за которыми в течение 12 месяцев проводилось динамическое наблюдение. В первом случае был зафиксирован неблагоприятный исход заболевания инфекционного процесса после перенесенной новой коронавирусной инфекции в течение 12 месяцев, средний срок жизни после перенесенной инфекции составил 2,6 ± 1,8 месяцев. Во втором - благоприятный исход заболевания инфекционного процесса после перенесенной новой коронавирусной инфекции в течение 12 месяцев, средний срок наблюдения после перенесенной инфекции составил 10,6 ± 2,1 месяцев. На основании базы данных, включающей в себя 13 клинико-анамнестических параметров (возраст, течение заболевания, диагноз, наличие сопутствующих заболеваний, длительность наблюдения, срок динамического наблюдения и т.д.) и 17 молекулярных и биохимических показателей, с помощью дискриминантного анализа были отобраны 10 наиболее информативных (таблицы 1), которые в дальнейшем были включены в математическую модель прогнозирования исхода инфекционного процесса после перенесенной новой коронавирусной инфекции в течение 12 месяцев (таблицы 2).The training sample consisted of two groups of patients who were followed up for 12 months. In the first case, an unfavorable outcome of the infectious process was recorded after suffering a new coronavirus infection for 12 months; the average life expectancy after the infection was 2.6 ± 1.8 months. In the second, there was a favorable outcome of the infectious process after suffering a new coronavirus infection for 12 months; the average follow-up period after the infection was 10.6 ± 2.1 months. Based on a database that includes 13 clinical and anamnestic parameters (age, course of the disease, diagnosis, presence of concomitant diseases, duration of observation, period of dynamic observation, etc.) and 17 molecular and biochemical parameters, we selected The 10 most informative ones (Table 1), which were subsequently included in a mathematical model for predicting the outcome of the infectious process after suffering a new coronavirus infection for 12 months (Table 2).
Принимая во внимание значимость этих показателей, все они были включены в статистическую модель с расчетом дискриминационных функций. Информативность полученных функций оценивали у 12 пациентов, не включенных в основную выборку. Чувствительность и специфичность полученной модели составила, соответственно, 95,6% и 98,8%.Taking into account the significance of these indicators, they were all included in the statistical model with the calculation of discriminatory functions. The information content of the obtained functions was assessed in 12 patients who were not included in the main sample. The sensitivity and specificity of the resulting model were 95.6% and 98.8%, respectively.
Клинический пример 1Clinical example 1
Больной Ч., 63 года, проходил лечение с диагнозом: новая коронавирусная инфекция COVID-19. Сопутствующие патологии: хронический лимфолейкоз, ИБС: стенокардия напряжения, гипертоническая болезни 2 ФК.Patient Ch., 63 years old, was treated with a diagnosis of a new coronavirus infection COVID-19. Concomitant pathologies: chronic lymphocytic leukemia, coronary artery disease: angina pectoris, hypertension 2 FC.
В сыворотке крови были определены следующие показатели: содержание ФНО-альфа составило 1000,7 пг/мл; содержание нитритов - 56,4, мкмоль/л, содержание МДА - 0,76 мкмоль/мл; активность трипсиноподобных протеиназ - 354,9 нмоль БАНЕ/ мин·мл; активность эластазоподобных протеиназ - 900,9 нмоль БАНЕ/ мин⋅мл; отмечено наличие злокачественных новообразований крови, гипертонической болезни и развитие дыхательной недостаточности при инфицировании новой коронавирусной инфекцией; наличие сахарного диабета 2 типа и заболеваний ЖКТ не верифицировано.The following parameters were determined in the blood serum: the content of TNF-alpha was 1000.7 pg/ml; nitrite content - 56.4 µmol/l, MDA content - 0.76 µmol/ml; activity of trypsin-like proteinases - 354.9 nmol BANE/min·ml; activity of elastase-like proteinases - 900.9 nmol BANE/min⋅ml; the presence of malignant neoplasms of the blood, hypertension and the development of respiratory failure during infection with a new coronavirus infection was noted; the presence of type 2 diabetes mellitus and gastrointestinal diseases has not been verified.
Для прогнозирования исхода заболевания в течение 12 месяцев после перенесенной инфекции определяют дискриминантные функции Y1, Y2 по формулам. To predict the outcome of the disease within 12 months after an infection, discriminant functions Y1, Y2 are determined using formulas.
Y1 = -249,778+0,049⋅1000,7+4,650⋅56,4+5,145⋅0,76+0,202⋅354,9-0,022⋅900,9-34,823⋅2 +19,838⋅2+5,990⋅1-16,499⋅1+24,184⋅2=237,4408 Y1 = -249.778+0.049⋅1000.7+4.650⋅56.4+5.145⋅0.76+0.202⋅354.9-0.022⋅900.9-34.823⋅2 +19.838⋅2+5.990⋅1-16.499⋅ 1 +24.184⋅2=237.4408
Y2=-112,293+0,007⋅1000,7+3,241⋅56,4+3,518⋅0,76+0,133⋅354,9-0,016⋅900,9-22,405⋅2+17,880⋅2 +3,379⋅1-6,450⋅1+14,531⋅2=228,1122 Y2 = -112,293+0.007⋅1000.7+3.241⋅56.4+3.518⋅0.76+0.133⋅354.9-0.016⋅900.9-22.405⋅2+17,880⋅2+3.379⋅1-6.450⋅1 +14.531⋅2=228.1122
Y1=237,4; Y2=228,1. Y1>Y2, что соответствует неблагоприятному прогнозу заболевания. Через 5 месяцев после выздоровления больной умер. Y1 =237.4; Y2 =228.1. Y1 > Y2, which corresponds to an unfavorable prognosis of the disease. The patient died 5 months after recovery.
Клинический пример 2 Clinical example 2
Больная Б., 69 лет, проходила лечение диагнозом: новая коронавирусная инфекция COVID-19 средней степени тяжести. Сопутствующая патология: варикозное расширение вен нижних конечностей, полиартрит с преимущественным поражением коленных и тазобедренных суставов, ремиссия, НФС 2-3, K83.8 ЖКБ.Patient B., 69 years old, was treated with a diagnosis of a new coronavirus infection COVID-19 of moderate severity. Concomitant pathology: varicose veins of the lower extremities, polyarthritis with predominant damage to the knee and hip joints, remission, NFS 2-3, K83.8 GSD.
В сыворотке крови были зафиксированы следующие показатели: содержание ФНО-альфа составило 233,1 пг/мл; содержание нитритов - 55,4, мкмоль/л, содержание МДА - 0,12 мкмоль/мл; активность трипсиноподобных протеиназ - 300,0 нмоль БАНЕ/ мин⋅мл; активность эластазоподобных протеиназ - 286,3 нмоль БАНЕ/ мин⋅мл; отмечено наличие заболеваний ЖКТ и развитие дыхательной недостаточности при инфицировании новой коронавирусной инфекцией; наличие злокачественных новообразований, сахарного диабета 2 типа и гипертонической болезни не вернифицировано.The following indicators were recorded in the blood serum: TNF-alpha content was 233.1 pg/ml; nitrite content - 55.4, µmol/l, MDA content - 0.12 µmol/ml; activity of trypsin-like proteinases - 300.0 nmol BANE/min⋅ml; activity of elastase-like proteinases - 286.3 nmol BANE/min⋅ml; the presence of gastrointestinal diseases and the development of respiratory failure during infection with a new coronavirus infection was noted; the presence of malignant neoplasms, type 2 diabetes mellitus and hypertension has not been verified.
Y1=-249.778+0.049*233.1+4.650*55.4+5.145*0.12+0.202*300.0-0.022*286.3-34.823*1+ 19.838*1+5.990*1-16.499*2+24.184*2=74,5543 Y1 = -249.778+0.049*233.1+4.650*55.4+5.145*0.12+0.202*300.0-0.022*286.3-34.823*1+19.838*1+5.990*1-16.499*2+24.184*2 = 74.5543
Y2=-112,293+0,007*233.1+3,241*55.4+3,518*0.12+0,133*300.0-0,016*286.3-22,405*1 +17,880*1 +3,379*1--6,450*2+14,531*2=119,6523 Y2 = -112,293+0.007*233.1+3.241*55.4+3.518*0.12+0.133*300.0-0.016*286.3-22.405*1+17,880*1+3.79*1-6.450*2+14.531*2 = 119,6523
Y1=74,6; Y2=119,7. Y1<Y2, что соответствует благоприятному прогнозу заболевания. В течение последующих 14 месяцев после выздоровления больная не обращалась за медицинской помощью. Y1 =74.6; Y2 =119.7. Y1<Y2, which corresponds to a favorable prognosis of the disease. Over the next 14 months after recovery, the patient did not seek medical help.
Таким образом, выявлена прогностическая модель, позволяющая прогнозировать исход инфекционного процесса после 12 месяцев после перенесенной новой коронавирусной инфекции в качестве дополнительных информативных маркеров, позволяющих прогнозировать прогрессирование заболевания.Thus, a prognostic model has been identified that allows predicting the outcome of the infectious process after 12 months after a new coronavirus infection as additional informative markers to predict the progression of the disease.
Источники информацииInformation sources
Chopra V., Flanders S.A., O’Malley M., Malani A.N., Prescott H.C. Sixty-Day Outcomes Among Patients Hospitalized With COVID-19//Annals of Internal Medicine, 2021, Т. 174, N 4, C. 576-578.Chopra V., Flanders S.A., O'Malley M., Malani A.N., Prescott H.C. Sixty-Day Outcomes Among Patients Hospitalized With COVID-19 // Annals of Internal Medicine, 2021, T. 174, N 4, pp. 576-578.
Dai M., Liu D., Liu M., Zhou F., Li G., Chen Z., Zhang Z., You H., Wu M., Zheng Q., Xiong Y., Xiong H., Wang C., Chen C., Xiong F., Zhang Y., Peng Y., Ge S., Zhen B., Yu T., Wang L., Wang H., Liu Y., Chen Y., Mei J., Gao X., Li Z., Gan L., He C., Li Z., Shi Y., Qi Y., Yang J., Tenen D.G., Chai L., Mucci L.A., Santillana M., Cai H. Patients with Cancer Appear More Vulnerable to SARS-CoV-2: A Multicenter Study during the COVID-19 Outbreak//Cancer Discovery, 2020, Т. 10, Patients with Cancer Appear More Vulnerable to SARS-CoV-2, N 6, C. 783-791.Dai M., Liu D., Liu M., Zhou F., Li G., Chen Z., Zhang Z., You H., Wu M., Zheng Q., Xiong Y., Xiong H., Wang C ., Chen C., Xiong F., Zhang Y., Peng Y., Ge S., Zhen B., Yu T., Wang L., Wang H., Liu Y., Chen Y., Mei J., Gao X., Li Z., Gan L., He C., Li Z., Shi Y., Qi Y., Yang J., Tenen D.G., Chai L., Mucci L.A., Santillana M., Cai H. Patients with Cancer Appear More Vulnerable to SARS-CoV-2: A Multicenter Study during the COVID-19 Outbreak//Cancer Discovery, 2020, Vol. 10, Patients with Cancer Appear More Vulnerable to SARS-CoV-2, N 6, C. 783-791.
Ferini-Strambi L., Salsone M. COVID-19 and neurological disorders: are neurodegenerative or neuroimmunological diseases more vulnerable?//Journal of Neurology, 2021, Т. 268, COVID-19 and neurological disorders, N 2, C. 409-419.Ferini-Strambi L., Salsone M. COVID-19 and neurological disorders: are neurodegenerative or neuroimmunological diseases more vulnerable?//Journal of Neurology, 2021, T. 268, COVID-19 and neurological disorders, N 2, P. 409- 419.
4. Forchette L., Sebastian W., Liu T. A Comprehensive Review of COVID-19 Virology, Vaccines, Variants, and Therapeutics//Current Medical Science, 2021, Т. 41, N 6, C. 1037-1051. 4. Forchette L., Sebastian W., Liu T. A Comprehensive Review of COVID-19 Virology, Vaccines, Variants, and Therapeutics // Current Medical Science, 2021, T. 41, N 6, pp. 1037-1051.
Heneka M.T., Golenbock D., Latz E., Morgan D., Brown R. Immediate and long-term consequences of COVID-19 infections for the development of neurological disease//Alzheimer’s Research & Therapy, 2020, Т. 12, N 1, C. 69.Heneka M.T., Golenbock D., Latz E., Morgan D., Brown R. Immediate and long-term consequences of COVID-19 infections for the development of neurological disease//Alzheimer's Research & Therapy, 2020, T. 12, N 1 , pp. 69.
Tereshchenko LG, Bishop A, Fisher-Campbell N, Levene J, Morris CC, Patel H, Beeson E, Blank JA, Bradner JN, Coblens M, Corpron JW, Davison JM, Denny K, Earp MS, Florea S, Freeman H, Fuson O, Guillot FH, Haq KT, Kim M, Kolseth C, Krol O, Lin L, Litwin L, Malik A, Mitchell E, Mohapatra A, Mullen C, Nix CD, Oyeyemi A, Rutlen C, Tam AE, Van Buren I, Wallace J, Khan A. Risk of Cardiovascular Events After COVID-19. Am J Cardiol. 2022 Sep 15;179:102-109. doi: 10.1016/j.amjcard.2022.06.023. Tereshchenko LG, Bishop A, Fisher-Campbell N, Levene J, Morris CC, Patel H, Beeson E, Blank JA, Bradner JN, Coblens M, Corpron JW, Davison JM, Denny K, Earp MS, Florea S, Freeman H, Fuson O, Guillot FH, Haq KT, Kim M, Kolseth C, Krol O, Lin L, Litwin L, Malik A, Mitchell E, Mohapatra A, Mullen C, Nix CD, Oyeyemi A, Rutlen C, Tam AE, Van Buren I, Wallace J, Khan A. Risk of Cardiovascular Events After COVID-19. Am J Cardiol. 2022 Sep 15;179:102-109. doi: 10.1016/j.amjcard.2022.06.023.
Aleksova A, Fluca AL, Gagno G, Pierri A, Padoan L, Derin A, Moretti R, Noveska EA, Azzalini E, D'Errico S, Beltrami AP, Zumla A, Ippolito G, Sinagra G, Janjusevic M. Long-term effect of SARS-CoV-2 infection on cardiovascular outcomes and all-cause mortality. Life Sci. 2022 Dec 1;310:121018. doi: 10.1016/j.lfs.2022.121018. Epub 2022 Sep 29. PMID: 36183780; PMCID: PMC9561478.Aleksova A, Fluca AL, Gagno G, Pierri A, Padoan L, Derin A, Moretti R, Noveska EA, Azzalini E, D'Errico S, Beltrami AP, Zumla A, Ippolito G, Sinagra G, Janjusevic M. Long-term effect of SARS-CoV-2 infection on cardiovascular outcomes and all-cause mortality. Life Sci. 2022 Dec 1;310:121018. doi: 10.1016/j.lfs.2022.121018. Epub 2022 Sep 29. PMID: 36183780; PMCID: PMC9561478.
Li D, Liao X, Liu Z, Ma Z, Dong J, Zheng G, Zi M, Wang F, He Q, Li G, Zhang Z, Liu L. Healthy outcomes of patients with COVID-19 two years after the infection: a prospective cohort study. Emerg Microbes Infect. 2022 Dec;11(1):2680-2688. doi: 10.1080/22221751.2022.2133639. PMID: 36215047; PMCID: PMC9639507.Li D, Liao X, Liu Z, Ma Z, Dong J, Zheng G, Zi M, Wang F, He Q, Li G, Zhang Z, Liu L. Healthy outcomes of patients with COVID-19 two years after the infection: a prospective cohort study. Emerging Microbes Infect. 2022 Dec;11(1):2680-2688. doi: 10.1080/22221751.2022.2133639. PMID: 36215047; PMCID: PMC9639507.
RU 2766302C1 «Способ прогнозирования риска развития летального исхода в течение 6 месяцев после перенесенной новой коронавирусной инфекции COVID-19».RU 2766302C1 “Method for predicting the risk of death within 6 months after a new coronavirus infection COVID-19.”
Таблица 1. Показатели, включенные в модель прогнозирования (см. графическую часть).Table 1. Indicators included in the forecasting model (see graphical part).
Таблица 2. Нормированные коэффициенты дискриминантных функций, включенных в модель прогнозирования исходов инфекционного процесса после перенесенной новой коронавирусной инфекции в течение 12 месяцев (см. графическую часть).Table 2. Normalized coefficients of discriminant functions included in the model for predicting the outcome of the infectious process after a new coronavirus infection for 12 months (see graphic part).
Claims (15)
Publications (1)
| Publication Number | Publication Date |
|---|---|
| RU2807384C1 true RU2807384C1 (en) | 2023-11-14 |
Family
ID=
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2763764C1 (en) * | 2021-08-20 | 2022-01-10 | 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") | Method for prediction of outcome of viral pneumonia in covid-19 |
| RU2766347C1 (en) * | 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) | Method for prediction of outcome of acute disease caused by new 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 |
| RU2795141C1 (en) * | 2022-12-21 | 2023-04-28 | Федеральное государственное автономное образовательное учреждение высшего образования "Северо-Восточный федеральный университет имени М.К.Аммосова" | Method for individual prediction of outcomes of the new coronavirus infection covid-19 |
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2766347C1 (en) * | 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) | Method for prediction of outcome of acute disease caused by new coronavirus infection covid-19 |
| RU2763764C1 (en) * | 2021-08-20 | 2022-01-10 | 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") | Method for prediction of outcome of viral pneumonia in 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 |
| RU2795095C1 (en) * | 2022-06-10 | 2023-04-28 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Астраханский государственный медицинский университет" Министерства здравоохранения Российской Федерации ( ФГБОУ ВО Астраханский ГМУ Минздрава России) | Method for predicting outcomes of pneumonia in covid-19 |
| RU2795141C1 (en) * | 2022-12-21 | 2023-04-28 | Федеральное государственное автономное образовательное учреждение высшего образования "Северо-Восточный федеральный университет имени М.К.Аммосова" | Method for individual prediction of outcomes of the new coronavirus infection covid-19 |
| RU2802422C1 (en) * | 2023-01-09 | 2023-08-28 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Рязанский государственный медицинский университет имени академика И.П. Павлова" Министерства здравоохранения Российской Федерации | Method of assessing the risk of death in patients with a new coronavirus infection |
| RU2803002C1 (en) * | 2023-06-29 | 2023-09-05 | Федеральное бюджетное учреждение науки "Центральный научно-исследовательский институт эпидемиологии" Федеральной службы по надзору в сфере защиты прав потребителей и благополучия человека (ФБУН ЦНИИ Эпидемиологии Роспотребнадзора) | Method of predicting the risk of death from covid-19 in young patients |
Non-Patent Citations (1)
| Title |
|---|
| ZAWAWI Z.M. et al. Prospective roles of Tumor Necrosis Factor-Alpha (TNF-α) in COVID-19: prognosis, therapeutic and management. Int J Mol Sci. 2023, 24(7):6142. SMAIL S.W. et al. Hematological, inflammatory, coagulation, and oxidative/antioxidant biomarkers as predictors for severity and mortality in COVID-19: A Prospective Cohort-Study. Int J Gen Med. 2023, 16, p. 565-580. * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Blanco et al. | Pulmonary long-term consequences of COVID-19 infections after hospital discharge | |
| Pain et al. | T cells promote bronchial epithelial cell secretion of matrix metalloproteinase-9 via a CC chemokine receptor type 2 pathway: implications for chronic lung allograft dysfunction | |
| Yee et al. | Predictors of apnea test failure during brain death determination | |
| Franciosi et al. | Susceptibility to COPD: differential proteomic profiling after acute smoking | |
| US20150276763A1 (en) | Biomarkers for the prognosis of ischemic stroke | |
| Xu et al. | Association of serum bilirubin with stroke severity and clinical outcomes | |
| Mohite et al. | Lower circulating levels of angiotensin-converting enzyme (ACE) in patients with schizophrenia | |
| Zheng et al. | Serum myeloperoxidase concentrations for outcome prediction in acute intracerebral hemorrhage | |
| Guo et al. | Glomerular complement factor H–related protein 5 is associated with histologic injury in immunoglobulin A nephropathy | |
| Qian et al. | Serum S100A12 and 30-day mortality after acute intracerebral hemorrhage | |
| RU2807384C1 (en) | Method for predicting outcome of infectious process after a new coronavirus infection for 12 months | |
| Ding et al. | Assessment of lipoprotein-associated phospholipase A2 level and its changes in the early stages as predictors of delayed cerebral ischemia in patients with aneurysmal subarachnoid hemorrhage | |
| Qiu et al. | Age-to-Glasgow Coma Scale score ratio predicts gastrointestinal bleeding in patients with primary intracerebral hemorrhage | |
| Kulkarni | Clinical and epidemiological characteristics of elderly patients with Coronavirus Disease-19 at a tertiary care center in South India | |
| EP3803396A1 (en) | Biomarkers for the diagnosis of invasive fungal infections | |
| Hassan et al. | Serum Transforming Growth Factor-[Beta] 1 (TGF-[Beta] 1) in Asthmatics: Association between Disease Control, Severity and Duration | |
| RU2425369C1 (en) | Early diagnostic technique for chronic obstructive pulmonary disease | |
| Huang et al. | Determination of serum tissue kallikrein levels after traumatic brain injury | |
| US20230203583A1 (en) | Biomarkers for assessing liver disease | |
| Alexopoulos et al. | Aquagenic wrinkling of the palms in a cohort of Greek children diagnosed with cystic fibrosis: Associated clinical parameters | |
| Chen et al. | Clinical determination of serum nardilysin levels in predicting 30-day mortality among adults with malignant cerebral infarction | |
| RU2753745C1 (en) | Method for predicting course of pneumonia with alveolar type of lung tissue infiltration | |
| Korkut et al. | Can the quick Sequential Organ Failure Assessment (qSOFA) score, combined with plasma lactate concentration, predict the mortality for patients with infections in the emergency department? | |
| RU2766302C1 (en) | Method for predicting the risk of death within 6 months after suffering a new coronavirus infection covid-19 | |
| JP7328950B2 (en) | Method for detecting infant atopic dermatitis |