RU2820018C1 - Method for prediction of risk of fatal outcome in patients with various severity of covid-19 infection - Google Patents
Method for prediction of risk of fatal outcome in patients with various severity of covid-19 infection Download PDFInfo
- Publication number
- RU2820018C1 RU2820018C1 RU2024101909A RU2024101909A RU2820018C1 RU 2820018 C1 RU2820018 C1 RU 2820018C1 RU 2024101909 A RU2024101909 A RU 2024101909A RU 2024101909 A RU2024101909 A RU 2024101909A RU 2820018 C1 RU2820018 C1 RU 2820018C1
- Authority
- RU
- Russia
- Prior art keywords
- covid
- risk
- death
- patients
- infection
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 16
- 208000025721 COVID-19 Diseases 0.000 title claims abstract description 10
- 206010053172 Fatal outcomes Diseases 0.000 title abstract description 4
- 238000002591 computed tomography Methods 0.000 claims abstract description 10
- 230000034994 death Effects 0.000 claims description 22
- 231100000517 death Toxicity 0.000 claims description 22
- 231100000516 lung damage Toxicity 0.000 claims description 6
- 210000004072 lung Anatomy 0.000 claims description 2
- 239000003814 drug Substances 0.000 abstract description 3
- 231100000518 lethal Toxicity 0.000 abstract 2
- 230000001665 lethal effect Effects 0.000 abstract 2
- 210000001772 blood platelet Anatomy 0.000 abstract 1
- 230000000694 effects Effects 0.000 abstract 1
- 210000004879 pulmonary tissue Anatomy 0.000 abstract 1
- 239000000126 substance Substances 0.000 abstract 1
- 208000001528 Coronaviridae Infections Diseases 0.000 description 8
- 238000003745 diagnosis Methods 0.000 description 5
- XSQUKJJJFZCRTK-UHFFFAOYSA-N Urea Chemical compound NC(N)=O XSQUKJJJFZCRTK-UHFFFAOYSA-N 0.000 description 4
- 241000700605 Viruses Species 0.000 description 4
- 239000004202 carbamide Substances 0.000 description 4
- DDRJAANPRJIHGJ-UHFFFAOYSA-N creatinine Chemical compound CN1CC(=O)NC1=N DDRJAANPRJIHGJ-UHFFFAOYSA-N 0.000 description 4
- 208000001072 type 2 diabetes mellitus Diseases 0.000 description 4
- 102100036475 Alanine aminotransferase 1 Human genes 0.000 description 3
- 108010082126 Alanine transaminase Proteins 0.000 description 3
- 108010074051 C-Reactive Protein Proteins 0.000 description 3
- 102100032752 C-reactive protein Human genes 0.000 description 3
- 102000003855 L-lactate dehydrogenase Human genes 0.000 description 3
- 108700023483 L-lactate dehydrogenases Proteins 0.000 description 3
- 206010035737 Pneumonia viral Diseases 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 208000009421 viral pneumonia Diseases 0.000 description 3
- 108010003415 Aspartate Aminotransferases Proteins 0.000 description 2
- 102000004625 Aspartate Aminotransferases Human genes 0.000 description 2
- 239000003154 D dimer Substances 0.000 description 2
- 208000004756 Respiratory Insufficiency Diseases 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 229940109239 creatinine Drugs 0.000 description 2
- 108010052295 fibrin fragment D Proteins 0.000 description 2
- 210000000265 leukocyte Anatomy 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 238000006213 oxygenation reaction Methods 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 235000018102 proteins Nutrition 0.000 description 2
- 102000004169 proteins and genes Human genes 0.000 description 2
- 108090000623 proteins and genes Proteins 0.000 description 2
- 230000000241 respiratory effect Effects 0.000 description 2
- 201000004193 respiratory failure Diseases 0.000 description 2
- 206010001052 Acute respiratory distress syndrome Diseases 0.000 description 1
- 241001678559 COVID-19 virus Species 0.000 description 1
- 206010011224 Cough Diseases 0.000 description 1
- 206010019233 Headaches Diseases 0.000 description 1
- 206010020751 Hypersensitivity Diseases 0.000 description 1
- 206010021143 Hypoxia Diseases 0.000 description 1
- 208000025370 Middle East respiratory syndrome Diseases 0.000 description 1
- 208000034486 Multi-organ failure Diseases 0.000 description 1
- 208000010718 Multiple Organ Failure Diseases 0.000 description 1
- 206010035664 Pneumonia Diseases 0.000 description 1
- 206010035742 Pneumonitis Diseases 0.000 description 1
- 206010037660 Pyrexia Diseases 0.000 description 1
- 208000013616 Respiratory Distress Syndrome Diseases 0.000 description 1
- 208000036071 Rhinorrhea Diseases 0.000 description 1
- 206010039101 Rhinorrhoea Diseases 0.000 description 1
- 201000000028 adult respiratory distress syndrome Diseases 0.000 description 1
- 208000026935 allergic disease Diseases 0.000 description 1
- 230000007815 allergy Effects 0.000 description 1
- 238000009534 blood test Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 210000003743 erythrocyte Anatomy 0.000 description 1
- 231100000869 headache Toxicity 0.000 description 1
- 230000007954 hypoxia Effects 0.000 description 1
- 230000028993 immune response Effects 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000005399 mechanical ventilation Methods 0.000 description 1
- 208000029744 multiple organ dysfunction syndrome Diseases 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 230000001991 pathophysiological effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000036387 respiratory rate Effects 0.000 description 1
- 238000004062 sedimentation Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000009885 systemic effect Effects 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 229960005486 vaccine Drugs 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Abstract
Description
Изобретение относится к области медицины, а именно к клинической и лабораторной диагностике, интенсивной терапии, и может использоваться для прогнозирования летального исхода у пациентов со среднетяжёлой, тяжёлой и крайне тяжёлой степенью тяжести COVID-19 инфекции.The invention relates to the field of medicine, namely to clinical and laboratory diagnostics, intensive care, and can be used to predict the death outcome in patients with moderate, severe and extremely severe COVID-19 infection.
На сегодняшний день в мире зарегистрировано более 768 миллионов случаев заболевания COVID-19 инфекцией и более 6,9 миллиона смертей [1]. Особого внимания требуют случаи COVID-19 с летальным исходом, поскольку летальность пациентов является важнейшим показателем результативности медицинской организации [2]. Наибольшая летальность от новой коронавирусной инфекции приходится на людей пожилого и старческого возраста [2, 3]. Вирус SARS-CoV-2 может вызывать различные клинические проявления - от кашля, насморка, головной боли и повышения температуры до жизнеугрожающих осложнений в виде пневмонита, дыхательной недостаточности, острого респираторного дистресс-синдрома, шока и полиорганной недостаточности [4]. Прогрессирующая системная гипоксия является важной патофизиологической особенностью, характерной для пациентов со средней, тяжёлой и крайне-тяжёлой формой COVID-19 инфекцией [5, 6]. Для оценки эффективности респираторной поддержки у пациентов с COVID-19 инфекцией может быть исследован индекс частоты дыхания - оксигенации (англ. respiratory rate-oxygenation; ROX), который определяется как отношение SpO2/FiO2 (фракция кислорода во вдыхаемом воздухе) к частоте дыхания (ЧДД) [7]. Компьютерная томография органов грудной клетки является одним из наиболее эффективных методов первичной диагностики и оценки степени тяжести заболевания COVID-19 инфекции [8, 9]. To date, more than 768 million cases of COVID-19 infection and more than 6.9 million deaths have been reported worldwide [1]. Cases of COVID-19 with a fatal outcome require special attention, since patient mortality is the most important indicator of the effectiveness of a medical organization [2]. The highest mortality rate from the new coronavirus infection occurs among elderly and senile people [2, 3]. The SARS-CoV-2 virus can cause various clinical manifestations - from cough, runny nose, headache and fever to life-threatening complications such as pneumonitis, respiratory failure, acute respiratory distress syndrome, shock and multiple organ failure [4]. Progressive systemic hypoxia is an important pathophysiological feature characteristic of patients with moderate, severe and extremely severe forms of COVID-19 infection [5, 6]. To assess the effectiveness of respiratory support in patients with COVID-19 infection, the respiratory rate-oxygenation index (ROX), which is defined as the ratio of SpO 2 /FiO 2 (the fraction of oxygen in inspired air) to the respiratory rate, can be studied. (NPV) [7]. Computed tomography of the chest is one of the most effective methods for primary diagnosis and assessment of the severity of COVID-19 infection [8, 9].
К настоящему времени известна методика прогнозирования риска летального исхода у больных сахарным диабетом 2 типа (СД) в сочетании с COVID-19 [Способ прогнозирования риска летального исхода у больных сахарным диабетом 2 типа в сочетании с COVID-19 (RU 2764954) опубликован в 2022 г.]. У больных определяют уровни мочевины, креатинина, аланинаминотрансферазы (АЛАТ), аспартатаминотрансферазы (АСАТ), С-реактивного белка (СРП), международного нормализированного отношения (MHO), Д-димера, лактатдегидрогеназы (ЛДГ), лейкоцитов, скорость оседания эритроцитов (СОЭ). При сочетании таких факторов, как уровень мочевины более 10,15 ммоль/л, креатинина более 105,4 мкмоль/л, АЛАТ выше 20,8 Ед/л, АСАТ выше 36,7 Ед/л, СРП выше 98,2 мг/л, лейкоцитов более 10,7×109/л, СОЭ выше 33,6 мм/ ч, MHO выше 1,02, Д-димера выше 295,15 мкг/л, ЛДГ выше 516,09 Ед/л, - прогнозируют летальный исход у больных СД 2 типа от COVID-19. Недостатком метода является то, что риск определяется только у больных с сопутствующим СД 2 типа, но не с другими патологиями.To date, a method for predicting the risk of death in patients with type 2 diabetes mellitus (DM) in combination with COVID-19 is known [Method for predicting the risk of death in patients with type 2 diabetes mellitus in combination with COVID-19 (RU 2764954) published in 2022 .]. In patients, the levels of urea, creatinine, alanine aminotransferase (ALAT), aspartate aminotransferase (ASAT), C-reactive protein (CRP), international normalized ratio (IHO), D-dimer, lactate dehydrogenase (LDH), leukocytes, erythrocyte sedimentation rate (ESR) are determined. . With a combination of factors such as urea level more than 10.15 mmol/l, creatinine more than 105.4 µmol/l, ALAT above 20.8 U/l, AST above 36.7 U/l, CRP above 98.2 mg/ l, leukocytes more than 10.7 × 10 9 / l, ESR above 33.6 mm/h, MHO above 1.02, D-dimer above 295.15 μg/l, LDH above 516.09 U/l, - predicted death in patients with type 2 diabetes from COVID-19. The disadvantage of the method is that the risk is determined only in patients with concomitant type 2 diabetes, but not with other pathologies.
Наиболее близким по своей сущности к методу, предлагаемому в данном изобретении, является способ прогнозирования исхода вирусной пневмонии при COVID-19 [Способ прогнозирования исхода вирусной пневмонии при COVID-19 (RU 2764002) опубликовано в 2021 г.]. У больных определяют значения оксигенации, общего белка и мочевины крови. При значениях сатурации менее 77,5 без кислородной поддержки, общего белка менее 55,5 г/л, мочевины крови более или равно 8,98 мМоль/л прогнозируют неблагоприятный исход вирусной пневмонии при COVID-19. Недостатком метода является то, что у больных не учитывается возраст и степень поражения легочной ткани по данным компьютерной томографии.The closest in essence to the method proposed in this invention is a method for predicting the outcome of viral pneumonia in COVID-19 [Method for predicting the outcome of viral pneumonia in COVID-19 (RU 2764002) published in 2021]. In patients, the values of oxygenation, total protein and blood urea are determined. With saturation values less than 77.5 without oxygen support, total protein less than 55.5 g/l, blood urea more than or equal to 8.98 mmol/l, an unfavorable outcome of viral pneumonia in COVID-19 is predicted. The disadvantage of the method is that the patients’ age and the degree of damage to the lung tissue according to computed tomography are not taken into account.
Технический результат настоящего изобретения заключается в разработке, простого и эффективного способа прогнозирования рисков летального исхода у пациентов различной степенью тяжести COVID-19 инфекции. The technical result of the present invention is to develop a simple and effective method for predicting the risk of death in patients with varying degrees of severity of COVID-19 infection.
Преимущество способа - возможность применения в большинстве стационаров, метод основан на использовании рутинных данных анамнеза, показателях лабораторной и инструментальной диагностики, может использоваться для всех пациентов, поступающих на лечения в ковидный госпиталь.The advantage of the method is that it can be used in most hospitals; the method is based on the use of routine medical history data, laboratory and instrumental diagnostic indicators, and can be used for all patients admitted for treatment in a Covid hospital.
Заявляемый способ осуществляют следующим образом.The inventive method is carried out as follows.
1. У пациента, поступившего с диагнозом, коронавирусная инфекция, вызванная вирусом SARS-CoV2 (COVID-19), определяется возраст.1. The age of a patient admitted with a diagnosis of coronavirus infection caused by the SARS-CoV2 virus (COVID-19) is determined.
2. Определяется степень поражения лёгких по данным компьютерной томографии органов грудной клетки следующим образом: 0 - КТ-0, 1 - КТ-1, 2 - КТ-2, 3 - КТ-3, 4 - КТ-4. 2. The degree of lung damage is determined according to computed tomography of the chest organs as follows: 0 - CT-0, 1 - CT-1, 2 - CT-2, 3 - CT-3, 4 - CT-4.
3. Вычисляют индекс ROX по формуле: SpO2/FiO2/ЧДД.3. Calculate the ROX index using the formula: SpO 2 /FiO 2 /NPV.
4. Определяют по общему анализу крови уровень тромбоцитов.4. The level of platelets is determined using a general blood test.
Технический результат предлагаемого изобретения подтвержден клиническими испытаниями: обследовано 100 пациентов (49 мужчин, 51 женщина) с диагнозом коронавирусная инфекция, вызванная вирусом SARS-CoV2 (COVID-19). Возраст обследуемых - 65 [55,5;70,5] лет. На этапе включения в исследование определяют возраст, степень поражения лёгких по данным компьютерной томографии органов грудной клетки, индекс ROX и уровень тромбоцитов при госпитализации.The technical result of the proposed invention was confirmed by clinical trials: 100 patients (49 men, 51 women) diagnosed with coronavirus infection caused by the SARS-CoV2 virus (COVID-19) were examined. The age of the subjects was 65 [55.5; 70.5] years. At the stage of inclusion in the study, age, degree of lung damage according to computed tomography of the chest, ROX index and platelet level during hospitalization are determined.
При проведении статистического анализа использовались программы Jamovi 2.3., GraphPad Prism 9.0. Проведен ROC-анализ с построением ROC-кривой. Результаты сравнения рассматривали как статистически значимые при p<0,05.When carrying out statistical analysis, the programs Jamovi 2.3., GraphPad Prism 9.0 were used. A ROC analysis was carried out with the construction of an ROC curve. The comparison results were considered statistically significant at p<0.05.
Краткое описание чертежейBrief description of drawings
Фиг. 1 ROC-кривая, характеризующая прогностическую модель при пороге классификации 0,5. Fig. 1 ROC curve characterizing the prognostic model at a classification threshold of 0.5.
Для оценки возможности прогнозирования риска летального исхода применялся метод логистической регрессии. To assess the ability to predict the risk of death, the logistic regression method was used.
При пороге классификации 0,5 чувствительность модели - 78,4 %, специфичность - 81%, точность - 80%.With a classification threshold of 0.5, the sensitivity of the model is 78.4%, the specificity is 81%, and the accuracy is 80%.
R-квадрат Макфаддена составил 0,318 (R2=0,318).McFadden's R-square was 0.318 (R 2 =0.318).
Площадь под кривой (AUC) 0,856.Area under the curve (AUC) 0.856.
Значимость модели составила <0,001 (p<0,001).Model significance was <0.001 (p<0.001).
Уравнение регрессииRegression equation
Z= -1,3650+0,0495×Х1+0,8273×Х2-0,1318×Х3-0,0132×Х4 Z= -1.3650+0.0495×X 1 +0.8273×X 2 -0.1318×X 3 -0.0132×X 4
где Х1 - возраст;where X 1 is age;
Х2 - степень поражения лёгких по данным компьютерной томографии органов грудной клетки, причем Х2 = 0 - КТ-0, 1 - КТ-1, 2 - КТ-2, 3 - КТ-3, 4 - КТ-4; X 2 - degree of lung damage according to computed tomography of the chest, with X 2 = 0 - CT-0, 1 - CT-1, 2 - CT-2, 3 - CT-3, 4 - CT-4;
Х3 - индекс ROX;X 3 - ROX index;
Х4 - уровень тромбоцитов.X 4 - platelet level.
Расчет вероятности развития летального исходаCalculation of the probability of death
где Р - значение вероятности летального исхода;where P is the probability of death;
e - константа, основание натурального логарифма (число Эйлера: 2,718); e is a constant, the base of the natural logarithm (Euler number: 2.718);
Z - значение, полученное в уравнении регрессии.Z is the value obtained in the regression equation.
Если P<0,5, то риск летального исхода пациента определяют, как низкий, а при P>0,5 риск летального исхода пациента определяют, как высокий. If P<0.5, then the patient's risk of death is determined to be low, and if P>0.5, the patient's risk of death is determined to be high.
Пример 1.Example 1.
Пациентка 1, женщина, диагноз: коронавирусная инфекция, вызванная вирусом SARS-CoV2 (COVID-19). Возраст 69 лет, степень поражения лёгких по данным компьютерной томографии органов грудной клетки - КТ-1, индекс ROX - 26,9, уровень тромбоцитов - 196*109/л.Patient 1, woman, diagnosis: coronavirus infection caused by the SARS-CoV2 virus (COVID-19). Age 69 years, degree of lung damage according to chest computed tomography - CT-1, ROX index - 26.9, platelet level - 196*10 9 /l.
Подставим значения в уравнение регрессии:Let's substitute the values into the regression equation:
Z = -1,3650+0,0495×69+0,8273×1 - 0,1318×26,9-0,0132×190Z = -1.3650+0.0495×69+0.8273×1 - 0.1318×26.9-0.0132×190
Z = -3,17562Z = -3.17562
Вероятность развития летального исхода: Probability of death:
Р=0,24674, это меньше 0,5, что соответствует низкому риску летального исхода.P=0.24674, this is less than 0.5, which corresponds to a low risk of death.
На фоне проводимого лечения была отмечена положительная динамика, пациентка была выписана. При наблюдении через месяц после выписки было отмечено, что реабилитация проходила благополучно.Positive dynamics were noted during the treatment, and the patient was discharged. During follow-up one month after discharge, it was noted that rehabilitation was proceeding well.
Пример 2.Example 2.
Пациент 2, мужчина, диагноз: коронавирусная инфекция, вызванная вирусом SARS-CoV2 (COVID-19). Возраст 69 лет, степень поражения лёгких по данным компьютерной томографии органов грудной клетки - КТ - 2, индекс ROX - 14,84, уровень тромбоцитов - 192*109/л.Patient 2, male, diagnosis: coronavirus infection caused by the SARS-CoV2 virus (COVID-19). Age 69 years, degree of lung damage according to computed tomography of the chest - CT - 2, ROX index - 14.84, platelet level - 192*10 9 /l.
Вероятность смерти была рассчитана по формуле:The probability of death was calculated using the formula:
Z = -1,3650+0,0495×69+0,8273×2 - 0,1318×14,84-0,0132×192Z = -1.3650+0.0495×69+0.8273×2 - 0.1318×14.84-0.0132×192
Z = -0,785212Z = -0.785212
Вероятность развития летального исхода: Probability of death:
Р=0,56121, это больше 0,5, что соответствует высокому риску летального исхода.P=0.56121, this is more than 0.5, which corresponds to a high risk of death.
При анализе истории болезни в течение последующих суток пациент был переведен в ОРИТ в связи с прогрессивным нарастанием дыхательной недостаточности, далее через 16 суток переведен на ИВЛ, впоследствии скончался, несмотря на всю проводимую терапию. Расчетный прогноз соответствует реальному исходу заболевания.When analyzing the medical history over the next 24 hours, the patient was transferred to the ICU due to a progressive increase in respiratory failure, then after 16 days he was transferred to mechanical ventilation, and subsequently died, despite all the therapy. The calculated forecast corresponds to the actual outcome of the disease.
Список литературы:Bibliography:
1. World Health Organization. (2023, July 20). COVID-19 Weekly Epidemiological Update. Retrieved from https://www.who.int/publications/m/item/weekly-epidemiological-update-on-covid-19---20-july-2023.1. World Health Organization. (2023, July 20). COVID-19 Weekly Epidemiological Update. Retrieved from https://www.who.int/publications/m/item/weekly-epidemiological-update-on-covid-19---20-july-2023.
2. Фомин В.В., Роюк В.В., Решетников В.А., Волкова О.С., Коршевер Н.Г., Козлов В.В. Анализ внутрибольничной летальности у пациентов с новой коронавирусной инфекцией (COVID-19) Клинического центра Сеченовского университета // Российский медико-биологический вестник им. академика И.П. Павлова. 2023. - Т. 31. - №3. - C. 381-389. doi: 10.17816/PAVLOVJ569334.2. Fomin V.V., Royuk V.V., Reshetnikov V.A., Volkova O.S., Korshever N.G., Kozlov V.V. Analysis of in-hospital mortality in patients with new coronavirus infection (COVID-19) at the Clinical Center of Sechenov University // Russian Medical and Biological Bulletin named after. Academician I.P. Pavlova. 2023. - T. 31. - No. 3. - pp. 381-389. doi:10.17816/PAVLOVJ569334.
3. Гуськова О.Н., Доминикан И.Е., Володько С.Н. Статистика смертности, госпитальной летальности и танатологический анализ летальных исходов у больных новой коронавирусной инфекцией (COVID-19) в Тверской области // Верхневолжский медицинский журнал. 2021. Т. 20, № 4. С. 8-13.3. Guskova O.N., Dominican I.E., Volodko S.N. Statistics of mortality, hospital mortality and thanatological analysis of deaths in patients with new coronavirus infection (COVID-19) in the Tver region // Upper Volga Medical Journal. 2021. T. 20, No. 4. P. 8-13.
4. Prompetchara E., Ketloy C., Palaga T. Immune responses in COVID-19 and potential vaccines: Lessons learned from SARS and MERS epidemic. Asian Pac J Allergy Immunol. 2020;38(1):1-9. doi:10.12932/AP-200220-0772.4. Prompetchara E., Ketloy C., Palaga T. Immune responses in COVID-19 and potential vaccines: Lessons learned from SARS and MERS epidemic. Asian Pac J Allergy Immunol. 2020;38(1):1-9. doi:10.12932/AP-200220-0772.
5. Serebrovska Z.O., Chong E.Y., Serebrovska T.V., et al. Hypoxia, HIF-1α, and COVID-19: from pathogenic factors to potential therapeutic targets // Acta pharmacologica Sinica. 2020; 41(12): 1539-1546. doi:10.1038/s41401-020-00554-8.5. Serebrovska Z.O., Chong E.Y., Serebrovska T.V., et al. Hypoxia, HIF-1α, and COVID-19: from pathogenic factors to potential therapeutic targets // Acta pharmacologica Sinica. 2020; 41(12): 1539-1546. doi:10.1038/s41401-020-00554-8.
6. Любавин А. В., Котляров С. Н. Особенности течения острого коронарного синдрома у пациентов с новой коронавирусной инфекцией COVID-19 // Наука молодых (Eruditio Juvenium). 2022. Т. 10, № 1. С. 101-112. https://doi.org/10.23888/HMJ2022101101-112.6. Lyubavin A.V., Kotlyarov S.N. Features of the course of acute coronary syndrome in patients with the new coronavirus infection COVID-19 // Science of the Young (Eruditio Juvenium). 2022. T. 10, No. 1. P. 101-112. https://doi.org/10.23888/HMJ2022101101-112.
7. Roca, O., Caralt, B., Messika, J., Samper, M., Sztrymf, B., Hernández, G., García-de-Acilu, M., Frat, J. P., Masclans, J. R., & Ricard, J. D. An Index Combining Respiratory Rate and Oxygenation to Predict Outcome of Nasal High-Flow Therapy // American journal of respiratory and critical care medicine. 2019 199(11), 1368-1376. doi:10.1164/rccm.201803-0589OC.7. Roca, O., Caralt, B., Messika, J., Samper, M., Sztrymf, B., Hernández, G., García-de-Acilu, M., Frat, J. P., Masclans, J. R., & Ricard, J. D. An Index Combining Respiratory Rate and Oxygenation to Predict Outcome of Nasal High-Flow Therapy // American journal of respiratory and critical care medicine. 2019 199(11), 1368-1376. doi:10.1164/rccm.201803-0589OC.
8. Кудрявцев Ю.С., Берегов М.М., Бердалин А.Б. и соавт. Сравнение основных шкал оценки тяжести поражения лёгких при COVID-19 по данным компьютерной томографии и оценка их прогностической ценности. Вестник рентгенологии и радиологии. 2021; 102(5): 296-303. https://doi.org/10.20862/0042-4676-2021-102-5-296-303.8. Kudryavtsev Yu.S., Beregov M.M., Berdalin A.B. et al. Comparison of the main scales for assessing the severity of lung damage in COVID-19 according to computed tomography data and assessment of their prognostic value. Bulletin of radiology and radiology. 2021; 102(5): 296-303. https://doi.org/10.20862/0042-4676-2021-102-5-296-303.
9. Временные методические рекомендации: Профилактика, диагностика и лечение новой коронавирусной инфекции (COVID-19), версия 10 от 08.02.2021. from: https://static-0.minzdrav.gov.ru/system/attachments/attaches/000/054/662/original/Временные_МР_COVID-19_%28v.10%29.PDF.9. Temporary guidelines: Prevention, diagnosis and treatment of new coronavirus infection (COVID-19), version 10 of 02/08/2021. from: https://static-0.minzdrav.gov.ru/system/attachments/attaches/000/054/662/original/Temporary_MR_COVID-19_%28v.10%29.PDF.
Claims (11)
Publications (1)
| Publication Number | Publication Date |
|---|---|
| RU2820018C1 true RU2820018C1 (en) | 2024-05-28 |
Family
ID=
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| WO2022132930A1 (en) * | 2020-12-15 | 2022-06-23 | Biodesix, Inc. | Method for predicting risk of unfavorable outcomes such as hospitalization, from clinical characteristics and basic laboratory findings |
| 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 |
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022132930A1 (en) * | 2020-12-15 | 2022-06-23 | Biodesix, Inc. | Method for predicting risk of unfavorable outcomes such as hospitalization, from clinical characteristics and basic laboratory findings |
| 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 |
| 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 |
| RU2806726C1 (en) * | 2023-05-12 | 2023-11-03 | Федеральное государственное бюджетное учреждение дополнительного профессионального образования "Центральная государственная медицинская академия" Управления делами Президента Российской Федерации (ФГБУ ДПО "ЦГМА") | Method for predicting probability of death in patients with covid-19 hospitalized on basis of laboratory and instrumental studies |
Non-Patent Citations (1)
| Title |
|---|
| МЕЛИК-ГУСЕЙНОВ Д.В. и др. Регрессионные модели прогнозирования количества летальных исходов при новой коронавирусной инфекции // Соврем. технол. мед. 2020. Том 12, N 2. Стр. 6-12. MALECOT N. et al. Chest CT Characteristics are Strongly Predictive of Mortality in Patients with COVID-19 Pneumonia: A Multicentric Cohort Study, Academic Radiology 2022, vol. 29, is. 6, p. 851-860. ABBASI B. et al. Evaluation of the relationship between inpatient COVID-19 mortality and chest CT severity score, The American Journal of Emergency Medicine, 2021, vol. 45, p. 458-463. * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhang et al. | The clinical data from 19 critically ill patients with coronavirus disease 2019: a single-centered, retrospective, observational study | |
| Flanders et al. | Performance of a bedside C-reactive protein test in the diagnosis of community-acquired pneumonia in adults with acute cough | |
| Bels et al. | Decreased serial scores of severe organ failure assessments are associated with survival in mechanically ventilated patients; the prospective Maastricht Intensive Care COVID cohort | |
| Nystad et al. | Underlying conditions in adults with COVID-19 | |
| Szederjesi et al. | An evaluation of serum procalcitonin and C-reactive protein levels as diagnostic and prognostic biomarkers of severe sepsis | |
| Esezobor et al. | Kidney function of HIV-infected children in Lagos, Nigeria: using Filler's serum cystatin C-based formula | |
| Yazdanpanah et al. | Literature review of COVID-19, pulmonary and extrapulmonary disease | |
| 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 | |
| RU2820018C1 (en) | Method for prediction of risk of fatal outcome in patients with various severity of covid-19 infection | |
| Chen et al. | A retrospective observational study of the association between plasma levels of interleukin 8 in 42 patients with sepsis-induced myocardial dysfunction at a single center between 2017 and 2020 | |
| Goto et al. | The usefulness of a combination of age, body mass index, and blood urea nitrogen as prognostic factors in predicting oxygen requirements in patients with coronavirus disease 2019 | |
| Shimizu et al. | Peripheral oxygen saturation to inspiratory oxygen fraction ratio-based identification of critically ill coronavirus disease patients for early therapeutic interventions | |
| Borén et al. | A man in his nineties with fever and dry cough | |
| RU2797141C1 (en) | Method of predicting death in adults with tuberculosis and coronavirus infection. | |
| RU2796612C1 (en) | Method for prediction of pulmonary fibrosis development in patients with interstitial lung diseases | |
| RU2782796C1 (en) | METHOD FOR ASSESSING THE RISK OF DEVELOPING A SEVERE COURSE OF CoVID-19 | |
| Qu et al. | Repeated nucleic acid tests are necessary for early diagnosis of atypical COVID-19: A case report | |
| RU2306865C2 (en) | Method for predicting the development of post-surgical pneumonia | |
| RU2761138C1 (en) | Method for assessing the risk of developing a severe course of coronavirus infection in women | |
| RU2817106C1 (en) | Method for personified prediction of fatal outcomes of covid-19-associated pneumonia in elderly and senile patients | |
| RU2803002C1 (en) | Method of predicting the risk of death from covid-19 in young patients | |
| RU2795093C1 (en) | Method for predicting the severity of pneumonia in covid-19 | |
| RU2812749C1 (en) | Method of predicting the risk of death in patients with covid-19 | |
| Murugavel et al. | Serum Ferritin Level in Categorization of COVID-19 Patients | |
| Rodriguez-Nava et al. | 61. Using Machine Learning for Prediction of Poor Clinical Outcomes in Adult Patients Hospitalized with COVID-19 |