Номограмма для прогнозирования госпитальной летальности у пациентов с COVID-19, находившихся в отделении реанимации и интенсивной терапии

Цель: разработать прогностическую модель оценки риска развития летального исхода в течение 30 дней после госпитализации у пациентов с COVID-19, проходивших лечение в отделении реанимации и интенсивной терапии (ОРИТ).

Материалы и методы. Проведено одноцентровое ретроспективное когортное исследование госпитальной летальности пациентов, находящихся на лечении в ОРИТ ГБУЗ «ГКБ им. В. П. Демихова ДЗМ» в период с 6 марта по 3 июня 2020 г.

Результаты. Проведен анализ историй болезней 403 пациентов. Итоговая 30-дневная летальность составила 44,9% (181/403). Значимыми предикторами летального исхода у пациентов с COVID-19 оказались: возраст 60 лет и более (adj. OR 3,84; 95%-ный ДИ 1,56‒9,44, p = 0,003), наличие в анамнезе хронической обструктивной болезни легких (adj. OR 2,35; 95%-ный ДИ 1,12‒4,95, p = 0,024), заболеваний периферических артерий (adj. OR 5,08; 95%-ный ДИ 1,87‒13,76, p = 0,001) и хронической болезни почек 3b стадии и выше (adj. OR 4,58; 95%-ный ДИ 2,36‒8,90, p < 0,001), значение уровня лактатдегидрогеназы 300 МЕ/л и более (adj. OR 3,05; 95%-ный ДИ 1,23‒7,58, p = 0,016) и С-реактивного белка 200 мг/л и более (adj. OR 3,65; 95%-ный ДИ 1,95‒6,85, p < 0,001). Качество прогностической модели: AUC = 0,811 [0,733‒0,874], p < 0,001.

Выводы. Разработана номограмма для оценки риска наступления летального исхода у пациентов с COVID-19, предполагающая оценку возраста, наличия в анамнезе хронической обструктивной болезни легких, хронической болезни почек 3b стадии и выше, заболеваний периферических артерий, мониторинг лактатдегидрогеназы и С-реактивного белка.

1. Багненко С. Ф., Полушин Ю. С., Шлык И. В. и др. Опыт работы ПСПбГМУ им. И. П. Павлова по оказанию помощи больным с новой коронавирусной инфекцией: первые итоги и уроки // Вестник анестезиологии и реаниматологии. ‒ 2021. ‒ Т. 18, № 2. ‒ С. 7‒16. https://doi.org/10. 21292/2078-5658-2021-18-2-7-16.

2. Белобородова Н. В., Зуев Е. В., Замятин М. Н. и др. Этиотропная терапия COVID-19: критический анализ и перспективы // Общая реаниматология. – 2020. – № 16 (6). – С. 65–90. doi: 110.15360/1813-9779-2020-4-0-1.

3. Волчков В. А., Пушкин А. С., Рукавишникова С. А. и др. Критические значения лабораторных показателей в формировании исхода у пациентов с COVID-19 // Анестезиология и реаниматология. – 2021. – № 5. – С. 23-28. doi: 10.17116/anaesthesiology202105123.

4. Временные методические рекомендации. Профилактика, диагностика и лечение новой коронавирусной инфекции COVID-19. Версия 6 (28.04.2020) / Утв. Минздравом РФ. [Электронный ресурс]. URL:https://static-1.rosminzdrav. ru/system/attachments/attaches/000/050/116/original/28042020_МR_ COVID-19_v6.pdf (дата обращения 01.11.2021).

5. Выхристенко Л. Р., Счастливенко А. И., Бондарева Л. И. и др. Поражение почек при инфекции COVID-19 // Вестник ВГМУ. – 2021. – Т. 20, № 1. – С. 7‒23. doi: https://doi.org/10.22263/2312-4156.2021.1.7.

6. Глыбочко П. В., Фомин В. В., Моисеев С. В. и др. Исходы у больных с тяжелым течением COVID19, госпитализированных для респираторной поддержки в отделения реанимации и интенсивной терапии // Клиническая фармакология и терапия. – 2020. ‒ № 29 (3). – С. 25‒36. doi: 10.32756/0869-5490-2020-3-25-36.

7. Конради А. О., Недошивин А. О. Ангиотензин II и COVID-19. Тайны взаимодействий // Российский кардиологический журнал. ‒ 2020. ‒ Т. 25, № 4. ‒ С. 3861. doi:10.15829/1560-4071-2020-3861.

8. Овсянников Е. С., Авдеев С. Н., Будневский А. В. и др. COVID-19 и хроническая обструктивная болезнь легких: известное о неизвестном / Туб. и болезни легких. – 2021. – Т. 99, № 2. – С. 6‒15. doi: 10.21292/2075- 1230-2021-99-2-6-15.

9. Полушин Ю. С., Шлык И. В., Гаврилова Е. Г. и др. Роль ферритина в оценке тяжести COVID-19 // Вестник анестезиологии и реаниматологии. ‒ 2021. ‒ Т. 18, № 4. ‒ С. 20‒28. https://doi.org/10.21292/2078-5658-2021-18-4-20-28.

10. Устьянцева И. М., Зинченко М. А., Гусельникова Ю. А. и др. SARS-CoV-2. Маркеры воспаления // Политравма. – 2020. – № 4. – С. 35–43. doi: 10.24411/1819-1495-2020-10044.

11. Bakin E. A., Stanevich O. V., Chmelevsky M. P. et al. A novel approach for COVID-19 patient condition tracking: from instant prediction to regular monitoring // Front. Med., 07 December 2021 https://doi. org/10.3389/fmed.2021.744652.

12. Cai L., Zhou X., Wang M. et al. Predictive Nomogram for severe COVID-19 and identification of mortality-related immune features // J. Allergy Clin. Immunol. Pract. – 2021. – Vol. 9, № 1. – P. 177‒184.e3. doi: 10.1016/j.jaip.2020.10.043.

13. Charlson M. E., Pompei P., Ales K. L. et al. A new method of classifying prognostic comorbidity in longitudinal studies: development and validation // J. Chronic. Dis. – 1987. – Vol. 40, № 5. – P. 373‒383. doi: 10.1016/0021-9681(87)90171-8.

14. DeLong E. R., DeLong D. M., Clarke-Pearson D. L. Comparing the areas under two or more correlated receiver operating characteristic curves: a nonparametric approach // Biometrics. – 1988. – Vol. 44, № 3. – Р. 837–845. [Электронный ресурс]. URL:https://www.jstor.org/stable/2531595 (дата обращения 01.11.2021).

15. Fang X., Li S., Yu H. et al. Epidemiological, comorbidity factors with severity and prognosis of COVID-19: a systematic review and meta-analysis // Aging. – 2020. – Vol. 12, № 13. – P. 12493–12503. doi: 10.18632/aging.103579.

16. Fang X., Li X., Bian Y. et al. Radiomics nomogram for the prediction of 2019 novel coronavirus pneumonia caused by SARS-CoV-2 // Eur. Radiol. – 2020. – № 30. – P. 6888–6901. doi: 10.1007/s00330-020-07032-z.

17. Han Y., Zhang H., Mu S. et al. Lactate dehydrogenase, a risk factor of severe COVID-19 patients: a retrospective and observational study // Aging. – 2020. – Vol. 12, № 12. – P. 11245–11258. doi: 10.1101/2020.03.24.20040162.

18. Henry B. M., de Oliveira M. H. S., Benoit S. et al. Hematologic, biochemical and immune biomarker abnormalities associated with severe illness and mortality in coronavirus disease 2019 (COVID-19): a meta-analysis // Clin. Chem. Lab. Med. – 2020. – Vol. 58, № 7. – P. 1021–1028. doi: 10.1515/cclm-2020-0369.

19. Hoffmann M., Kleine-Weber H., Schroeder S. et al. SARS-CoV-2 cell entry depends on ACE2 and TMPRSS2 and is blocked by a clinically proven protease inhibitor // Cell. – 2020. – № 181. – Р. 271–280. doi:10.1016/j. cell.2020.02.052.

20. Huang C., Wang Y., Li X. et al. Clinical features of patients infected with 2019 novel coronavirus in Wuhan, China // Lancet. – 2020. – Vol. 10223, № 395. – P. 497–506. doi: 10.1016/S0140-6736(20)30183-5.

21. Imig J. D., Ryan M. J. Immune and inflammatory role in renal disease // Compr. Physiol. – 2013. – № 3. – P. 957–976. doi: 10.1002/cphy.c120028.

22. Izcovich A., Ragusa M. A., Tortosa F. et al. Prognostic factors for severity and mortality in patients infected with COVID-19: A systematic review // PLoS One. – 2020. – Vol. 15, № 11. – P. e0241955. doi: 10.1371/journal.pone.0241955.

23. Liu W., Tao Z. W., Lei W. et al. Analysis of factors associated with disease outcomes in hospitalized patients with 2019 novel coronavirus disease // Chin. Med. J. – 2020. – Vol. 133, № 9. – P. 1032–1038. doi: 10.1097/CM9.0000000000000775.

24. Malik P., Patel U., Mehta D. et al. Biomarkers and outcomes of COVID-19 hospitalisations: systematic review and meta-analysis // BMJ Evid. Based Med. – 2021. – Vol. 26, № 3. – P. 107–108. doi: 10.1136/bmjebm-2020-111536.

25. Munblit D., Nekliudov N. P. Bugaeva O. et al. Stop COVID Cohort: An Observational Study of 3480 Patients Admitted to the Sechenov University Hospital Network in Moscow City for Suspected Coronavirus Disease 2019 (COVID-19) Infection // Clin. Infect. Dis. – 2021. – Vol. 73, № 1. – Р. 1–11. doi: 10.1093/cid/ciaa1535.

26. Nguyen Y., Corre F., Honsel V. et al. A nomogram to predict the risk of unfavourable outcome in COVID-19: a retrospective cohort of 279 hospitalized patients in Paris area // Ann. Med. – 2020. – Vol. 52, № 7. – P. 367–375. doi: 10.1080/07853890.2020.1803499.

27. Reyes F. M., Hache-Marliere M., Karamanis D. et al. Assessment of the association of COPD and asthma with in-hospital mortality in patients with COVID-19. A systematic review, meta-analysis, and meta-regression analysis // J. Clin. Med. – 2021. – № 10. – Р. 2087. doi: 10.3390/jcm10102087.

28. Royal College of Physicians. National Early Warning Score (NEWS) 2 2020. Available from: [Электронный ресурс]. URL:https://www.rcplondon. ac.uk/projects/outputs/national-early-warning-score-news-2 (дата обращения 2021-06-01).

29. Shryane N., Pampaka M., Aparicio-Castro A. et al. Length of stay in ICU of COVID-19 patients in England, March – May 2020 // Int. J. Popul. Data Sci. – 2021. – Vol. 5, № 4. – P. 1411. doi: 10.23889/ijpds.v5i4.1411.

30. Sodhi C. P., Wohlford-Lenane C., Yamaguchi Y. et al. Attenuation of pulmonary ACE2 activity impairs inactivation of des-Arg9 bradykinin/BKB1R axis and facilitates LPS-induced neutrophil infiltration // Am. J. Physiol. Lung Cell Mol. Physiol. – 2018. – Vol. 314, № 1. – Р. L17‒L31. doi: 10.1152/ajplung.00498.2016.

31. Wang K., Zuo P., Liu Y. et al. Clinical and laboratory predictors of in-hospital mortality in patients with COVID-19: a cohort study in Wuhan, China // Clin. Infect. Dis. – 2020. – № 71. – P. 2079–2088. doi: 10.1093/cid/ciaa538.

32. World Health Organization. Novel coronavirus (2019-nCoV): situation report-40. [Электронный ресурс] URL: https://www.who. int/docs/default-source/coronaviruse/situation-reports/20200229-sit rep-40-covid-19.pdf. (дата обращения 01.11.2021).

33. Xu Z., Li W., Han J. et al. Angiotensin II induces kidney inflammatory injury and fibrosis through binding to myeloid differentiation protein-2 (MD2) // Sci. Rep. – 2017. – № 7. – Р. 44911. doi: 10.1038/srep44911.

34. Zhang B., Liu Q., Zhang X. et al. Clinical utility of a nomogram for predicting 30-days poor outcome in hospitalized patients with COVID-19: multicenter external validation and decision curve analysis // Front Med. (Lausanne). – 2020. – № 7. – P. 590460. doi: 10.3389/fmed.2020.590460.

35. 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. – Vol. 10229, № 395. – P. 1054–1062. doi: 10.1016/S0140-6736(20)30566-3.

36. Zlotnik A., Abraira V. A general-purpose nomogram generator for predictive logistic regression models // Stata J. – 2015. – Vol. 15, № 2. – P. 537‒546. doi:10.1177/1536867X1501500212.