新型冠状病毒肺炎患者重症转归风险预测

作者：彭志行; 陈旭峰; 胡钦勇; 胡家才; 赵子平; 张明智; 邓思婷; 徐俏俏; 夏彦恺^*; 李勇^*

来源：中华流行病学杂志, 2020, 41(10): 1595-1600.

DOI：10.3760/cma.j.cn112338-20200331-00479

• 新型冠状病毒肺炎
• 重症转归
• 预测模型

目的建立新型冠状病毒肺炎(COVID-19)患者转归为重症的预测模型, 为早期、动态地监测患者转归提供更加全面、准确、及时的指标。方法基于患者的入院检测指标和轻、重症分型, 以及检测指标的动态改变(即入院后两次检测指标测量值差)等输入变量, 使用XGBoost方法建立预测模型, 评估患者在入院之后转归为重症的风险。然后将入选的患者从入院随访至出院, 观察其病情转归情况, 对模型预测结果进行验证。结果在100例COVID-19患者的训练集中, 筛选出具有较高评分的预测变量并建立模型, 计算出预测变量取值的高风险范围:血氧饱和度<94%、外周血白细胞计数>8.0×109个、SBP变化<-2.5 mmHg(1 mmHg=0.133 kPa)、心率>90次/min、有多发小斑片影、年龄>30岁、心率变化<12.5次/min。训练集的模型预测结果的敏感率为61.7%, 漏诊率为38.3%;使用模型对测试集进行预测的敏感性为75.0%, 漏诊率为25.0%。结论与传统的预测判断方法(即采用入院时第一次检测的指标和重症入选条件进行评估患者是否为轻、重症)相比, 模型的预测考虑到了COVID-19患者的基线生理指标与病情变化指标, 因此能够全面、准确地预测患者重症转归的风险, 减少重症患者的漏诊率。

• 单位
  武汉大学人民医院; 南京医科大学第一附属医院