邱琳蕊 陈梅梅
福建省龙岩人民医院肾病学科,福建省龙岩市 364000
新型冠状病毒感染(Corona virus disease 2019,COVID-19)是一种急性呼吸道传染病,因其传播范围广、传播速度快、传染性强、病情进展迅速等特点已成为全球公共卫生紧急事件,严重威胁人类生命健康。受频繁医疗暴露与尿毒症内环境影响,维持性血液透析(Maintenance hemodialysis,MHD)患者免疫力低下,对抗感染的能力较低,易成为COVID-19感染的高危人群。据研究报道[1],MHD患者COVID-19患病率约2%,远超过健康人群的0.5%。因此,MHD患者COVID-19的感染防控至关重要。近年来关于MHD患者确诊COVID-19的报道方向主要集中在相关因素和治疗现状方面,虽取得了一定成就,但对相关风险的个体化、定量化预测仍未形成突破。列线图是一种由求解数学方程演变而来的图形计算工具,它将变量的取值和可视化的函数绘制在同一平面上,现已被临床广泛应用于数据的分析和风险预测[2]。本研究拟在探讨MHD患者发生重症COVID-19感染危险因素的基础上构建列线图,旨在制定更为规范的诊疗方案。
1.1 一般资料 回顾性选取2020年1月—2022年1月我院收治的258例MHD确诊COVID-19患者为研究对象。本研究已通过医院伦理委员会审批。(1)纳入标准:①完成规律性透析月龄>3个月;②年龄>18岁;③采用低分子肝素或普通肝素抗凝治疗;④确诊COVID-19[3];⑤患者或家属签署知情同意书。(2)排除标准:①精神障碍者;②妊娠期或哺乳期女性;③接受过肾脏移植或腹膜透析治疗;④合并恶性肿瘤者;⑤数据缺失者;⑥同时参与其他研究者。
1.2 研究方法 通过医院电子病历系统收集资料,主要包括一般人口学资料与疾病相关资料等。
1.3 COVID-19临床分型[3](1)轻型:临床症状轻微,肺部影像无肺炎表现。(2)普通型:有发热、呼吸道症状等,肺部影像有肺炎表现。(3)重型:①呼吸≥30次/min;②静息状态下,指脉氧饱和度≤ 93%;③动脉血氧分压/吸氧浓度≤ 300mmHg(1mmHg=0.133kPa);④24~48h内肺部影像学显示病灶进展>50%。(4)危重型:①休克;②呼吸衰竭;③合并其他器官功能衰竭。上述(3)(4)中的特征符合任何一条均可确诊。本研究将轻型与普通型合并为非重症组,将重型与危重型合并为重症组。
2.1 重型与危重型检出率 本文258例MHD确诊COVID-19患者,有53例为重型与危重型,检出率为20.54%。
2.2 两组患者一般资料分析 两组BMI、空腹血糖水平、血小板计数、血C反应蛋白水平、淋巴细胞百分比、谷草转氨酶水平、肌酸激酶同工酶水平比较差异有统计学意义(P<0.05),见表1。
表1 258例MHD确诊COVID-19患者临床一般资料比较
2.3 MHD患者发生重症COVID-19危险因素的Logistic回归分析 以单因素分析筛选(P<0.05)的7个因素为自变量,以出现重症为因变量,见表2,结果显示,BMI增高、空腹血糖水平增高、血小板计数减少、血C反应蛋白水平增高、淋巴细胞百分比下降、谷草转氨酶水平增高、肌酸激酶同工酶水平增高是MHD患者发生重症COVID-19的独立危险因素(P<0.05),见表3。
表2 变量赋值表
表3 二元Logistic回归分析
2.4 MHD患者发生重症COVID-19风险列线图模型的建立、评价和验证
2.4.1 MHD患者发生重症COVID-19风险列线图模型的建立。将7项危险因素单独列出并以评分的形式量化,建立MHD患者重症COVID-19风险列线图模型,见图1。
图1 预测MHD患者发生重症COVID-19风险列线图模型
2.4.2 MHD患者发生重症COVID-19风险列线图模型的评价和验证。模型的内部验证采用Bootstrap自抽样法评估,其中C-index为0.983(95%CI:0.977~0.989),接近于1,证实模型区分度较好;模型的校准度采用图形校准法和Hosmer-Lemeshow(H-L)拟合优度检验评估,见图2,校正曲线趋近于理想曲线,证实预测准确性良好,此外,H-L拟合优度检验结果为 χ2=12.436,P=0.078,证实模型拟合效果较好;内部验证ROC曲线下面积为0.857,见图3,证实模型预测效能较好。
图2 模型校正曲线验证
图3 模型ROC曲线验证
血液透析需要在医疗机构进行,透析中心是人员集中的医疗场所,流动性和聚集性较强,感染防控受到限制,同时在透析过程中涉及血液接触,存在一定的传播风险。此外,MHD患者通常伴有免疫系统的功能缺陷或调节失衡,这使得他们对病原体感染的抵抗能力较弱,更容易感染COVID-19病毒,并且导致感染后症状更加严重。重症COVID-19患者病情往往会突然暴发性进展,造成死亡率增加,有数据显示,新冠疫情期间高钾血症、心脑血管并发症是造成MHD患者死亡的主要原因,说明在此期间维持必要的透析剂量至关重要。故本文建立MHD患者重症COVID-19发生风险列线图模型,有助于转变医务人员的视角,开始有侧重、有目的地防控,实现现代医疗的早发现、早预防理念,从而提高医疗资源的利用效率,为医务人员减负。
本文筛选出了BMI增高、空腹血糖水平增高、血小板计数减少、血C反应蛋白水平增高、淋巴细胞百分比下降、谷草转氨酶水平增高、肌酸激酶同工酶水平增高是MHD患者发生重症COVID-19的独立危险因素。(1)BMI增高:本文表明BMI增高的MHD患者COVID-19重症检出率是其降低患者的1.649倍,证实BMI增高是MHD患者发生COVID-19重症的危险因素,与沈梦媛等[4]研究结论相似。COVID-19病毒感染引起的炎症反应对呼吸系统可造成巨大影响,会进一步加剧心肺系统负荷,而高BMI者过多的脂肪沉积在胸部和腹部区域,对肺部的扩张和呼吸运动造成限制,导致肺活量减少和通气功能异常,进而增加呼吸衰竭的风险。(2)空腹血糖水平增高:本文表明空腹血糖水平增高的MHD患者COVID-19重症检出率是其降低患者的5.852倍,证实空腹血糖水平增高是MHD患者发生COVID-19重症的危险因素,与Bode等[5]研究结论相似。究其原因,高血糖状态下会损伤免疫系统功能,抑制炎症反应和抗病毒能力,降低机体对病原体的防御能力,使MHD患者更容易感染COVID-19病毒。此外,高血糖会引发慢性炎症,提高病毒进一步侵袭机体的风险,并且可能导致炎症反应失控,造成更严重的病情。(3)血小板计数减少:本文表明血小板计数减少的MHD患者COVID-19重症检出率是其升高患者的0.990倍,证实MHD患者COVID-19病情严重程度与血小板减少程度呈线性相关,与胡凯等[6]研究结论相似。血小板不仅具有止血功能,同时还是炎性因子,激活血小板功能后释放炎性因子会加重感染,甚至诱发多器官功能障碍。(4)血C反应蛋白水平增高:本文表明血C反应蛋白水平增高的MHD患者COVID-19重症检出率是其降低患者的1.164倍,证实MHD患者COVID-19病情严重程度与血C反应蛋白水平呈线性相关,与李勇等[7]研究结论相似。C反应蛋白为急性时相反应蛋白,在机体出现感染时可迅速作出反应,广泛应用于肺炎的疗效评估中,也同样在病毒感染的评估中发挥着重要价值,CRP水平升高说明病毒感染后机体内出现了大量炎症反应,往往预后不良。(5)淋巴细胞百分比下降:本文表明淋巴细胞百分比下降的MHD患者COVID-19重症检出率是其上升患者的0.761倍,证实淋巴细胞百分比下降是MHD患者发生COVID-19重症的危险因素,与郭祈福等[8]研究结论相似。淋巴细胞的主要作用为细胞免疫、体液免疫和直接杀伤,对抵抗病毒侵袭发挥着重要作用,淋巴细胞百分比下降容易被COVID-19病毒感染。(6)谷草转氨酶水平增高:本文表明谷草转氨酶水平增高的MHD患者COVID-19重症检出率是其下降患者的1.610倍,证实谷草转氨酶水平增高是MHD患者发生COVID-19重症的危险因素,与刘川等[9]研究结论相似。谷草转氨酶是反映肝功能的重要预测指标。肝脏在免疫系统中扮演重要角色,包括清除病原体、合成免疫细胞所需的蛋白质等。当肝功能受损时,免疫系统功能受到影响,从而降低机体对抗病毒的能力,更容易感染COVID-19病毒。(7)肌酸激酶同工酶水平增高:本文表明肌酸激酶同工酶水平增高的MHD患者COVID-19重症检出率是其下降患者的1.335倍,证实肌酸激酶同工酶水平增高是MHD患者发生COVID-19重症的危险因素,与魏超霞等[10]研究结论相似。肌酸激酶同工酶在心肌损伤的酶学检测中有着较高的特异度,常用于预测心肌损伤。罗晶晶等[11]报道,除呼吸道症状外,部分COVID-19患者也会出现心悸、胸痛、胸闷等心血管系统症状。大量文献报道[12-14],感染COVID-19可出现不同程度的心肌损伤,从而提高心肌细胞释放的肌酸激酶同工酶、谷草转氨酶水平、乳酸脱氢酶水平,重症COVID-19患者的心脏损伤的风险为22.2%~31%。
列线图是一种将风险因素转化为连续评分系统的图形统计工具,使数据之间的对比更加直观明确,精准计算出单个MHD患者发生重症COVID-19风险程度,有利于临床人员制定更规范的治疗方案和危险因素控制措施[15]。此外,列线图模型的变量获取简单、便捷,均可通过临床一般资料、相关检查指标筛选,这为预测MHD患者发生重症COVID-19提供了大量非常有价值的信息,使本研究构建的列线图预测模型更为科学。列线图模型提供了关联性强、强调信息变化和趋势、更直观的数据比较以及增强可视化效果等优势,使列线图模型成为分析和决策支持的有力工具,从而提高医疗资源的利用效率,为医护人员减负。但本模型中变量仍纳入不全面,也未能进行模型外部验证,这也为后续的研究提供了新的探索方向。
综上所述,本文构建的列线图预测模型准确性较高、临床实用性好,有助于推动个体化医疗发展。