A COVID-19 betegség kimenetelének előrejelzése
Egy új előrejelző kalkulátor segíthet felismerni azokat a COVID-19-es betegeket, akik állapota valószínűleg súlyosbodni, és jelzi az állapotromlás várható sebességét is.
Dr. Brian Garibaldi (Johns Hopkins University School of Medicine in Baltimore, Maryland) és munkatársai egy olyan COVID-19 fekvőbeteg kockázati kaalkulátort (COVID-19 Inpatient Risk Calculator) fejlesztettek ki, mely a COVID-19-cel összefüggő 24 változót használ (életkor, testtömeg index, alapbetegségek, életfunkciók, a tünetek súlyossága a kórházba történő felvételkor, stb). Az 5 kórházban: a Maryland állambeli Johns Hopkins kórházakban és a Washington DC.-beli kórházakban 2020. március 4. és április 24. között kezelt 832 COVID-19-es beteg adatai alapján kidolgozott módszert 2020. szeptember 22-én ismertették online az Annals of Internal Medicine-ben.
A modell jelzi a kockázat végpontjait
A szerzők szerint a modell előre jelzi a betegség súlyosbodásának valószínűségét (ilymódon figyelmeztet arra, hogy a betegnek jelentős oxigén-támogatásra vagy gépi lélegeztetésre lesz szükségessége) jelez), vagy akár a várható halálozást is egy 5%-tól 90%-ig tartó skálán. Néha tehát annak jelzője, hogy egy beteg akár 18-szoros valószínűséggel fog rosszabbodni egy átlagos COVID-19-es beteghez képest.
A cikkben két példát is említenek: (1) egy 81 éves fekete nőbetegnek diabetese, magas vérnyomása, 35 kg/m² fölötti BMI-je van, lázas, percenként 32-szer vesz levegőt, magas a C-reaktív protein értéke, a D-dimer értéke meghaladja a 1 mg/litert. Annak a valószínűsége, hogy a felvétel utáni második, negyedik és hetedik napon súlyosbodni fog a betegsége, vagy meg is hal, 80%, 92%, illetve 96%. Ezzel ellentétben (2) egy 39 éves latin férfinél, aki láztalan, BMI-je 23 kg/m², nincsenek kísérőbetegségei a romlás, vagy az elhalálozás valószínűsége a második, negyedik, vagy hetedik napon mindössze 3%, 5% és újra csak 5%. A módszer kidolgozói szerint a számítás pontossága nem mindig azonos, függ attól, hogy a kórházba kerülés hányadik napján végzik el: az első két napban 85%-os, a következő hét folyamán 80%-ra változik.
Az információ alkalmazásai
A kalkulátor által adott információ az egészségügyi rendszer számára segít felmérni az intenzív osztályra kerülés valószínűségét, a progresszió, illetve a halál bekövetkeztének sebességét. A súlyos betegség kialakulásának, vagy a halál bekövetkeztének átlagos ideje az elemzésbe vont betegeknél alig haladta meg az egy napot. Ilyen módon a beavatkozásra csak nagyon korlátozott idő állt rendelkezésre. A kutatók a precíziós orvosi analitika platformot (PMAP, precision medicine analytics platform) használták, mely az életkoron kívül nemcsak a kísérőbetegségeket, a demográfiai adatokat, hanem a laboratóriumi értékeket, a beteg által szedett gyógyszereket és a beteg anamnézisét is tartalmazta. Segítségével nemcsak azt tudták reálisan felmérni, hogy hogy milyen volt a beteg állapota a kórházba való érkezéskor, hanem azt is, hogy mi fog történni 7 vagy 14 nap múlva. Több ilyen modellt publikáltak már, vagy van fejlesztés alatt, de Michael Kattan (Dept. of Quantitative Health Sciences at Cleveland Clinic, Ohio) szerint módszertani szempontból eddig ez sikerült a legjobban. Kiemelte, hogy a kumulativ-dinamikus tualjdonságokat mutató görbe alatti területet használták a magas, vagy alacsony kockázatú betegek elkülönítésére, ily módon azok kiemelhetők a többi beteg közül. Újszerű módszerrel választották ki az egyes jósló tényezőket, és mérséklik azok hatásait – így segítendő az általánosítás lehetőségét.
Az egyes vizsgálati helyek közötti kereszt validálást is elvégezték: az egyi találomra kiemelt kórház vizsgálati eredményeit összehasonlították a másik négy kórházban végzett vizsgálatok eredményeivel, majd az eljárást minden vizsgálati hellyel megismételték. Megfigyelésük szerint a modell minden centrumban jól működött. A módszert kommentáló Kattan viszont azt hiányolta, hogy nem tesznek említést arról, hogy hogyan történt a kockázati kalkulátor kalibrációja, illetve milyen volt az összefüggés a megjósolt valószínűség és azon betegek aránya között, akiknél a megjósoltak következtek be?
Az előrejelzések esetén mindig fennáll a veszély, hogy az algoritmus alapján rosszul ítélünk meg eseteket, ezért a szerzők hangsúlyozták, hogy a modell nem helyettesíti az orvosi gyakorlatot, csak annak kiegészítésére használható. COVID-19-ben a javasolt előrejelzési modellnél jelenleg jóval fontosabb és megbízhatóbb az orvos döntése.
Források:
