摘要
背景肺超声(LUS)是评估COVID-19肺损伤的可行方法。然而,LUS评估COVID-19住院患者肺损伤的预后意义和时间线变化尚不清楚。
方法前瞻性队列研究旨在通过定量量表(LUZ-score)分析COVID-19患者入院后72小时内LUS的预后价值。主要终点是住院死亡和/或进入重症监护病房。总住院时间、前72小时内氧流量的增加或药物治疗的升级是次要终点。
结果130例患者纳入最终分析;平均年龄56.7±13.5岁。从出现症状到入院时间为6天(4-9)。luz评分评估的肺损伤在前72小时内没有差异(入院时21分[16-26]对20分[16-27],72分 h、 在单变量logistic回归分析中,PaO2/FiO2(HR 0.99[0.98-0.99];p=0.027)和LUZ评分>22分(5.45(1.42-20.90);p=0.013)是主要终点的预测因子。
结论LUZ-score是一种简单、快速的护理点超声工具,用于在入院时识别因COVID-19造成严重肺部损伤的患者。基线评分可预测整个住院期间的严重程度。该评分有助于尽早实施或加强COVID-19感染治疗。luz评分可与临床变量(如估计的PAFI)结合,进一步完善风险分层。
摘要
COVID-19引起的肺损伤可通过肺超声(LUS)检测。LUS识别出出现并发症风险较高的COVID-19患者。LUS可支持COVID-19患者的临床决策。
介绍
COVID-19是由严重急性呼吸综合征冠状病毒2型(SARS-CoV-2)引起的全身性疾病[1,2].2019年底,中国出现的病毒,并迅速传播全球,挑战医疗保健系统,成为一个多世纪以来最毁灭性的大流行病[3.].本质上,它是一种多系统疾病,以肺为特效性,可导致严重的呼吸衰竭,最终需要机械通气,病死率高[4]迄今为止,除了对大多数重症患者使用低剂量全身皮质类固醇外,没有一种治疗方法显示出降低死亡率的有效性[5].因此,COVID-19患者早期发现肺受累者和预期呼吸并发症将对临床医生提供巨大帮助,以便对患者进行个性化管理,并预测机械通气的需求。
令人惊讶的是,Covid-19导致了诊断挑战,因为许多患者在症状和放射性发现之间存在解剖(如。,约三分之一的患者胸部x光片没有浸润)[2,6,7].自第一次爆发以来[1],试图改善COVID-19感染的早期诊断和潜在并发症。由于其敏感性,肺部计算机断层扫描(CT)已被假定为检测肺受累的“金标准”[8,9].然而,肺部CT有一定的局限性,尤其是在需要重复检查的情况下:由于设备需求高、辐射暴露、需要在患者周围移动,或者使用后需要加强环境清洁,这些都是不方便和耗时的。基于这些原因,肺超声(LUS)和护理点超声(POCUS) [10]已被定位为管理新冠病毒-19患者的潜在替代方案。
我们假设LUS可用于量化Covid-19期间的肺损伤。此外,我们认为肺损伤程度可能与预后有关,因此,LU可能有助于在前72小时期间治疗决策。如果是真,Lus可以帮助设计更有效和更早先的治疗策略,患者为Covid-19感染。
该研究的目的是:1)分析LUS在入院时估计的肺损伤的预后价值。2)使用LUS验证新冠病毒-19患者肺损伤的特定定量量表。3)分析在最初48–72年期间,肺损伤的变化是否通过LUS量化 入院时,可确定预后较差的患者。4)分析分析和临床变量与LUS量化的肺损伤严重程度之间的相关性。
材料和方法
研究设计与设置
2020年7月- 10月在高校教学中心传染病科和内科开展前瞻性队列研究。该研究包括两个阶段。首先分析LUS在COVID-19患者中的作用,其次,旨在识别具有潜在临床应用价值的血液生物标志物。本文中包括的结果涉及研究的第一阶段。
入选标准:1)年龄≥18岁。2)知情同意。3)经鼻咽聚合酶链反应(PCR)或特异性血清学(IgM和/或IgG)确诊为SARS-CoV2 (COVID-19)感染,有临床活动性呼吸道感染症状或体征。排除标准:1)重症监护病房(ICU)入院。2)患者拒绝参与。3)功能依赖(Barthel指数<50分)。4)中度/重度认知障碍(Pfeiffer评分);5)晚期慢性阻塞性肺疾病(COPD) (FEV1<30%)或有肺气肿和/或肺纤维化史;6)癌症活动性。
变量和定义
住院期间对患者进行了三次评估:1)“入院”(入院前24小时)。2)“控制”(48至72小时后)和3)“放电”(放电前一天)。在每个时间点,使用LUS协议量化肺受累率(见下面),记录生命体征(血压、心率、氧饱和度和呼吸治疗),根据FiO2和氧饱和度(ePAFI)估算PAFI (PaO2/FiO2)指数,用Borg评分法(从1[最小值]到10[最大值])量化患者呼吸困难。记录常规血液实验室数据(全血细胞计数- cbc -、生化、凝血和血气)。在征得患者同意后,将额外的血液样本进行生物库保存,并将其保存在−80°C,以便将来进行分析(Aragón Health System Biobank)。
肺的超声波
肺超声检查采用UPROBE-C5PL无线超声设备(leeleman©),凸探头3.5 ~ 5 MHz,增益80 ~ 100 dB,最大深度160 ~ 220 mm。存储图像和视频(Ipad 10.2)。苹果©)。LUS的研究人员均为内科专家,具有丰富的临床超声经验(2年以上,180余次胸部LUS探查)[11- - - - - -13].
在每次检查中,根据以往的研究分析了12个领域[14](每个肺部2前部,2个侧向和2个后部)。鉴于Covid-19中超声变化的渐进性质,根据观察结果的模式分配到每个象限的0到4点之间的分数,导致0到48点之间的总分比(0点:线和正常胸膜线; 1点:与隔离和小“B”线共存的行; 2分:一条线消失,多个“B”线与保存的肺实质空间交替。可以看到胸膜厚度和小“叮咬”; 3分:“B”线合并并形成填充整个肋间空间的巨型“B”线。胸膜线被模糊,“咬伤”更频繁地出现; 4分:胸膜线被破坏,封装(1至1.5 cm deep) are observed. “Sun rays” and “Waterfall” patterns coexists.) (无花果。1,补充图5和补充多媒体) -我们称之为协议”肺超声萨拉戈萨评分”(LUZ-Score)。如果在同一肺象限(根据分析的肋间隙)存在多个模式,则对得分最高的发现进行注释。受累区域的数量,有无胸膜下实变和有无胸腔积液也被记录。
结果
主要终点定义为院内死亡或转移至ICU进行有创机械通气的合并发生率。还考虑了以下次要结果:1)不需要ICU的患者出院前的住院时间。2) 是否在72小时内增加氧气流量 入院后h是必需的,3)在72小时内改用更积极的药物治疗(定义为添加雷德西韦或恢复期血浆,或开始使用皮质类固醇或增加地塞米松剂量) h入院后。
统计分析
酌情表示连续变量为平均值±标准偏差或中位数(侧链范围)。分类变量表示为百分比。在正常连续变量之间进行比较分析,学生T-检验和方差分析。那些不符合正态性的变量使用Mann-Whitney和Kruskal Wallis U检验进行比较。分类变量比较采用卡方检验。连续变量之间的不同相关性分析采用Pearson或Spearman检验。
样本量是根据进行第2期研究所需的血液样本数量计算的(见研究设计部分)。最终目的是收集100例完全随访(基线、对照和出院)患者的血清样本。考虑到招聘阶段医疗保健压力的影响,估计损失约为30%,最终目标是纳入130家公司。
在单变量和多变量logistic回归分析中,LUZ-Score根据其主要终点预测值的ROC分析中选择的截断值进行二分。设计多变量logistic回归模型,以确定与住院期间需要转ICU或院内死亡独立相关的因素。当p值<0.200时,从单变量分析中选择候选预测因子,并在多变量分析中单步进入。年龄也包括在模型中。通过1000个重复的Bootstrap测试模型的稳定性。连续的候选变量在必要时使用对数多项式进行变换。
纳入的置信区间为95% (95% CI), p < 0.05具有统计学意义。统计分析使用统计软件包社会科学(SPSS)版本24.0 for Windows)。
该研究符合《赫尔辛基宣言指南》(CEICA,参考C.P.-C.I.PI20/248,2020年5月13日)的基本指南。
结果
基线特征(表1)
肺的超声波
总共进行了341次检查(入院时130次,对照组124次,出院时87次)。LUZ-Score观察到的肺受累在基线期和对照组之间没有变化(21 [10])对20 [11];P =0.183),尽管在出院时观察到显著下降(13 [12];p = < 0.001) (无花果。2和补充表1).在入院的前72小时内影响的肺区数量既不差异(9 [3]对9 [4];p = 0.077)。受累肺野以右下叶(R6=69.2%)和左下叶(L6=65.2%)居多,其次为左上叶外侧(L3=58.5%)和右上叶外侧(L6=65.2%)。(R3 = 56.2%) (补充表1).
根据LUZ-Score(分位数)对人群进行分层,在基线特征或共病方面没有显着差异(表1).然而,那些肺受累更大的患者(LUZ-Score> 75%),根据估计的PAFI (p=<0.001)表现出更高程度的呼吸衰竭(p=0.031),以及Borg评分较高的呼吸困难评分(p=0.031)。LUS改变较大的患者(LUZ评分> 75%),入院时天冬氨酸转氨酶(p=0.044)、乳酸脱氢酶(p=<0.001)、d -二聚体(p=0.037)、c -反应蛋白(p=0.013)和白介素6 (p=<0.001)浓度较高。LUZ-Score定量显示,在初始肺受损伤较大的患者中,接受全身类固醇(p=0.001)和瑞德西韦(0.009)治疗的患者比例较高(p=0.001)。表1).
LUZ评分与呼吸功能相关变量ePAFI存在显著相关(r=−0.516;p=<0.001)或博格量表(r=0.228;p = 0.009);肺组织生物标志物如乳酸脱氢酶(r=0.395;p = < 0.001);c反应蛋白等全身炎症标志物(r=0.286;p=0.001)或IL-6 (r=0.383;p = < 0.001)。(补充表2和补充图2).
结果
130名患者中的13名达到初级终点(10.1%):12名患者对ICU进行入侵,用于侵入式机械通气,另一个死于与中央静脉导管相关的菌血症。基线Luz-score 22是主要终点的最大敏感性点(灵敏度= 76.9%;特异性= 62.1%; AUC = 0.693; P = 0.023)(补充图3).
不需要进入ICU的患者中位住院时间为8天(IQR 6)。在控制阶段,37例(32.7%)患者需要增加供氧,44例(37.9%)患者需要转向更积极的药物治疗。基线LUZ评分>为75%的患者,其主要终点发生事件的比例明显更高(25%;p=0.016),没有转入重症监护室的住院时间更长(9天[IQR 6];P =0.003),并且需要显著增加对照组的供氧量(41.7%;p = 0.037)。(表2).Kaplan-Meier曲线显示基线LUZ评分分层如何帮助预测主要终点风险较高的患者补充材料(补充图4).
单变量logistic回归分析确定了估计的ePAFI (HR 0.99 [0.98-0.99];p=0.027)和基线>时LUZ评分22 (HR 5.45 (1.42-20.90);P =0.013)作为主要终点的潜在预测因子(补充表3).在多变量logistic回归中,在对混杂因素和bootstrapping进行调整后(表3)、基线>22分(敏感性最高的临界值)LUZ-Score被确定为主要终点的独立预测因子(HR 5.25 [0.84-32.84];p = 0.038) (表3).
讨论
在本研究中,我们通过LUS监测COVID-19住院患者的肺损伤。我们在此提出一个基于LUS的定量评分来估计疾病的严重程度。我们的主要结果显示,入院时LUZ-Score可以识别更严重的肺损伤患者,并能准确预测不良预后。评分在住院的第72小时内没有变化,这意味着在入院时它是完全信息的。
鉴于Covid-19患者的广泛肺参与,LUS可能在急性病患者的管理中具有一些潜在的效用[15,16].一些研究报告了在ED和ICU环境下使用LUS对COVID-19肺受累评估的改善[17,18],但我们只发现了两项前瞻性研究,分析了COVID-19第一波大流行(2020年3月和4月)期间LUS的预后价值[19]第一组包括80名患者(17名门诊患者,42名住院患者和21名经口气管插管或死亡患者),他们最初进入急诊室。作者使用定量量表(LUS评分)——基于胸部十个区域的测量——确定了最有可能进入重症监护室的患者。第二个[20.,包括120名患者,使用类似的量化量表,仅基于6个地区,并包括在内科病房或重症监护病房住院的COVID-19患者。在这些患者中,只有20名患者(16.6%)在研究期间接受了监测。作者总结道,LUS可以快速识别肺受累并提供危险分层。尽管这些发现新颖而重要,但两项研究都有一些局限性。样本异质性,包括门诊患者和内科病房或ICU住院患者。此外,他们没有提供关于评分指导下的治疗变化的数据,也没有关于LUS评分随访的数据(李希特等。[20.].仅监测20例患者)。此外,这些研究是在第一波大流行期间进行的,因此他们的结果可能不能有效地解释当前的情况,因为一些有效的疗法,如地塞米松[21.或瑞德西韦[22.],正在以比以前更系统的方式使用。
在我们的患者中,LUZ-Score在入院后72小时内没有变化(p=0.183),这突出了早期肺部评估的重要性。双肺后下区和上外侧区是最常见和最严重的受累区域。这一模式与在COVID-19中使用LUS的其他研究中描述的模式相似[18,19,23.].在我们的研究中有一个以前没有报道过的惊人发现,即尽管在出院时肺损伤显著减少(入院时21分[IQR 10])对出院时13分[IQR 12]: p=<0.001)多数患者仍有超声肺显像。这些发现是否表明了一个活跃的或演变的损伤仍有待澄清。无论是什么意思,这都清楚地表达了COVID-19感染的临床图像的异质性以及临床和影像学发展之间的分离。此外,出院时肺伪影的持续存在应促使医学界从全面的角度解决这些患者的随访问题,这必须包括密切监测肺功能和潜在残留病变。
在我们的队列研究中,基线检查时LUZ评分最高(>75%)的患者症状持续时间更长,通过伯格评分自我报告的呼吸困难更多,PAFI估计值显著降低,乳酸脱氢酶、C-反应蛋白和白细胞介素-6浓度更高。与严重程度更高的认知一致,LUZ评分较高的患者在入院时更常使用全身类固醇(93.1%;p=0.001)和雷德西韦(44.8%;p=0.009)。简言之,LUS和使用LUZ评分对肺损伤进行量化确定了受影响最严重的患者,这通过与其他严重程度指标(如临床或分析参数)的显著相关性以及通过他们接受的治疗间接显示出来。
我们的结果为帮助管理COVID-19患者提供了一个新的工具。通过LUZ-Score等客观措施对肺损伤进行量化,可以为早期识别最严重的患者提供机会,从而为COVID-19患者早期实施和适当分配最严格的治疗。
人们可以从我们的研究中提取相关信息。首先,入院时呼吸系统症状越严重的患者,LUZ评分越高(> 75%),所有原因导致的死亡或进入ICU的频率越高(25%;p = 0.009)。第二,基线LUZ-Score超过22分,连同估计的PAFI,在单变量logistic回归模型中被确定为主要终点的预测因子(表3).在调整潜在混杂因素和bootstrapping后,LUZ-Score>22分在最终的多变量模型中仍然显著(HR 5.25 [0.84-33.84];p = 0.038)。置信区间很宽,并且包含了该单元,这一事实值得考虑。也许,更大的样品量可以获得更高的功率,但我们受到美国设备和训练有素的工作人员的可用性、更高的安全预防措施的需要以及与当前大流行形势相关的工作超负荷的限制。样本量除了根据生物标志物的预期预测能力计算外,还受现有资金的限制。我们还应该考虑到研究的主要终点是困难(死亡和/或ICU入院)。另一方面,自举后的结果是显著的,这反映了它的一致性,并强烈支持超声和其他临床变量的潜在效用,如估计的PAFI。这在一种具有高度可变临床表达的疾病中尤其重要,并且经常与其他补充性检查的数据分离。
我们建议Luz-Score作为Covid-19患者的简单,简单,快速的护理超声工具,以与其他临床和分析变量组合地分层风险。根据我们的结果,入场LU可以帮助临床医生实施Covid-19治疗(通过早期增加O2流量或通过升级其他疗法),在这些情况下更严重涉及。鉴于LU的优点,这种技术可以根据需要和各地多次重复,这会赋予其临床使用的额外优点。
限制
这项研究是在一个中心进行的,所以他们的结果不能推广。由于研究设计的原因,我们没有分析LUS和CT之间的相关性。样本量的设计是基于生物标志物分析的样本收集,这可能低估了多变量logistic回归分析的力量。最后,尽管所有拍摄LUS图像的医生都有大量的LUS经验,但这项技术依赖于操作者,可能会影响最终结果。
结论
肺超声和LUZ-Score可以量化COVID-19患者的肺受累程度。在入院的前72小时内评分没有变化,这加强了第一次超声评估的重要性,这应该在入院后不久进行。基线入院LUZ-Score >22是ICU入院或住院死亡的预测指标。尽管临床情况有所改善,但部分患者在出院时仍存在超声肺伪影。这一特殊发现以前没有报道过,其意义也不清楚。
致谢
给所有内科和传染病科的员工,医生,护士和技术人员。给同意参与研究的患者致所有死于疫情的病人和照顾他们的医护人员。
脚注
这篇文章有补充资料可从www.qdcxjkg.com
支持声明:这项研究是通过阿拉贡健康研究所(Aragon Health Research Institute)发起的2020年COVID-19众筹活动资助的。https://www.iisaragon.es/utilidad-de-la-ecografia-clinica-y-el-uso-de-biomarcadores-sericos-en-la-estratificacion-del-riesgo-de-pacientes-con-infeccion-por-sars-cov2-covid-19/).卫生研究所investigación;Grant: 2019冠状病毒病2020众筹活动。
利益冲突:卢比奥·格雷西亚博士没有什么可透露的。
利益冲突:GiménezLópez博士无需披露。
利益冲突:加塞·霍纳博士没有什么要披露的。
利益冲突:López-Delgado博士没有什么可披露的。
利益冲突:Sierra-Monzón博士没有什么可披露的。
利益冲突:Martínez-Lostao博士无需披露。
利益冲突:乔萨·洛登博士没有披露。
利益冲突:Ruiz Laiglesia博士没有什么要披露的。
利益冲突:Pérez-Calvo博士没有什么可披露的。
利益冲突:克雷斯波-阿兹纳雷兹医生没什么可透露的。
利益冲突:García-Lafuente博士没有什么要披露的。
利益冲突:Peña-Fresneda博士没有什么要披露的。
利益冲突:Amores Arriaga博士没有什么要披露的。
利益冲突:格拉西亚-泰罗博士没有什么可透露的。
利益冲突:Sánchez-Marteles博士没有什么可披露的。
- 收到了2020年11月20日。
- 接受2021年1月31日。
- ©2021年作者。
此版本在Creative Commons归因非商业许可证4.0的条款下分发。用于商业再现权和权限联系权限在}{ersnet.org