致编辑:
在约20%的2019冠状病毒病(COVID-19)患者中观察到下呼吸道(LRT)受累,与更严重的临床病程、不良结局和长期后遗症有关[1,2].通过指出有恶化风险的人群,早期确定是否涉及下路放疗,可以促进有针对性和及时的治疗,从而改变短期和长期的疾病结果[3.].虽然影像学是下呼吸道感染的金标准诊断测试,但它与潜在可避免的辐射负担有关,在某些治疗环境中,如初级保健,可能不容易获得[4].另一方面,氧饱和度降低似乎是一个特定的,但不敏感的标志,因为在缺氧的情况下经常观察到磨玻璃的变化或固结[5,6,7].胸部听诊在确定下呼吸道受累方面的敏感性已在有限人群中进行了评估,且存在差异[8,9],这在一定程度上可能是由于评估人员的技能不同。
LungPass是一种自动肺音分析平台,由电子无线听诊器和手机应用程序组成,可以通过限制观察者的偏差来标准化听诊过程。LungPass算法使用神经网络技术开发,并使用肺声音记录的顺序推导集进行训练。接下来,在200个录音的分离验证队列中评估算法的性能属性。所有使用的肺部录音都是由呼吸内科专家小组裁决的。基于验证队列,LungPass可以识别正常肺音,灵敏度为96.9%,特异性为90%,噼啪声(92.5%,82.5%)和喘息声(99.4%,90.0%),以及伪影和心音(开发过程将单独报告)。
我们假设,LungPass可以用作COVID-19患者下呼吸道感染的筛查工具。在第五市临床医院和明斯克地区结核病药房(白俄罗斯明斯克地区)进行的一项前瞻性观察研究中,我们评估了由呼吸内科医生或LungPass评估的肺音在识别COVID-19患者的下呼吸道感染时的敏感性。该研究包括282名在急诊科出现COVID-19强烈临床怀疑的成年人,影像学检查结果与COVID-19下呼吸道感染(磨砂玻璃混浊和/或实变)一致。72.3%的参与者获得了验证性PCR结果。在11个预先指定的点进行胸部听诊(图1)使用LungPass进行,随后由一名胸科医生使用高质量听诊器进行随访,在同一场合,在参与者入院后24小时内进行。胸科会诊医师在评估呼吸系统疾病患者(VK、NV、MC;5-20年全职临床实践经验)。每个听诊点的肺音记录为正常的呼吸声、噼啪声、喘息声、心音或伪音(后两种声音被排除)。为了评估LungPass的性能特征(敏感性和特异性),我们还使用它听诊了32名连续入院的非呼吸系统疾病成年患者。
COVID-19组参与者的平均年龄为60.2岁(标准差:14.5岁),56%为女性。9.2%的参与者报告既往存在慢性呼吸系统疾病(主要是COPD, 6.7%)。招募时症状的中位持续时间为6天(四分位数范围:3-7天)。最常见的症状包括疲劳(69.9%)、发热(66.7%)、咳嗽(63.8%)和呼吸困难(35.8%)。尽管所有参与者都有COVID-19的影像学证据,但只有25.5%的参与者观察到缺氧(氧饱和度低于94%),包括磨砂玻璃变化(97.9%)和/或实变(20.2%)。
总体而言,下呼吸区出现裂纹的频率较高(图1).Cohen的kappa指数显示,LungPass与呼吸内科医生的判断之间存在中度良好的一致性(kappa指数:0.61,95%置信区间:0.59-0.64)。此外,两名新近合格的胸科医生与LungPass之间的一致性更好(p<0.001)。在患有COVID-19的参与者中,93.6%的人在至少一个听诊点发现了裂纹,84.0%的人在两个或两个以上的点发现了裂纹。呼吸科医生的数字分别为74.5%和67.7%。此外,LungPass在至少一个听诊点(98.6%)和至少两个点(94.0%)识别出任何额外的异常肺音(噼啪声或喘息声),而呼吸内科医生的百分比分别为83.3%和79.1%。
在3102个听诊声音(11点× 282例患者)中,533个(17.2%)被LungPass认为异常,但胸科医生认为正常,175个(5.6%)相反。有趣的是,在上述两组病例中,分别有73.6%和86.3%的病例在最近端同侧听诊点之一发现了异常肺音,这表明临床医生和LungPass对肺音表征的差异更可能代表对添加的异常肺音(假阴性)的敏感性有限,或听诊器位置的差异,而不是特异性有限。在临床医生和LungPass都认为异常的1075个肺部声音中,97%的病例对异常类型(噼里啪啪或喘息)达成一致。
对照组参与者的平均年龄为46.1岁(标准差:18.1岁),34.4%为女性,无慢性呼吸道疾病。LungPass仅在一个对照组患者的两个听诊点上识别出异常的肺部声音(噼啪声或喘息声)。根据我们的数据,如果任何附加的异常声音被认为是下呼吸道病变的证据,LungPass的敏感性为98.6%(95%置信区间[CI]: 96.4%-99.6%),特异性为96.9% (95% CI: 83.8%-99.9%)。然而,我们之前的数据表明存在一些假阳性的肺音读数。为了限制假阳性读数的风险,因此,我们可以考虑在至少两个听诊点出现任何额外的异常肺音,作为轻度呼吸道感染的证据,在这种情况下,LungPass的敏感性估计为94.0% (95% CI: 90.5% - 96.5%),特异性估计为96.9% (95% CI: 83.8%-99.9%)。
在敏感性分析中,仅包括PCR阳性确诊的COVID-19患者,所有结果均保持不变。
这些发现表明,即使在缺氧发生之前,LungPass也是一种敏感和特定的平台,可用于识别COVID-19导致的下呼吸道受累。然而,这项探索性研究的局限性在于,对照组由没有任何急性呼吸道问题的患者组成,而不是确诊为COVID-19但未涉及下呼吸道治疗的患者(胸部CT清晰)。不幸的是,我们无法接触到这些人,因为在COVID-19大流行期间,只有患有更严重的COVID-19的患者才会进入二级护理环境,而这项研究正是在二级护理环境中进行的。因此,需要未来的研究来评估初级保健环境中COVID-19的LungPass的性能特征。
在COVID-19大流行期间,已使用了几种肺部录音设备来方便听诊,而不影响临床医生的个人防护设备[7,8,10].此外,一项广泛的观察研究正在评估一种不同的自动肺声分析算法的敏感性和特异性[11].然而,据我们所知,这是首个证明自动肺声分析算法(LungPass平台)在识别COVID-19中轻度呼吸道感染的敏感性和特异性的探索性研究。在更大规模的、正在进行的研究中证实了我们的发现后,LungPass,一种价格合理、可由非专家使用的便携式肺声音记录设备,可以促进远程监测和早期识别有恶化风险的患者,并-可能-指导及时实施可能挽救生命的治疗。
确认
JV和AGM由国家卫生研究所曼彻斯特生物医学研究中心(NIHR曼彻斯特BRC)支持。
脚注
伦理批准:本研究由白俄罗斯国立医学院研究生教育伦理委员会(伦理委员会编号:№18/21012020)在2020年2月6日举行的会议上批准(议定书№1/2020)。
作者的贡献:设计:EAL、OK、HB、AGM;数据采集:EAL、OK、VK、NV、MC、IB、EK、EIL;数据处理:EAL、OK、IB、EK、EIL、MM、SA、AK、VD;数据分析:OK, AGM;稿件准备:AGM;稿件评审:所有作者;数据保证:EAL, OK, HB。
支持声明这项研究是由健康网络资助和赞助的。国家卫生研究所;DOI: http://dx.doi.org/10.13039/501100000272;资助:NIHR曼彻斯特生物医学研究中心(BRC);健康的网络。
利益冲突:Lapteva医生报告了健康网络在研究期间收取的个人费用;健康网络在提交工作之外的个人费用;.
利益冲突:Kharevich博士报告了在研究期间从健康网络收取的个人费用;健康网络的个人费用,在提交的工作之外。
利益冲突:在研究进行期间,Khatsko博士报告了来自健康网络的个人费用;.
利益冲突:Voronova博士报告了在研究期间从健康网络收取的个人费用;.
利益冲突:Chamko医生报告了在研究期间从健康网络收取的个人费用;.
利益冲突:Bezruchko博士在研究期间向健康网络报告个人费用;健康网络在提交工作之外的个人费用;.
利益冲突:Katibnikova博士在研究期间向健康网络报告个人费用;健康网络在提交工作之外的个人费用;.
利益冲突:在研究进行期间,Loban医生报告了来自健康网络的个人费用;健康网络在提交工作之外的个人费用;.
利益冲突:Bezruchko博士受雇于健康网络公司。
利益冲突:Binetskaya博士是健康网络的首席执行官,并拥有肺声音分类软件的专利(正在申请中)。
利益冲突:Aleshkevich博士受雇于健康网络
利益冲突:Karankevich博士受雇于健康网络,并拥有肺声音分类软件的专利(正在申请中)。
利益冲突:Dubinetski博士受雇于健康网络,并拥有肺声音分类软件的专利(正在申请中)。
利益冲突:Vestbo博士报告了来自阿斯利康的个人费用,来自勃林格殷格翰的资助和个人费用,来自Chiesi的个人费用,来自GSK的个人费用,来自诺华的个人费用,在提交的工作之外;我儿子为基耶西工作。
利益冲突:Mathioudakis博士报告说,在研究进行期间,他持有健康网络的股份;勃林格殷格翰(Boehringer Ingelheim)在提交作品之外的资助;.
- 收到了2021年7月7日。
- 接受2021年9月5日。
- 版权所有©作者2021。
本版本根据知识共享署名非商业许可4.0的条款发布。为商业复制权利和权限联系权限在}{ersnet.org