基于临床和CT特征的诺模图早期识别重症新型冠状病毒肺炎的研究

目的 探讨基于初诊的临床和CT特征的诺模图在早期识别重症新型冠状病毒肺炎(COVID-19)中的应用价值.方法 回顾性分析108例COVID-19患者的临床和CT资料.所有患者按照病程中严重程度分为轻症组(76例)和重症组(32例),并分析其临床特征和CT特征.对两组间差异有统计学意义的临床和CT特征进行多因素Logistic回归分析,确定重症COVID-19相关的独立危险因素.将独立危险因素引入R软件,构建预测重症COV-ID-19的诺模图,并进行ROC曲线分析,通过绘制校准曲线及进行Hosmer-Lemeshow拟合优度检验进行模型验证.结果 重症组的年龄(55.78±14.45)岁明显大于轻症组(43.46±14.84)岁(P＜0.05).重症患者的CT严重性评分[8(5.2～10.0)]高于轻症患者[4(2.0～5.0)],差异有统计学意义(P＜0.001).两组患者的糖尿病、冠心病、白细胞计数、中性粒细胞计数、C反应蛋白、位置、分布、形态、密度、血管束增粗、空气支气管征、铺路石征、马赛克灌注征的差异均有统计学意义(P＜0.05).多因素Logistic回归结果显示年龄、白细胞计数、空气支气管征和CT严重性评分是重症COVID-19的独立危险因素.诺模图的曲线下面积为0.939(95％置信区间:0.895～0.983),敏感性和特异性分别为96.9％和84.2％.标准曲线显示预测概率与实际概率符合度良好.Hosmer-Lemeshow拟合优度检验(X2=10.136,P=0.256)显示诺模图预测重症COVID-19具有较好准确性.结论 基于初诊的临床和CT特征构建的诺模图在早期识别重症COVID-19有较大的应用价值,可为临床个体化评估COVID-19患者病情提供一定的帮助.