北京市新型冠状病毒肺炎患者核酸复阳危险因素分析

International Journal of Virology(2022)

Cited 0|Views10
No score
Abstract
目的:分析影响北京市新型冠状病毒肺炎(COVID-19)患者核酸复阳的危险因素,并初步建立预测模型。方法:收集2021年10月21日至2021年12月5日在首都医科大学附属北京地坛医院住院的45例COVID-19患者临床数据,根据出院后14 d新型冠状病毒(SARS-CoV-2)核酸复查是否阳性分为复阳组( n=9)和持续阴性组( n=36),将两组患者临床指标进行单因素分析,筛选出影响COVID-19患者复阳的可能危险因素;进一步进行logistic回归分析并构建预测模型,绘制受试者工作特征(ROC)曲线评价预测价值。 结果:两组间病程、阴转时间(SARS-CoV-2核酸ORF或N单基因首次阴性日期至出院日期的间隔天数)、IgM、CRP、SAA、LYMP%、WBC、N-Ct(鼻咽拭子核酸RT-PCR的Ct值)、联合治疗方式、肺部病变时间(胸部CT提示病毒性肺炎的日期与提示病变吸收日期的间隔天数)等指标差异有统计学意义( P<0.05)。logistic回归分析显示病程( OR = 0.801,95% CI:0.660~0.973)、联合治疗方式( OR = 0.346,95% CI:0.124~0.965)、肺部病变时间( OR =0.787,95% CI:0.641~0.965)为COVID-19患者复阳的独立预测因素。创建预测模型:logit(P)= 7.053-0.222×病程-1.361×联合治疗-0.240×肺部病变好转时间。预测模型的ROC曲线下面积为0.872,95% CI [0.759,0.985]。此ROC曲线的约登指数为0.584,灵敏度为0.788,特异度为0.806。 结论:病程、联合治疗方式、肺部病变时间为预测COVID-19患者复阳的独立因素,所建立的预测模型对COVID-19患者复阳具有较好的预测价值。
More
Translated text
Key words
Severe acute respiratory syndrome coronavirus 2,RNA Re-positive,Risk factor,Predictive model,Receiver operating characteristic curve
AI Read Science
Must-Reading Tree
Example
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined