临床资料联合CT建模预测COVID-19普通型肺炎向重型转化

【摘要】目的：探讨新型冠状病毒肺炎（COVID-19）由普通型向重症型转化相关危险因素并建立有效预测模型,提高对新型冠状病毒肺炎认识和诊治水平。方法：分析153例COVID-19患者入院临床及CT资料,依据第7版新型NCP诊疗方案将其分为普通型组及重症型组,普通型肺炎组101例;普通型肺炎转重型组52例。通过CT表现、临床症状、基础病、血常规、肝功及凝血功能行综合分析,运用logistic回归建模并绘制ROC曲线。结果：临床资料中男性、高龄、呼吸困难、纳差、高血压、糖尿病、心血管疾病、淋巴细胞、C反应蛋白、白细胞及中性粒细胞计数、白蛋白及纤维蛋白原计数两组间比较有统计学意义（P＜0.05）;CT表现肺叶受累数量、病灶形态、邻近胸膜情况两组间比较有统计学意义（P＜0.05）。临床资料建立预测模型灵敏度82.56%,特异度75.00%,曲线下面积0.881;CT表现建立预测模型灵敏度68.18%,特异度47.62%,曲线下面积0.666;结合临床资料及CT表现综合建立预测模型灵敏度85.98%,特异度80.43%,曲线下面积0.922。结论：CT结合临床特征、实验室检查在早期预测COVID-19临床分型转变中具有重要意义,可对疾病严重程度行早期评估。