Chronic lung lesions in COVID-19 survivors: predictive clinical model

COVID-19 생존자의 만성 폐 병변: 예측 임상 모델

Published on
Journal: BMJ Open
[저자] Carlos Roberto Ribeiro Carvalho, Rodrigo Caruso Chate, Marcio Valente Yamada Sawamura, Michelle Louvaes Garcia, Celina Almeida Lamas, Diego Armando Cardona Cardenas, Daniel Mario Lima, Paula Gobi Scudeller, João Marcos Salge, Cesar Higa Nomura, Marco Antonio Gutierrez, Members of the HCFMUSP COVID-19 Study Group, Members of the HCFMUSP Covid-19 Study Group
[Category] COVID19(2023년), SARS, 치료기술,
PMC URL    [DOI] 10.1136/bmjopen-2021-059110    
[Article Type] Article
[Source] PMC

Abstract
Objective: This study aimed to propose a simple, accessible and low-cost predictive clinical model to detect lung lesions due to COVID-19 infection.
Design: This prospective cohort study included COVID-19 survivors hospitalised between 30 March 2020 and 31 August 2020 followed-up 6 months after hospital discharge. The pulmonary function was assessed using the modified Medical Research Council (mMRC) dyspnoea scale, oximetry (SpO 2 ), spirometry (forced vital capacity (FVC)) and chest X-ray (CXR) during an in-person consultation. Patients with abnormalities in at least one of these parameters underwent chest CT. mMRC scale, SpO 2 , FVC and CXR findings were used to build a machine learning model for lung lesion detection on CT.
Setting: A tertiary hospital in Sao Paulo, Brazil.
Participants: 749 eligible RT-PCR-confirmed SARS-CoV-2-infected patients aged ≥18 years.
Primary outcome measure: A predictive clinical model for lung lesion detection on chest CT.
Results: There were 470 patients (63%) that had at least one sign of pulmonary involvement and were eligible for CT. Almost half of them (48%) had significant pulmonary abnormalities, including ground-glass opacities, parenchymal bands, reticulation, traction bronchiectasis and architectural distortion. The machine learning model, including the results of 257 patients with complete data on mMRC, SpO 2 , FVC, CXR and CT, accurately detected pulmonary lesions by the joint data of CXR, mMRC scale, SpO 2 and FVC (sensitivity, 0.85±0.08; specificity, 0.70±0.06; F1-score, 0.79±0.06 and area under the curve, 0.80±0.07).
Conclusion: A predictive clinical model based on CXR, mMRC, oximetry and spirometry data can accurately screen patients with lung lesions after SARS-CoV-2 infection. Given that these examinations are highly accessible and low cost, this protocol can be automated and implemented in different countries for early detection of COVID-19 sequelae.
Keywords: COVID-19; chest imaging; respiratory medicine (see thoracic medicine).

All Keywords
【저자키워드】 COVID-19, respiratory medicine (see thoracic medicine), chest imaging, 【초록키워드】 Brazil, protocol, SARS-COV-2 infection, hospital, lung, spirometry, outcome, prospective cohort study, RT-PCR, sensitivity, specificity, Pulmonary function, Ground-glass opacities, Chest CT, COVID-19 infection, Chest, Early detection, Patient, automated, chest X-ray, Dyspnoea, chest imaging, Thoracic, CXR, bronchiectasis, forced vital capacity, Predictive, Medical Research Council, lung lesion, vital capacity, lung lesions, oximetry, reticulation, hospital discharge, pulmonary involvement, Abnormalities, pulmonary lesions, e parameters, abnormality, mMRC, survivor, parameter, Complete, hospitalised, country, joint, architectural distortion, traction bronchiectasis, detect, were used, pulmonary lesion, build, eligible, FVC, parenchymal, SARS-CoV-2-infected patient, 【제목키워드】 chronic, Predictive,
{{{ 추상적인 }}} {{ 목표: }} 이 연구는 COVID-19 감염으로 인한 폐 병변을 감지하기 위한 간단하고 접근 가능하며 저렴한 예측 임상 모델을 제안하는 것을 목표로 했습니다. {{ 디자인: }} 이 전향적 코호트 연구에는 2020년 3월 30일에서 2020년 8월 31일 사이에 입원한 COVID-19 생존자를 퇴원 후 6개월 동안 추적 관찰한 결과가 포함되었습니다. 폐 기능은 대면 상담 동안 수정된 의료 연구 위원회(mMRC) 호흡 곤란 척도, 산소 측정기(SpO 2 ), 폐활량 측정(강제 폐활량(FVC)) 및 흉부 X선(CXR)을 사용하여 평가되었습니다. 이 매개변수 중 하나 이상에 이상이 있는 환자는 흉부 CT를 받았습니다. mMRC 척도, SpO 2 , FVC 및 CXR 결과는 CT에서 폐 병변 검출을 위한 기계 학습 모델을 구축하는 데 사용되었습니다. {{ 설정: }} 브라질 상파울루에 있는 3차 병원. {{ 참가자: }} 18세 이상의 적격 RT-PCR 확인 SARS-CoV-2 감염 환자 749명. {{ 일차 결과 측정: }} 흉부 CT에서 폐 병변 감지를 위한 예측 임상 모델. {{ 결과: }} 470명의 환자(63%)가 하나 이상의 폐 침범 징후가 있고 CT에 적합했습니다. 그들 중 거의 절반(48%)은 유리 바닥 혼탁, 실질 밴드, 망상, 견인 기관지 확장증 및 구조적 왜곡을 포함하여 심각한 폐 이상을 보였습니다. mMRC, SpO 2 , FVC, CXR 및 CT에 대한 완전한 데이터를 가진 257명의 환자의 결과를 포함하는 기계 학습 모델은 CXR, mMRC 척도, SpO 2 및 FVC의 공동 데이터(감도, 0.85±0.08)에 의해 폐 병변을 정확하게 검출했습니다. ; 특이도, 0.70±0.06, F1-점수, 0.79±0.06 및 곡선하 면적, 0.80±0.07). {{ 결론: }} CXR, mMRC, 산소 측정기 및 폐활량 측정 데이터를 기반으로 하는 예측 임상 모델은 SARS-CoV-2 감염 후 폐 병변이 있는 환자를 정확하게 스크리닝할 수 있습니다. 이러한 검사가 접근성이 높고 비용이 저렴하다는 점을 감안할 때 이 프로토콜은 COVID-19 후유증을 조기에 감지하기 위해 여러 국가에서 자동화되고 구현될 수 있습니다. {{ 키워드: }} 코로나19; 흉부 영상; 호흡기 의학(흉부 의학 참조).