Савушкина Ольга Игоревна – канд. биол. наук, зав. отделением исследований функции внешнего дыхания центра функционально-диагностических исследований, ГВКГ им. акад. Н.Н. Бурденко; ст. науч. сотрудник, лаборатория функциональных и ультразвуковых методов исследования, НИИ пульмонологии
105229, г. Москва, Госпитальная пл., 3; 115682, г. Москва, Ореховый бульвар, 28
3, Gospitalnaya Sq., Moscow, 105229; 28, Orekhovy Boulevard, Moscow, 115682
Муравьева Елена Степановна – канд. биол. наук, доцент, кафедра биоинформатики медико-биологического факультета
117997, г. Москва, ул. Островитянова, 1
1, Ostrovityanova Str., Moscow, 117997
Житарева Ирина Викторовна – канд. мед. наук, доцент, кафедра медицинской кибернетики и информатики медико-биологического факультета
117997, г. Москва, ул. Островитянова, 1
1, Ostrovityanova Str., Moscow, 117997
Давыдов Денис Владимирович – д-р мед. наук, профессор, начальник ГВКГ им. акад. Н.Н. Бурденко
105229, г. Москва, Госпитальная пл., 3
3, Gospitalnaya Sq., Moscow, 105229
Крюков Евгений Владимирович – д-р мед. наук, профессор, академик РАН, начальник ВМА им. С.М. Кирова
194044, г. Санкт-Петербург, ул. Академика Лебедева, 6
6, Akademika Lebedeva Str., Saint Petersburg, 194044
Цель – построение решающего правила для определения наиболее важных предикторов нарушения диффузионной способности легких после перенесенного COVID-19 (Coronavirus disease 2019) с вирус-ассоциированным поражением легких.
Материалы и методы. В ретроспективное исследование включен 341 пациент без бронхолегочной патологии в анамнезе (медиана возраста 48 лет) после перенесенного COVID-19 с вирус-ассоциированным поражением легких. Медиана объема поражения легочной ткани в острый период COVID-19 (КТмакс) в общей группе составила 50%. Выполнены спирометрия, бодиплетизмография, диффузионный тест (изме рение трансфер-фактора монооксида углерода, DLco). Анализ данных проведен с помощью описательной статистики, корреляционного анализа, одномерного логистического регрессионного анализа с оценкой от ношений шансов (ОШ) и многофакторного логистического регрессионного анализа. Для оценки качества модели бинарного классификатора использовался ROC-анализ (receiver operating characteristic analysis).
Результаты. В многофакторный логистический регрессионный анализ снижения DLco (<80% от должно го значения) изначально были включены следующие предикторы: КТмакс, временной интервал от начала COVID-19, пол, возраст, индекс массы тела. С помощью логистического регрессионного анализа с после довательным исключением наименее значимых предикторов получена модель бинарного классификатора, единственным значимым предиктором в которой стал показатель КТмакс. Чувствительность и специфичность полученной модели на обучающей выборке составили 80 и 67% соответственно, на тестовой выборке – 79 и 70% соответственно. Анализ ОШ для полученной модели бинарного классификатора показал, что ОШ > 1 наблюдается при КТмакс > 40%.
Заключение. Получено решающее правило для прогнозирования снижения показателя DLco после пе ренесенного COVID-19 с вирус-ассоциированным поражением легких у пациентов без бронхолегочной патологии в анамнезе. Показано, что пациентам с КТмакс > 40% требуется более тщательное клиническое наблюдение с обязательным контролем показателя DLco после окончания острой фазы COVID-19.
Aim. To elaborate a decision rule for identifying the main predictors of impaired lung diffusion capacity after COVID-19.
Materials and methods. The retrospective study included 341 patients without underlying lung diseases (median age 48 years) who experienced COVID-19 with bilateral pneumonia. The median extent of parenchymal lesion in the acute phase of COVID-19 (CTmax) was 50%. Spirometry, body plethysmography, and lung diffusion capacity for carbon monoxide (DLCO) test were performed. The data were analyzed by descriptive statistics, correlation analysis, one-dimensional logistic regression analysis with an assessment of odds ratios (OR), and multivariate logistic regression analysis. Receiver operating characteristic (ROC) analysis was used to assess the quality of the binary classifier model.
Results. The initial model for predicting reduced DLCO (< 80% of predicted) included the following predictors: CTmax, time interval from the COVID-19 onset, gender, age, body mass index. Backward stepwise regression was applied, and a binary classifier model that includes CTmax was obtained. The sensitivity and specificity of the model for the training sample were 80 and 67%, respectively, for the test sample – 79 and 70%, respectively. The analysis of OR showed that OR > 1 was observed at СTmax > 40%.
Conclusion. The decision rule was obtained for predicting impaired lung diffusion capacity after COVID-19 with virus-associated lung damage in patients without underlying bronchopulmonary diseases. Patients with CTmax > 40% require more thorough clinical follow-up with DLCO monitoring after the acute phase of COVID-19
The authors declare that there are no conflicts of interest present.