浙江大学第一附属医院多个科室的科研人员在medRxiv预印本平台发表题为“COVID-19 early warning score: a multi-parameter screening tool to identify highly suspected patients”的文章,旨在开发一种诊断模型,该模型可使用易于获取的变量快速筛查高度可疑的患者。
该研究将SARS-CoV-2核酸检测结果为阳性的1311例患者归为COVID-19组;进行多元逻辑回归分析以构建诊断模型;利用ROC曲线分析来进行模型验证。该研究结果发现,诊断模型包括CT显示的肺炎症状、密切接触史、发烧,中性粒细胞与淋巴细胞比值(NLR)、Tmax和性别。将年龄和有参考性的呼吸道症状纳入COVID-19早期预警评分(COVID-19 early warning score,COVID-19 EWS))。ROC曲线下的面积(AUROC)表明诊断模型(训练数据集0.956 [95%CI 0.935-0.977,P <0.001];验证数据集0.960 [95%CI 0.919-1.0,P<0.001])和COVID-19 EWS(训练数据集0.956 [95%CI 0.934-0.978,P<0.001];验证数据集0.966 [95%CI 0.929-1,P<0.001])均具有良好的判别能力。此外,研究人员还获得了疾病严重程度预测指标的临界值,例如CT评分、CD8+ T细胞计数、CD4+ T细胞计数等。研究结论:新开发的COVID-19 EWS是对SARS-CoV-2感染患者进行早期和相对准确预警的重要工具。
*注,本文为预印本论文手稿,是未经同行评审的初步报告,其观点仅供科研同行交流,并不是结论性内容,请使用者谨慎使用。