Avertissement : Cette page est une traduction automatique de cette page à l'origine en anglais. Veuillez noter puisque les traductions sont générées par des machines, pas tous les traduction sera parfaite. Ce site Web et ses pages Web sont destinés à être lus en anglais. Toute traduction de ce site et de ses pages Web peut être imprécis et inexacte, en tout ou en partie. Cette traduction est fournie dans une pratique.

Facteurs de risque pour la mortalité parmi des patients hospitalisés avec COVID-19

La pandémie du courant COVID-19 a entraîné presque million de morts pendant les neuf mois depuis l'agent causal, le coronavirus 2 (SARS-CoV-2) de syndrôme respiratoire aigu sévère, a été décelée la première fois. Le nombre élevé de morts est dû aux facteurs multiples, y compris la gravité de la maladie, du manque d'antivirals efficaces pour contrer effectivement l'infection, des fournitures médicales limitées, et du fardeau primordialement sur les moyens de santé dans quelques pays. Une étude neuve par des scientifiques à la société de biotechnologie Genentech, Inc., et publié sur le medRxiv* de serveur de prétirage essaye en septembre 2020 de recenser les facteurs qui peuvent former le risque pour la mort dans la maladie COVID-19.

Rapports de chance de mortalité de la pleine régression logistique multivariable. Les barres d
Rapports de chance de mortalité de la pleine régression logistique multivariable. Les barres d'erreur représentent des niveaux de confiance de 95%. des rapports de chance d'Interquartile-gamme sont employés pour les facteurs prédictifs continus (quartile supérieur : abaissez le quartile). Les groupes de référence pour les facteurs prédictifs catégoriques sont comme suit : chemin/groupe ethnique = « zone blanche de non-Hispanique », division = « Pacifique », sexe = « mâle », fumant = « jamais fumeur ».

Conclusion des facteurs prédictifs droits

Plusieurs études pronostiques ont déjà été publiées, mais les révisions montrent une possibilité intense de polarisation dans la plupart d'entre elles dues aux facteurs multiples. L'étude actuelle vise à évaluer le pronostic des patients hospitalisés au sujet seule de la mortalité, utilisant un grand groupe de plus de 13.000 patients de toutes les régions des USA. La caractéristique a été recherchée d'une base de données électronique (EHR) de dossier santé.

L'âge patient médian était de 62 ans, avec une majorité de zones blanches de non-Hispanique à 56%. Il y avait presque un nombre égal de mâles et de femelles. Presque 60% a eu l'hypertension, un tiers a eu le diabète, au-dessus d'un quart a eu la maladie pulmonaire chronique, et un cinquième a eu des problèmes de rein. Environ un tiers et une moitié étaient de poids excessif et obèses, respectivement.

Au sujet d'un quart a eu la saturation à faible teneur en oxygène à l'admission. La fréquence cardiaque était plus élevée à l'admission, de même que le rythme respiratoire, mais pas à la température ou à l'indice de masse corporelle. Des bornes inflammatoires ont été sensiblement augmentées dans les non-survivants à l'admission.

Les patients présentant des résultats mortels étaient plus souvent mâles, 57% contre 51%, et plus vieux, avec un âge moyen de 77 ans contre 59 ans pour des survivants. Ils étaient susceptibles également d'avoir des maladies plus fondamentales, avec un quart souffrant de la démence, de l'hypertension, du diabète, et de la maladie rénale.

Quatre facteurs prédictifs significatifs de mortalité

Utilisant cette caractéristique pour former l'algorithme, on l'a constaté que l'âge a prévu très de manière significative la chance de la mort, à la chance plus élevée sextuple de la mort à 75 ans de comparé à 49 ans. D'autres facteurs de risque important ont compris la présence du cancer avancé, affection hépatique autre que des degrés doux, hémiplégie ou paraplégie, et démence.

Mortalité diminuée avec du temps depuis le début de la pandémie.

Les bornes de laboratoire telles qu'une aspartate-aminotransférase, (AST) une troponine, une protéine C réactive, (CRP) et des comptes de globule blanc (WBC), ainsi qu'une déshydrogénase plus élevés de créatinine et de lactate (LDH), étaient toutes liées à un risque de décès plus élevé, avec la thrombopénie.

Des signes vitaux à l'admission, à savoir, saturation à faible teneur en oxygène, respiratoire élevé et fréquence cardiaque, température élevée, et indice de masse corporelle élevé, se sont avérés pour être associés à un risque de décès plus élevé.

Ce ne sont pas toujours des relations non linéaires, puisque le risque de décès est plus élevé avec une température plus élevée et plus basse ainsi qu'une pression artérielle systolique. D'ailleurs, une saturation plus à faible teneur en oxygène est étroitement liée à une mortalité plus élevée, mais seulement aux niveaux en-dessous de 95%.

L'importance de l'âge

Quand les chercheurs ont classé les facteurs de risque par l'importance, ils ont constaté que l'âge était le facteur prédictif le plus important de loin, suivi du laboratoire donne droit (nombre y compris d'haleines par minute, température, saturation de l'oxygène, fréquence cardiaque, comptes de leucocyte et niveaux de LDH) et les indicateurs indispensables. Étonnant, c'étaient des bornes plus importantes de la mortalité que la présence des comorbidités. Elles ont également recensé le temps de calendrier d'être un facteur prédictif significatif de la mortalité dans COVID-19.

L'âge augmente exponentiellement le risque de décès, avec la pente devenant toujours plus escarpée à mesure que l'âge augmente. Par exemple, en mars 2020, le risque de décès pour une personne de 70 ans et un patient de 80 ans que l'hospitalisation exigée était 24% et 34%, respectivement - mais seulement 2% pour un patient de 18 ans. Avant mai, cependant, 80 ans ont eu une mortalité environ de 20%, montrant l'effet prévisionnel du temps de calendrier.

L'influence de l'âge intense pourrait être parce qu'elle lie non seulement aux comorbidités qui sont indiquées dans le modèle mais également à d'autres qui peuvent entraîner de plus mauvais résultats. De nouveau, l'âge de avancement est connu pour être un facteur prédictif de fonction immunitaire diminuée, menant à la persistance du virus accrue, ou à une réaction immunitaire excessive qui peut entraîner les caractéristiques cliniques sévères dans COVID-19.

Comparaison avec d'autres modèles

Un examen plus tôt de 50 modèles existants qui ont offert une prévision pronostique a prouvé que les la plupart étaient plus petites dans la taille d'ensemble de données et davantage ont été logées dans l'étendue géographique, avec une majorité étant chinoise. L'étude actuelle a augmenté le pouvoir de trouver des facteurs de risque important et permet une évaluation disponible des paramètres variés.

Parmi tous les paramètres, ils disent, le « âge est presque aussi pronostique que toute autre information sur démographique et des comorbidités. »

Quand le laboratoire donne droit et les signes vitaux sont inclus, la rayure prévisionnelle augmente encore plus. Ceci marque une différence d'une étude plus tôt. Les signes vitaux les plus prévisionnels étaient saturation de l'oxygène, rythme respiratoire, et la température, qui est conforme à autre étudie sur le risque de mortalité. L'indice de masse corporelle s'est également avéré pour s'associer à une mortalité plus élevée.

La relation positive entre une mortalité plus élevée et des bornes aiment la troponine I, LDH, et le compte de plaquette inférieur ont déjà été rapporté par d'autres auteurs. Considérant que les deux premiers peuvent réfléchir les dégâts sévères à la microvascularisation, avec les dégâts donnants droit au coeur et à d'autres organes terminaux, la thrombopénie pourrait être la suite des dégâts de plaquette en raison de grand et des micro-caillots. Ceux-ci sont connus pour se produire dans les patients COVID-19, à cause de et empirant le dysfonctionnement microvasculaire.  

Le compte de neutrophile est également un facteur prédictif intense, suivant les indications des premiers travaux, mais pas ferritine. L'étude propose également que la présence des maladies fondamentales puisse réfléchir un plus gros risque d'hospitalisation que la mortalité dans les patients hospitalisés, en soi. Les irrégularités dans cet endroit peuvent être plus apparentes que réel, les auteurs proposent, d'autant plus que tous les patients présentant la maladie grave ne meurent pas.

Implications et orientations futures

Les chercheurs disent qu'ils ont développé un modèle rigoureux qui a produit les résultats qui pourraient être compris par des cliniciens et étaient cliniquement précis. L'utilisation des paramètres multiples et d'une grande cohorte ajoute l'utilité clinique au modèle prévisionnel était.

Tandis qu'un modèle réservé à l'âge était utile, indiquant la grande valeur prévisionnelle de ce paramètre unique, on avec des petits groupes plus démographiques et un avec les petits groupes démographiques et de comorbidité n'ont pas ajouté plus d'exactitude à la prévision. Cependant, l'ajout des caractéristiques de laboratoire et les signes vitaux promeuvent ont amplifié la valeur pronostique, pour fournir un modèle que « peut être utile pour évaluer le pronostic des patients hospitalisés, » en attendant davantage de validation.

Ceci pourrait aider à décider quels patients ont besoin de soins plus spécialisés rapidement ou pour donner la priorité à des groupes de population pour la vaccination. Il pourrait également aider auto-à recenser des facteurs de risque pour COVID-19 et à évaluer le pronostic dans les personnes infectées. En conclusion, il peut aider à classifier des patients pour la participation aux tests cliniques ainsi que les études d'observation, pour aider à normaliser des caractéristiques pour l'efficacité étudie.

Avis *Important

le medRxiv publie les états scientifiques préliminaires qui pair-ne sont pas observés et ne devraient pas, en conséquence, être considérés comme concluants, guident la pratique clinique/comportement relatif à la santé, ou traité en tant qu'information déterminée.

Journal reference:
Dr. Liji Thomas

Written by

Dr. Liji Thomas

Dr. Liji Thomas is an OB-GYN, who graduated from the Government Medical College, University of Calicut, Kerala, in 2001. Liji practiced as a full-time consultant in obstetrics/gynecology in a private hospital for a few years following her graduation. She has counseled hundreds of patients facing issues from pregnancy-related problems and infertility, and has been in charge of over 2,000 deliveries, striving always to achieve a normal delivery rather than operative.

Citations

Please use one of the following formats to cite this article in your essay, paper or report:

  • APA

    Thomas, Liji. (2020, September 27). Facteurs de risque pour la mortalité parmi des patients hospitalisés avec COVID-19. News-Medical. Retrieved on May 14, 2021 from https://www.news-medical.net/news/20200927/Risk-factors-for-mortality-among-hospitalized-patients-with-COVID-19.aspx.

  • MLA

    Thomas, Liji. "Facteurs de risque pour la mortalité parmi des patients hospitalisés avec COVID-19". News-Medical. 14 May 2021. <https://www.news-medical.net/news/20200927/Risk-factors-for-mortality-among-hospitalized-patients-with-COVID-19.aspx>.

  • Chicago

    Thomas, Liji. "Facteurs de risque pour la mortalité parmi des patients hospitalisés avec COVID-19". News-Medical. https://www.news-medical.net/news/20200927/Risk-factors-for-mortality-among-hospitalized-patients-with-COVID-19.aspx. (accessed May 14, 2021).

  • Harvard

    Thomas, Liji. 2020. Facteurs de risque pour la mortalité parmi des patients hospitalisés avec COVID-19. News-Medical, viewed 14 May 2021, https://www.news-medical.net/news/20200927/Risk-factors-for-mortality-among-hospitalized-patients-with-COVID-19.aspx.