西安市2021—2022年跨年期间新型冠状病毒感染重症病例的危险因素分析及预测指标研究

doi:10.12114/j.issn.1007-9572.2022.0826

摘要/Abstract

摘要： 背景西安市2021—2022年跨年期间暴发的新型冠状病毒感染是发生在一个超大城市且病例数众多、规模较大的本土疫情，有必要对该次疫情的相关内容进行分析和总结。目的分析新型冠状病毒感染患者的疾病特征，探索重症病例的危险因素以及预测指标。方法回顾性收集2021年12月至2022年1月收治于西安市第四人民医院的新型冠状病毒感染确诊患者的一般资料和实验室检查指标，计算总IgG与淋巴细胞百分比的比值（IgG∶L%）、总IgM与淋巴细胞百分比的比值（IgM∶L%）、总IgG与淋巴细胞计数的比值（IgG∶L#）、总IgM与淋巴细胞计数的比值（IgM∶L#），将患者分为轻型及普通型组、重型及危重型组。采用多因素Logistics回归分析探究发生重型及危重型新型冠状病毒感染的危险因素；绘制受试者工作特征曲线（ROC曲线）分析各指标对重型及危重型新型冠状病毒感染的预测价值，计算ROC曲线下面积（AUC），并采用Delong检验比较各指标的AUC。结果最终纳入699例新型冠状病毒感染确诊患者，分为轻型及普通型组（n=678）和重型及危重型组（n=21），轻型及普通型组年龄、基础疾病、D-二聚体、IgM∶L%、IgM∶L#低于重型及危重型组，淋巴细胞百分比、淋巴细胞计数高于重型及危重型组（P<0.05）。多因素Logistics回归分析结果显示，年龄〔OR=1.068，95%CI（1.031，1.105），P<0.001〕、D-二聚体〔OR=1.612，95%CI（1.026，2.533），P=0.038〕以及IgM∶L#〔OR=1.034，95%CI（1.006，1.063），P=0.018〕是重型及危重型新型冠状病毒感染发生的危险因素，淋巴细胞百分比〔OR=0.918，95%CI（0.844，0.997），P=0.043〕是重型及危重型新型冠状病毒感染发生的保护因素。建立重型及危重型新型冠状病毒感染的联合预测模型，P=-5.031+0.065×年龄-0.086×淋巴细胞百分比+0.738×淋巴细胞计数+0.477×D-二聚体+0.034×IgM∶L#，联合检测预测重型及危重型新型冠状病毒感染的AUC为0.912〔95%CI（0.858，0.965）〕，截断值为0.04，灵敏度为90.00%，特异度为83.18%，预测价值优于年龄（Z=5.314，P<0.001）、淋巴细胞百分比（Z=-1.987，P=0.047）、D-二聚体（Z=2.273，P=0.023）和IgM∶L#（Z=0.161，P<0.001）。结论在新型冠状病毒感染急性期，存在炎症反应与细胞免疫功能失衡，该失衡与年龄、D-二聚体均是重症新型冠状病毒感染发生的危险因素。包括年龄、D-二聚体、淋巴细胞百分比、IgM∶L#在内的联合指标可有效预测重型和危重型新型冠状病毒感染。

关键词: 新型冠状病毒感染, 免疫球蛋白M, 淋巴细胞计数, IgM-淋巴细胞计数比值, 危险因素, 预测, 诊断

Abstract:

Background

The outbreak of COVID-19 in Xi'an between 2021 and 2022 was a large-scale local epidemic in a large city with a huge number of cases. It is necessary to analyze and summarize the contents of this outbreak.

Objective

To analyze the disease characteristics of patients with COVID-19, and to explore the risk factors as well as predictors of serious cases.

Methods

General data and laboratory parameters were retrospectively collected from patients diagnosed with a new coronavirus pneumonia who were admitted to the Fourth People's Hospital of Xi'an between December 2021 and January 2022. Based on the the ratios of total IgG to lymphocyte percentage (IgG∶L%) , total IgM to lymphocyte percentage (IgM∶L%) , total IgG to lymphocyte count ratio (IgG∶L#) , and total IgM to lymphocyte count ratio (IgM∶L#) , patients were divided into three groups: mild and common, severe and critical. Multivariate Logistic regression analysis was used to explore the risk factors of developing severe and critically new coronavirus; then the ROC curve was drawn to analyze the predictive indexes and predictive value of severe and critical COVID-19, the area under the ROC curve (AUC) was calculated, and the AUC of each index was compared using the Delong test.

Results

A total of 699 patients with identified COVID-19 were finally included, and divided into two groups: the mild and common (n=678) and the severe and critical (n=21) forms, with the mild and common forms having younger age, and less underlying disease, D-dimer, IgM∶L%, IgM∶L#, and higher lymphocyte percentage and lymphocyte count than the severe and critical forms (P<0.05) . Multivariate Logistic regression analysis showed that age〔OR=1.068, 95%CI (1.031, 1.105) , P<0.001〕, D-dimer 〔OR=1.612, 95%CI (1.026, 2.533) , P=0.038〕as well as IgM∶ L#〔OR=1.034, 95%CI (1.006, 1.063) , P=0.018〕 were risk factors for the development of severe and dangerous new coronavirus, and lymphocyte percentage 〔OR=0.918, 95%CI (0.844, 0.997) , P=0.043〕was a protective factor for the development of severe and critical new coronavirus. To establish a joint prediction model for severe and critical novel coronavirus infection, P=-5.031+0.065×age-0.086× lymphocyte percentage +0.738× lymphocyte count +0.477× D-dimer +0.034×IgM∶L#, and the cutoff value for combined detection to predict severe and critical COVID-19 was 0.04, with a sensitivity of 90.00%, a specificity of 83.18%, and its AUC of 0.912〔95%CI (0.858, 0.965) 〕, which was greater than that for age (Z=5.314, P<0.001) , lymphocyte percentage (Z=-1.987, P=0.047) , D-dimer (Z=2.273, P=0.023) , and IgM∶L# (Z=0.161, P<0.001) , with statistically significant differences.

Conclusion

In the acute phase of COVID-19, there is an imbalance between inflammatory response and cellular immune function, and this imbalance, along with age and D-dimer, are all risk factors for severe COVID-19. Combined indicators including age, D-dimer, lymphocyte percentage and IgM∶L# can effectively predict severe and critical COVID-19 .

Key words: COVID-19, Immunoglobulin M, Lymphocyte count, Immunoglobulin M-lymphocyte count ratio, Risk factors, Forecasting, Diagnosis

王海,王卓莉,裴红红,等. 西安市2021—2022年跨年期间新型冠状病毒感染重症病例的危险因素分析及预测指标研究[J]. 中国全科医学, 2023, 26(17): 2132-2137. DOI: 10.12114/j.issn.1007-9572.2022.0826.
WANG Hai,WANG Zhuoli,PEI Honghong, et al. Analysis of Risk Factors and Exploration of Predictors of Serious Cases of COVID-19 in Xi'an during the Period of 2021-2022[J]. Chinese General Practice, 2023, 26(17): 2132-2137. DOI: 10.12114/j.issn.1007-9572.2022.0826.

图/表 4

参考文献 30

[1]	陕西省卫生健康委员会. 1月20日陕西新增3例本土确诊病例_陕西省卫生健康委员会[EB/OL]. [2022-01-21].
[2]	关于印发新型冠状病毒肺炎诊疗方案（试行第八版　修订版）的通知[EB/OL]. [2021-04-14].
[3]	SINGH P K, SINGH L, DUBEY R，et al. Socioeconomic determinants of chronic health diseases among older Indian adults：a nationally representative cross-sectional multilevel study[J]. BMJ Open，2019，9(9):e028426. DOI：10.1136/bmjopen-2018-028426.
[4]	REA I M, GIBSON D S, MCGILLIGAN V，et al. Age and age-related diseases：role of inflammation triggers and cytokines[J]. Front Immunol，2018，9:586. DOI：10.3389/fimmu.2018.00586.
[5]	PERICO L, BENIGNI A, CASIRAGHI F，et al. Immunity，endothelial injury and complement-induced coagulopathy in COVID-19[J]. Nat Rev Nephrol，2021，17(1):46-64. DOI：10.1038/s41581-020-00357-4.
[6]	WANG H, AI H, FU Y，et al. Development of an early warning model for predicting the death risk of coronavirus disease 2019 based on data immediately available on admission[J]. Front Med：Lausanne，2021，8:699243. DOI：10.3389/fmed.2021.699243.
[7]	SUN B, WANG H, LV J，et al. Predictors of mortality in hospitalized COVID-19 patients complicated with hypotension and hypoxemia：a retrospective cohort study[J]. Front Med：Lausanne，2021，8:753035. DOI：10.3389/fmed.2021.753035.
[8]	SOIZA R L, SCICLUNA C, THOMSON E C. Efficacy and safety of COVID-19 vaccines in older people[J]. Age Ageing，2021，50(2):279-283. DOI：10.1093/ageing/afaa274.
[9]	YOUSIF M Y E, ELJACK M M F A, HAROUN M S，et al. Clinical characteristics and risk factors associated with severe disease progression among COVID-19 patients in wad Medani isolation centers：a multicenter retrospective cross-sectional study[J]. Health Sci Rep，2022，5(2):e523. DOI：10.1002/hsr2.523.
[10]	CHEN N, ZHOU M, DONG X，et al. Epidemiological and clinical characteristics of 99 cases of 2019 novel coronavirus pneumonia in Wuhan，China：a descriptive study[J]. Lancet，2020，395(10223):507-513. DOI：10.1016/s0140-6736(20)30211-7.
[11]	ZHOU X, WANG G, CHEN L，et al. Clinical characteristics of hematological patients concomitant with COVID-19[J]. Cancer Sci，2020，111(9):3379-3385. DOI：10.1111/cas.14544.
[12]	ASAKURA H, OGAWA H. COVID-19-associated coagulopathy and disseminated intravascular coagulation[J]. Int J Hematol，2021，113(1):45-57. DOI：10.1007/s12185-020-03029-y.
[13]	WOOL G D, MILLER J L. The impact of COVID-19 disease on platelets and coagulation[J]. Pathobiology，2021，88(1):15-27. DOI：10.1159/000512007.
[14]	POUDEL A, POUDEL Y, ADHIKARI A，et al. D-dimer as a biomarker for assessment of COVID-19 prognosis：D-dimer levels on admission and its role in predicting disease outcome in hospitalized patients with COVID-19[J]. PLoS One，2021，16(8):e0256744. DOI：10.1371/journal.pone.0256744.
[15]	ROSTAMI M, MANSOURITORGHABEH H. D-dimer level in COVID-19 infection：a systematic review[J]. Expert Rev Hematol，2020，13(11):1265-1275. DOI：10.1080/17474086.2020.1831383.
[16]	ZHANG L, YAN X, FAN Q，et al. D-dimer levels on admission to predict in-hospital mortality in patients with Covid-19[J]. J Thromb Haemost，2020，18(6):1324-1329. DOI：10.1111/jth.14859.
[17]	TOPP G, BOUYEA M, COCHRAN-CAGGIANO N，et al. Biomarkers predictive of extubation and survival of COVID-19 patients[J]. Cureus，2021，13(6):e15462. DOI：10.7759/cureus.15462.
[18]	ESENWA C, CHENG N T, LUNA J，et al. Biomarkers of coagulation and inflammation in COVID-19-associated ischemic stroke[J]. Stroke，2021，52(11):e706-709. DOI：10.1161/strokeaha.121.035045.
[19]	QIN C, ZHOU L, HU Z，et al. Dysregulation of immune response in patients with coronavirus 2019 （COVID-19） in Wuhan，China[J]. Clin Infect Dis，2020，71(15):762-768. DOI：10.1093/cid/ciaa248.
[20]	TAN M, LIU Y, ZHOU R，et al. Immunopathological characteristics of coronavirus disease 2019 cases in Guangzhou，China[J]. Immunology，2020，160(3):261-268. DOI：10.1111/imm.13223.
[21]	ZHANG P, DU W, YANG T，et al. Lymphocyte subsets as a predictor of severity and prognosis in COVID-19 patients[J]. Int J Immunopathol Pharmacol，2021，35:20587384211048567. DOI：10.1177/20587384211048567.
[22]	TAN L, WANG Q, ZHANG D，et al. Lymphopenia predicts disease severity of COVID-19：a descriptive and predictive study[J]. Signal Transduct Target Ther，2020，5(1):33. DOI：10.1038/s41392-020-0148-4.
[23]	HOU H, WANG T, ZHANG B，et al. Detection of IgM and IgG antibodies in patients with coronavirus disease 2019[J]. Clin Transl Immunology，2020，9(5):e01136. DOI：10.1002/cti2.1136.
[24]	WANG Y, ZHANG L, SANG L，et al. Kinetics of viral load and antibody response in relation to COVID-19 severity[J]. J Clin Invest，2020，130(10):5235-5244. DOI：10.1172/jci138759.
[25]	CHEN M, QIN R, JIANG M，et al. Clinical applications of detecting IgG，IgM or IgA antibody for the diagnosis of COVID-19：a meta-analysis and systematic review[J]. Int J Infect Dis，2021，104:415-422. DOI：10.1016/j.ijid.2021.01.016.
[26]	XIE J, DING C, LI J，et al. Characteristics of patients with coronavirus disease （COVID-19） confirmed using an IgM-IgG antibody test[J]. J Med Virol，2020，92(10):2004-2010. DOI：10.1002/jmv.25930.
[27]	KLEIN S L, PEKOSZ A, PARK H S，et al. Sex，age，and hospitalization drive antibody responses in a COVID-19 convalescent plasma donor population[J]. J Clin Invest，2020，130(11):6141-6150. DOI：10.1172/jci142004.
[28]	JIANG HW, LI Y, ZHANG HN，et al. SARS-CoV-2 proteome microarray for global profiling of COVID-19 specific IgG and IgM responses[J]. Nat Commun，2020，11(1):3581. DOI：10.1038/s41467-020-17488-8.
[29]	CHVATAL-MEDINA M, MENDEZ-CORTINA Y, PATIÑO P J，et al. Antibody responses in COVID-19：a review[J]. Front Immunol，2021，12:633184. DOI：10.3389/fimmu.2021.633184.
[30]	WU L X, WANG H, GOU D，et al. Clinical significance of the serum IgM and IgG to SARS-CoV-2 in coronavirus disease-2019[J]. J Clin Lab Anal，2021，35(1):e23649. DOI：10.1002/jcla.23649.

组别	例数	年龄〔M（P₂₅，P₇₅），岁〕	性别（男/女）	BMI 〔M（P₂₅，P₇₅），kg/m²〕	最高体温〔M（P₂₅，P₇₅），℃〕	基础疾病〔n（%）〕	咳嗽〔n（%）〕	肌肉疼痛〔n（%）〕
轻型及普通型组	678	32.0（21.0，49.0）	363/315	22.7（20.5，25.2）	36.50（36.50，37.60）	94（13.90）	314（46.30）	10（1.50）
重型及危重型组	21	61.0（52.5，73.0）	11/10	23.3（21.3，27.0）	36.50（36.50，37.95）	12（57.10）	10（47.60）	0
Z（χ²）值		-5.642	0.011^a	-0.760	-0.347	26.387^a	0.014^a	—
P值		<0.001	0.916	0.447	0.729	<0.001	0.906	1.000
组别	疫苗接种针次〔n（%）〕				疫苗来源〔n（%）〕
组别	0次	1次	2次	3次	未接种	科兴	中国国药	智飞生物	不同来源	来源不详
轻型及普通型组	173（25.51）	37（5.46）	395（58.26）	73（10.77）	173（25.52）	164（24.19）	16（2.36）	130（19.17）	129（19.03）	66（9.73）
重型及危重型组	8（38.10）	1（4.76）	11（52.38）	1（4.76）	8（38.10）	8（38.10）	0	2（9.51）	3（14.29）	0
Z（χ²）值	1.817^a				5.412^a
P值	0.578				0.311
组别	发病-就诊时间〔M（P₂₅，P₇₅），d〕	白细胞计数〔M（P₂₅，P₇₅），×10⁹/L〕	淋巴细胞百分比〔M（P₂₅，P₇₅），%〕	淋巴细胞计数〔M（P₂₅，P₇₅），×10⁹/L〕	D-二聚体〔M（P₂₅，P₇₅），mg/L〕	入院时ORF1ab基因检测阳性〔n（%）〕	3 d内首次ORF1ab基因CT值〔M（P₂₅，P₇₅）〕	入院时N基因检测阳性〔n（%）〕
轻型及普通型组	2.0（1.0，3.0）	5.14（4.03，6.31）	30.50（21.95，39.70）	1.46（1.05，2.04）	0.26（0.20，0.36）	360（53.1）	32.30（28.19，35.59）	438（64.60）
重型及危重型组	3.0（1.0，6.5）	5.23（4.03，6.48）	20.00（12.30，27.40）	0.97（0.68，1.08）	0.44（0.27，0.88）	13（61.9）	31.42（28.23，34.65）	12（57.10）
Z（χ²）值	-1.157	-0.024	-3.808	-3.660	-3.812	0.635^a	-0.443	0.494^a
P值	0.247	0.981	<0.001	<0.001	<0.001	0.426	0.658	0.482
组别	3 d内首次N基因CT值〔M（P₂₅，P₇₅）〕	总IgG抗体滴度〔M（P₂₅，P₇₅）〕	总IgM抗体滴度〔M（P₂₅，P₇₅）〕	IgG∶L% 〔M（P₂₅，P₇₅）〕	IgG∶L# 〔M（P₂₅，P₇₅）〕	IgM∶L% 〔M（P₂₅，P₇₅）〕	IgM∶L# 〔M（P₂₅，P₇₅）〕
轻型及普通型组	32.86（28.67，36.49）	3.56（0.72，41.67）	0.05（0.03，0.50）	0.14（0.02，1.31）	2.79（0.49，28.63）	0（0，0.02）	0.04（0.02，0.33）
重型及危重型组	31.61（28.79，33.57）	2.40（0.36，312.13）	0.18（0.03，10.76）	0.13（0.01，15.37）	2.46（0.20，281.68）	0.01（0，0.66）	0.18（0.03，16.92）
Z（χ²）值	-0.832	-0.072	-1.667	-0.550	-0.553	-2.379	-2.265
P值	0.405	0.943	0.095	0.582	0.580	0.017	0.024

组别	例数	年龄〔M（P₂₅，P₇₅），岁〕	性别（男/女）	BMI 〔M（P₂₅，P₇₅），kg/m²〕	最高体温〔M（P₂₅，P₇₅），℃〕	基础疾病〔n（%）〕	咳嗽〔n（%）〕	肌肉疼痛〔n（%）〕
轻型及普通型组	678	32.0（21.0，49.0）	363/315	22.7（20.5，25.2）	36.50（36.50，37.60）	94（13.90）	314（46.30）	10（1.50）
重型及危重型组	21	61.0（52.5，73.0）	11/10	23.3（21.3，27.0）	36.50（36.50，37.95）	12（57.10）	10（47.60）	0
Z（χ²）值		-5.642	0.011^a	-0.760	-0.347	26.387^a	0.014^a	—
P值		<0.001	0.916	0.447	0.729	<0.001	0.906	1.000
组别	疫苗接种针次〔n（%）〕				疫苗来源〔n（%）〕
组别	0次	1次	2次	3次	未接种	科兴	中国国药	智飞生物	不同来源	来源不详
轻型及普通型组	173（25.51）	37（5.46）	395（58.26）	73（10.77）	173（25.52）	164（24.19）	16（2.36）	130（19.17）	129（19.03）	66（9.73）
重型及危重型组	8（38.10）	1（4.76）	11（52.38）	1（4.76）	8（38.10）	8（38.10）	0	2（9.51）	3（14.29）	0
Z（χ²）值	1.817^a				5.412^a
P值	0.578				0.311
组别	发病-就诊时间〔M（P₂₅，P₇₅），d〕	白细胞计数〔M（P₂₅，P₇₅），×10⁹/L〕	淋巴细胞百分比〔M（P₂₅，P₇₅），%〕	淋巴细胞计数〔M（P₂₅，P₇₅），×10⁹/L〕	D-二聚体〔M（P₂₅，P₇₅），mg/L〕	入院时ORF1ab基因检测阳性〔n（%）〕	3 d内首次ORF1ab基因CT值〔M（P₂₅，P₇₅）〕	入院时N基因检测阳性〔n（%）〕
轻型及普通型组	2.0（1.0，3.0）	5.14（4.03，6.31）	30.50（21.95，39.70）	1.46（1.05，2.04）	0.26（0.20，0.36）	360（53.1）	32.30（28.19，35.59）	438（64.60）
重型及危重型组	3.0（1.0，6.5）	5.23（4.03，6.48）	20.00（12.30，27.40）	0.97（0.68，1.08）	0.44（0.27，0.88）	13（61.9）	31.42（28.23，34.65）	12（57.10）
Z（χ²）值	-1.157	-0.024	-3.808	-3.660	-3.812	0.635^a	-0.443	0.494^a
P值	0.247	0.981	<0.001	<0.001	<0.001	0.426	0.658	0.482
组别	3 d内首次N基因CT值〔M（P₂₅，P₇₅）〕	总IgG抗体滴度〔M（P₂₅，P₇₅）〕	总IgM抗体滴度〔M（P₂₅，P₇₅）〕	IgG∶L% 〔M（P₂₅，P₇₅）〕	IgG∶L# 〔M（P₂₅，P₇₅）〕	IgM∶L% 〔M（P₂₅，P₇₅）〕	IgM∶L# 〔M（P₂₅，P₇₅）〕
轻型及普通型组	32.86（28.67，36.49）	3.56（0.72，41.67）	0.05（0.03，0.50）	0.14（0.02，1.31）	2.79（0.49，28.63）	0（0，0.02）	0.04（0.02，0.33）
重型及危重型组	31.61（28.79，33.57）	2.40（0.36，312.13）	0.18（0.03，10.76）	0.13（0.01，15.37）	2.46（0.20，281.68）	0.01（0，0.66）	0.18（0.03，16.92）
Z（χ²）值	-0.832	-0.072	-1.667	-0.550	-0.553	-2.379	-2.265
P值	0.405	0.943	0.095	0.582	0.580	0.017	0.024

变量	β	SE	Wald χ²值	P值	OR（95%CI）
常量	-5.031	1.429	12.401	<0.001	—
年龄	0.065	0.018	13.513	<0.001	1.068（1.031，1.105）
基础疾病	-1.074	0.553	3.767	0.052	0.342（0.116，1.011）
淋巴细胞百分比	-0.086	0.042	4.087	0.043	0.918（0.844，0.997）
淋巴细胞计数	0.738	0.655	1.271	0.260	2.092（0.580，7.544）
D-二聚体	0.477	0.231	4.284	0.038	1.612（1.026，2.533）
IgM∶L#	0.034	0.014	5.573	0.018	1.034（1.006，1.063）

变量	β	SE	Wald χ²值	P值	OR（95%CI）
常量	-5.031	1.429	12.401	<0.001	—
年龄	0.065	0.018	13.513	<0.001	1.068（1.031，1.105）
基础疾病	-1.074	0.553	3.767	0.052	0.342（0.116，1.011）
淋巴细胞百分比	-0.086	0.042	4.087	0.043	0.918（0.844，0.997）
淋巴细胞计数	0.738	0.655	1.271	0.260	2.092（0.580，7.544）
D-二聚体	0.477	0.231	4.284	0.038	1.612（1.026，2.533）
IgM∶L#	0.034	0.014	5.573	0.018	1.034（1.006，1.063）

变量	截断值	灵敏度（%）	特异度（%）	AUC	95%CI
年龄	51.0岁	80.95	79.50	0.861	（0.780，0.942）
淋巴细胞百分比	22.10%	65.00	73.97	0.750	（0.651，0.849）
D-二聚体	0.36 μg/ml	71.43	76.49	0.744	（0.624，0.865）
IgM∶L#	1.24	45.00	88.35	0.649	（0.508，0.789）
联合检测	0.04	90.00	83.18	0.912	（0.858，0.965）