Учени откриха как по кръвен анализ да оценяват риска от смърт от COVID-19
Методи за установяване на риска от гибел от COVID-19 по разбор на кръвта са създадени по едно и също време от няколко екипа учени. Невронните мрежи проучват редица биохимични и физиологични индикатори и регистрират каква е вероятността пациентът да почине в близко бъдеще. В условия на претъпкани стационари подобен способ ще улесни определянето на това, кои пациенти се нуждаят от грижи преди всичко и ще усили общата преживяемост от COVID-19, надяват се откривателите.
В подтекста на пандемията от COVID-19 и цялостните лечебни заведения е значимо лекарите да схващат на кои пациенти би трябвало да се обърне внимание преди всичко и при кои рисковете от затруднения и гибел не са прекомерно високи. Има няколко скали на риска за оценка, само че при положение на COVID-19 те демонстрират доста лимитирана успеваемост. По време на пандемията учените са създали няколко модела въз основа на невронни мрежи, само че те към момента не са получили необятно разпространяване.
Руски специалист: Омикрон смъква смъртността, може би този вид ще постави завършек на пандемията
Нов прогностичен модел е основан от учени от немската клиника Шарите и Медицинския университет в Инсбрук в Австрия. Те са го описали по-подробно в публикация в списание PLOS Digital Health.
„ Клиничната картина на COVID-19 е извънредно разнообразна - от безсимптомно протичане до доста съществено заболяване и гибел - споделя водещият създател на проучването Флориан Курт. - На лекарите им е мъчно да оценят самостоятелния риск от утежняване на положението или гибел на пациента. “
Изследователите са изучили равнищата на 321 протеина в 349 кръвни проби, взети на разнообразни стадии от 50 тежкоболни пациенти с COVID-19, лекувани в два самостоятелни медицински центъра в Германия и Австрия. 15 от тях са умряли, като междинното време от приемането до гибелта е било 28 дни. За оживелите пациенти междинното време на хоспитализация било 63 дни. Изследователите са разпознали 14 протеина, чиито равнища с течение на времето се променяли при оживелите пациенти спрямо умрелите – това били главно протеини, свързани с възпалението и съсирването на кръвта.
След това учените създали невронна мрежа, способна да предскаже преживяемост въз основа на еднократно премерване на съответните протеини, и тествали модела върху нова група от 24 тежкоболни пациенти с COVID-19. Моделът се оказал много ефикасен и съумял да предскаже вярно изхода за 18 от 19 оживели пациенти и 5 от 5 умряли.
Извадката е била прекомерно дребна, с цел да се създадат недвусмислени изводи за успеваемостта на модела, признават откривателите. Но в случай че резултатите се потвърдят в по-нататъшни изследвания, това може да се трансформира в благонадежден инструмент за оценка на положението на пациентите, в това число тези, които се намират в безсъзнание. Той може да се употребява и за наблюдаване на успеваемостта на лекуването на обособени пациенти, като се види до каква степен води до намаляване на рисковете.
Друг модел е основан от екип от експерти от Харбинския софтуерен институт в Китай и канадските Макгил и университета в Калгари. Тяхното към момента нерецензирано изследване е оповестено в уеб страницата за препринт medRxiv.
„ От решаващо значение е да се разпознават пациенти с COVID-19 с по-висок риск от гибел на ранен стадий, с цел да бъдат приети в болница в точния момент и да се стартира интензивно лекуване - пишат създателите. - Досега обаче нито един от моделите на машинно образование не е потвърдил успеваемост в самостоятелна кохорта. “
Използвайки извадка от 4711 пациенти, откривателите съумели да разпознават редица признаци, сочещи увреждане на сърдечносъдовата система, на черния дроб, на възпалителни процеси. Списъкът включвал по-специално биохимични индикатори - равнища на интерлевкин-6, D-димер, глюкоза, пролактин, тропонин, чернодробни ензими. Въз основа на няколко съществени модела за прогнозиране учените създали свои лични, по-съвършени. В взаимозависимост от изразеността на индикаторите, говорещи за опасности, на пациента се приписват точки, съгласно които той се отнася към групата с невисок, сдържан или висок риск.
Проверка на модела върху близо 16 000 пациенти посочила, че новата невронна мрежа сполучливо предсказва риска от смъртен излаз, като вярно дефинира към коя от рисковите групи се отнася пациентът. Най-висок риск от гибел имали пациентите над 69 години със доста нараснали равнища на глюкоза, интерлевкин-6, D-димер, прокалцитонин и ниско приблизително артериално налягане.
„ Ако физиологичните индикатори, изключително клиничните характерности, отразяващи възпалението, функционалностите на черния дроб, бъбреците и сърдечносъдовата функционалност, могат да бъдат получени по време на престоя на пациента в болничното заведение, нашите модели могат елементарно да се употребяват за навреме идентифициране на пациенти с висок риск “, пишат откривателите.
Авторите акцентират, че разпознатите фактори, влияещи върху изхода на болестта, се съгласуват с по-ранните данни. Учените се надяват, че техният модел ще бъде потребен за оценка на рисковете при постъпване на нови пациенти в лечебните заведения.
Още от ИНТЕРЕСНО:
В подтекста на пандемията от COVID-19 и цялостните лечебни заведения е значимо лекарите да схващат на кои пациенти би трябвало да се обърне внимание преди всичко и при кои рисковете от затруднения и гибел не са прекомерно високи. Има няколко скали на риска за оценка, само че при положение на COVID-19 те демонстрират доста лимитирана успеваемост. По време на пандемията учените са създали няколко модела въз основа на невронни мрежи, само че те към момента не са получили необятно разпространяване.
Руски специалист: Омикрон смъква смъртността, може би този вид ще постави завършек на пандемията
Нов прогностичен модел е основан от учени от немската клиника Шарите и Медицинския университет в Инсбрук в Австрия. Те са го описали по-подробно в публикация в списание PLOS Digital Health.
„ Клиничната картина на COVID-19 е извънредно разнообразна - от безсимптомно протичане до доста съществено заболяване и гибел - споделя водещият създател на проучването Флориан Курт. - На лекарите им е мъчно да оценят самостоятелния риск от утежняване на положението или гибел на пациента. “
Изследователите са изучили равнищата на 321 протеина в 349 кръвни проби, взети на разнообразни стадии от 50 тежкоболни пациенти с COVID-19, лекувани в два самостоятелни медицински центъра в Германия и Австрия. 15 от тях са умряли, като междинното време от приемането до гибелта е било 28 дни. За оживелите пациенти междинното време на хоспитализация било 63 дни. Изследователите са разпознали 14 протеина, чиито равнища с течение на времето се променяли при оживелите пациенти спрямо умрелите – това били главно протеини, свързани с възпалението и съсирването на кръвта.
След това учените създали невронна мрежа, способна да предскаже преживяемост въз основа на еднократно премерване на съответните протеини, и тествали модела върху нова група от 24 тежкоболни пациенти с COVID-19. Моделът се оказал много ефикасен и съумял да предскаже вярно изхода за 18 от 19 оживели пациенти и 5 от 5 умряли.
Извадката е била прекомерно дребна, с цел да се създадат недвусмислени изводи за успеваемостта на модела, признават откривателите. Но в случай че резултатите се потвърдят в по-нататъшни изследвания, това може да се трансформира в благонадежден инструмент за оценка на положението на пациентите, в това число тези, които се намират в безсъзнание. Той може да се употребява и за наблюдаване на успеваемостта на лекуването на обособени пациенти, като се види до каква степен води до намаляване на рисковете.
Друг модел е основан от екип от експерти от Харбинския софтуерен институт в Китай и канадските Макгил и университета в Калгари. Тяхното към момента нерецензирано изследване е оповестено в уеб страницата за препринт medRxiv.
„ От решаващо значение е да се разпознават пациенти с COVID-19 с по-висок риск от гибел на ранен стадий, с цел да бъдат приети в болница в точния момент и да се стартира интензивно лекуване - пишат създателите. - Досега обаче нито един от моделите на машинно образование не е потвърдил успеваемост в самостоятелна кохорта. “
Използвайки извадка от 4711 пациенти, откривателите съумели да разпознават редица признаци, сочещи увреждане на сърдечносъдовата система, на черния дроб, на възпалителни процеси. Списъкът включвал по-специално биохимични индикатори - равнища на интерлевкин-6, D-димер, глюкоза, пролактин, тропонин, чернодробни ензими. Въз основа на няколко съществени модела за прогнозиране учените създали свои лични, по-съвършени. В взаимозависимост от изразеността на индикаторите, говорещи за опасности, на пациента се приписват точки, съгласно които той се отнася към групата с невисок, сдържан или висок риск.
Проверка на модела върху близо 16 000 пациенти посочила, че новата невронна мрежа сполучливо предсказва риска от смъртен излаз, като вярно дефинира към коя от рисковите групи се отнася пациентът. Най-висок риск от гибел имали пациентите над 69 години със доста нараснали равнища на глюкоза, интерлевкин-6, D-димер, прокалцитонин и ниско приблизително артериално налягане.
„ Ако физиологичните индикатори, изключително клиничните характерности, отразяващи възпалението, функционалностите на черния дроб, бъбреците и сърдечносъдовата функционалност, могат да бъдат получени по време на престоя на пациента в болничното заведение, нашите модели могат елементарно да се употребяват за навреме идентифициране на пациенти с висок риск “, пишат откривателите.
Авторите акцентират, че разпознатите фактори, влияещи върху изхода на болестта, се съгласуват с по-ранните данни. Учените се надяват, че техният модел ще бъде потребен за оценка на рисковете при постъпване на нови пациенти в лечебните заведения.
Още от ИНТЕРЕСНО:
Източник: actualno.com
КОМЕНТАРИ