TY – JOUR

T1 – Well-aerated Lung on Admitting Chest CT to Predict Adverse Outcome in COVID-19 Pneumonia

AU – Colombi, Davide

AU – Bodini, Flavio C.

AU – Petrini, Marcello

AU – Maffi, Gabriele

AU – Morelli, Nicola

AU – Milanese, Gianluca

AU – Silva, Mario

AU – Sverzellati, Nicola

AU – Michieletti, Emanuele

PY – 2020/8/1

Y1 – 2020/8/1

N2 – © RSNA, 2020. Achtergrond: CT van patiënten met severe acute respiratory syndrome coronavirus 2-ziekte toont de mate van longbetrokkenheid bij coronavirusziekte 2019 (COVID-19) pneumonie. Doel: Het bepalen van de waarde van kwantificering van de goed geventileerde long (WAL) verkregen bij opname borst CT om de prognose te bepalen bij patiënten met COVID-19 pneumonie. Materialen en Methoden: Beeldvorming van patiënten opgenomen op de spoedeisende hulp tussen 17 februari en 10 maart 2020 die een CT van de borstkas ondergingen, werden retrospectief geanalyseerd. Patiënten met negatieve resultaten van reverse-transcription polymerase chain reaction voor severe acute respiratory syndrome coronavirus 2 bij nasaal-faryngeaal swabben, negatieve CT-bevindingen op de borst, en onvolledige klinische gegevens werden uitgesloten. CT-beelden werden geanalyseerd voor kwantificering van WAL visueel (%V-WAL), met open-source software (%S-WAL), en met absoluut volume (VOL-WAL). Klinische parameters omvatten patiëntkenmerken, comorbiditeiten, symptoomtype en -duur, zuurstofsaturatie en laboratoriumwaarden. Logistische regressie werd gebruikt om de relatie te evalueren tussen klinische parameters en CT-metriek versus het resultaat van de patiënt (intensive care opname of overlijden versus geen IC-opname of overlijden). De oppervlakte onder de receiver operating characteristic curve (AUC) werd berekend om de prestatie van het model te bepalen. Resultaten: De studie includeerde 236 patiënten (59 van 123 waren vrouw; mediane leeftijd, 68 jaar). Een %V-WAL van minder dan 73% (odds ratio , 5,4; 95% betrouwbaarheidsinterval : 2,7, 10,8; P , .001), %S-WAL van minder dan 71% (OR, 3,8; 95% CI: 1,9, 7,5; P , .001), en VOL-WAL van minder dan 2,9 L (OR, 2,6; 95% CI: 1,2, 5,8; P , .01) waren voorspellers van ICU-opname of overlijden. In vergelijking met klinische modellen die alleen klinische parameters bevatten (AUC = 0,83), vertoonden alle drie kwantitatieve modellen betere diagnostische prestaties (AUC = 0,86 voor alle modellen). De modellen met %V-WAL minder dan 73% en VOL-WAL minder dan 2,9 L waren superieur in termen van prestatie in vergelijking met de modellen die alleen klinische parameters bevatten (P = .04 voor beide modellen). Conclusie: Bij patiënten met bevestigde coronavirusziekte 2019 pneumonie waren visuele of softwarematige kwantificering van de omvang van CT-longafwijking voorspellers van opname op intensive care-afdeling of overlijden.

AB – © RSNA, 2020. Achtergrond: CT van patiënten met ernstige acute respiratoire syndroom coronavirus 2-ziekte toont de mate van longbetrokkenheid bij coronavirusziekte 2019 (COVID-19) pneumonie. Doel: Het bepalen van de waarde van kwantificering van de goed ontluchte long (WAL) verkregen bij opname borst CT om de prognose te bepalen bij patiënten met COVID-19 pneumonie. Materialen en Methoden: Beeldvorming van patiënten opgenomen op de spoedeisende hulp tussen 17 februari en 10 maart 2020 die een CT van de borstkas ondergingen, werden retrospectief geanalyseerd. Patiënten met negatieve resultaten van reverse-transcription polymerase chain reaction voor severe acute respiratory syndrome coronavirus 2 bij nasaal-faryngeaal swabben, negatieve CT-bevindingen op de borst en onvolledige klinische gegevens werden uitgesloten. CT-beelden werden geanalyseerd voor kwantificering van WAL visueel (%V-WAL), met open-source software (%S-WAL), en met absoluut volume (VOL-WAL). Klinische parameters omvatten patiëntkenmerken, comorbiditeiten, symptoomtype en -duur, zuurstofsaturatie en laboratoriumwaarden. Logistische regressie werd gebruikt om de relatie te evalueren tussen klinische parameters en CT-metriek versus uitkomst van de patiënt (intensive care opname of overlijden versus geen IC-opname of overlijden). De oppervlakte onder de receiver operating characteristic curve (AUC) werd berekend om de prestatie van het model te bepalen. Resultaten: De studie includeerde 236 patiënten (59 van 123 waren vrouw; mediane leeftijd, 68 jaar). Een %V-WAL van minder dan 73% (odds ratio , 5,4; 95% betrouwbaarheidsinterval : 2,7, 10,8; P , .001), %S-WAL van minder dan 71% (OR, 3,8; 95% CI: 1,9, 7,5; P , .001), en VOL-WAL van minder dan 2,9 L (OR, 2,6; 95% CI: 1,2, 5,8; P , .01) waren voorspellers van ICU-opname of overlijden. In vergelijking met klinische modellen die alleen klinische parameters bevatten (AUC = 0,83), vertoonden alle drie kwantitatieve modellen betere diagnostische prestaties (AUC = 0,86 voor alle modellen). De modellen met %V-WAL minder dan 73% en VOL-WAL minder dan 2,9 L waren superieur in termen van prestatie in vergelijking met de modellen die alleen klinische parameters bevatten (P = .04 voor beide modellen). Conclusie: Bij patiënten met bevestigde coronavirusziekte 2019 pneumonie waren visuele of softwarematige kwantificering van de omvang van CT-longafwijking voorspellers van opname op intensive care-afdeling of overlijden.

UR – http://www.scopus.com/inward/record.url?scp=85088351786&partnerID=8YFLogxK