TY – JOUR

T1 – Välluktande lungor vid CT av bröstkorgen vid intagning för att förutsäga negativa resultat vid COVID-19-pneumoni

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. Bakgrund: CT av patienter med allvarlig sjukdom orsakad av coronavirus 2 vid akut respiratoriskt syndrom skildrar omfattningen av lungornas involvering vid coronavirus disease 2019 (COVID-19) pneumoni. Syfte: Att fastställa värdet av kvantifiering av den välventilerade lungan (WAL) som erhålls vid CT av bröstkorgen vid intagningen för att fastställa prognosen hos patienter med COVID-19-pneumoni. Material och metoder: Bildbehandling av patienter som togs in på akutmottagningen mellan den 17 februari och den 10 mars 2020 och som genomgick bröst-CT analyserades retrospektivt. Patienter med negativa resultat av reverse-transcription polymerase chain reaction för severe acute respiratory syndrome coronavirus 2 vid nasal-pharyngeal swabbing, negativa fynd vid thorax CT och ofullständiga kliniska data exkluderades. CT-bilderna analyserades för kvantifiering av WAL visuellt (%V-WAL), med öppen programvara (%S-WAL) och med absolut volym (VOL-WAL). Kliniska parametrar omfattade patientens egenskaper, komorbiditeter, symtomtyp och varaktighet, syremättnad och laboratorievärden. Logistisk regression användes för att utvärdera förhållandet mellan kliniska parametrar och CT-metriker kontra patientutfall (intagning på intensivvårdsavdelning eller dödsfall kontra ingen intagning på intensivvårdsavdelning eller dödsfall). Arean under den mottagaroperativa karakteristiska kurvan (AUC) beräknades för att fastställa modellens prestanda. Resultat: Studien omfattade 236 patienter (59 av 123 var kvinnor; medianålder 68 år). En %V-WAL mindre än 73 % (oddskvot , 5,4; 95 % konfidensintervall : 2,7, 10,8; P , .001), %S-WAL mindre än 71 % (OR, 3,8; 95 % CI: 1,9, 7,5; P , .001) och VOL-WAL mindre än 2,9 L (OR, 2,6; 95 % CI: 1,2, 5,8; P , .01) var prediktorer för inläggning på intensivvårdsavdelning eller död. I jämförelse med kliniska modeller som endast innehåller kliniska parametrar (AUC = 0,83) visade alla tre kvantitativa modeller bättre diagnostisk prestanda (AUC = 0,86 för alla modeller). De modeller som innehöll %V-WAL mindre än 73 % och VOL-WAL mindre än 2,9 L var överlägsna i fråga om prestanda jämfört med modeller som endast innehöll kliniska parametrar (P = 0,04 för båda modellerna). Slutsats: Hos patienter med bekräftad coronavirus sjukdom 2019 lunginflammation var visuell kvantifiering eller mjukvarukvantifiering av omfattningen av CT lunganomalier prediktorer för intagning på intensivvårdsavdelning eller dödsfall.

AB – © RSNA, 2020. Bakgrund: CT av patienter med allvarlig akut respiratoriskt syndrom coronavirus 2-sjukdom skildrar omfattningen av lunginvolvering vid coronavirus disease 2019 (COVID-19) pneumoni. Syfte: Att fastställa värdet av kvantifiering av den välventilerade lungan (WAL) som erhålls vid CT av bröstkorgen vid intagningen för att fastställa prognosen hos patienter med COVID-19-pneumoni. Material och metoder: Bildbehandling av patienter som togs in på akutmottagningen mellan den 17 februari och den 10 mars 2020 och som genomgick bröst-CT analyserades retrospektivt. Patienter med negativa resultat av reverse-transcription polymerase chain reaction för severe acute respiratory syndrome coronavirus 2 vid nasal-pharyngeal swabbing, negativa fynd vid thorax CT och ofullständiga kliniska data exkluderades. CT-bilderna analyserades för kvantifiering av WAL visuellt (%V-WAL), med öppen programvara (%S-WAL) och med absolut volym (VOL-WAL). Kliniska parametrar omfattade patientens egenskaper, komorbiditeter, symtomtyp och varaktighet, syremättnad och laboratorievärden. Logistisk regression användes för att utvärdera förhållandet mellan kliniska parametrar och CT-metriker kontra patientutfall (intagning på intensivvårdsavdelning eller dödsfall kontra ingen intagning på intensivvårdsavdelning eller dödsfall). Arean under den mottagaroperativa karakteristiska kurvan (AUC) beräknades för att fastställa modellens prestanda. Resultat: Studien omfattade 236 patienter (59 av 123 var kvinnor; medianålder 68 år). En %V-WAL mindre än 73 % (oddskvot , 5,4; 95 % konfidensintervall : 2,7, 10,8; P , .001), %S-WAL mindre än 71 % (OR, 3,8; 95 % CI: 1,9, 7,5; P , .001) och VOL-WAL mindre än 2,9 L (OR, 2,6; 95 % CI: 1,2, 5,8; P , .01) var prediktorer för inläggning på intensivvårdsavdelning eller död. I jämförelse med kliniska modeller som endast innehåller kliniska parametrar (AUC = 0,83) visade alla tre kvantitativa modeller bättre diagnostisk prestanda (AUC = 0,86 för alla modeller). De modeller som innehöll %V-WAL mindre än 73 % och VOL-WAL mindre än 2,9 L var överlägsna i fråga om prestanda jämfört med modeller som endast innehöll kliniska parametrar (P = 0,04 för båda modellerna). Slutsats: Hos patienter med bekräftad coronavirus sjukdom 2019 lunginflammation var visuell kvantifiering eller mjukvarukvantifiering av omfattningen av CT lunganomalier prediktorer för intagning på intensivvårdsavdelning eller dödsfall.

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