COVID-19-Prädiktionsscores für Mortalität: Eine Validierungsstudie aus dem nationalen Register für COVID-19 in China
Die globale COVID-19-Pandemie hat weltweit über 700 Millionen bestätigte Fälle verursacht, mit klinischen Verläufen von milden Symptomen bis hin zu tödlichem Atemversagen. Die frühzeitige Identifizierung hochriskanter Patienten bei der ersten klinischen Vorstellung ist entscheidend für zeitnahe Interventionen und Ressourcenallokation. Diese Studie entwickelt und validiert zwei Risikovorhersagemodelle – den COVID-19-Risikovorhersagescore (CRPS) und eine vereinfachte Version (S-CRPS) – zur Stratifizierung des Mortalitätsrisikos anhand bei der Krankenhausaufnahme oder sogar zuhause messbarer Parameter.
Datenquellen und Kohortencharakteristika
Retrospektive Daten von 2.188 COVID-19-Patienten aus zwei Krankenhäusern in Wuhan, China (1. Januar bis 28. März 2020), wurden verwendet. Die Patienten wurden im Verhältnis 7:3 in eine Entwicklungs- (1.531 Patienten) und eine interne Validierungskohortе (657 Patienten) aufgeteilt. Eine externe Validierung erfolgte an 30.120 Patienten des Nationalen Gesundheitskomitees (NHC) Chinas (2. Januar bis 12. Mai 2020). In den Wuhan-Kohorten betrug das mediane Alter 62 Jahre, 48,2 % waren männlich, und 9,8 % (215/2.188) verstarben während des Krankenhausaufenthalts. Demografische Daten, Komorbiditäten und Laborergebnisse wurden aus Krankenakten extrahiert; fehlende Daten (10 % der Laborparameter) wurden mittels R-Software imputiert.
Variablenauswahl und Modellentwicklung
Es wurden 36 bei Aufnahme erhobene Variablen analysiert, darunter Demografie, Komorbiditäten und Laborparameter. Drei Methoden – logistische Regressionsgewichtung, Random-Forest-Variablenimportance-Ranking und Lasso-Cox-Regression – identifizierten konsistent fünf Parameter: Alter, Sauerstoffsättigung (SpO₂), Neutrophilen-Lymphozyten-Ratio (NLR), C-reaktives Protein (CRP) und Laktatdehydrogenase (LDH). Harnstoff (BUN) zeigte in Delong-Tests keine signifikante Leistungsverbesserung und wurde ausgeschlossen.
Kontinuierliche Variablen wurden mittels Min-Max-Normalisierung auf Werte zwischen 0 und 1 skaliert (z. B. SpO₂: (SpO₂ – 29)/71; Alter: (Alter – 15)/82).
CRPS: Multivariates Vorhersagemodell
Das CRPS-Modell integrierte die fünf Variablen in ein logistisches Regressionsframework. Der Mortalitätsrisikoscore kombiniert gewichtete, normalisierte Werte, wobei Alter und SpO₂ dominante Prädiktoren waren: Jedes Lebensjahr erhöhte das Risiko exponentiell (OR = 61,07; 95 %-KI: 29,58–132,29), während jede SpO₂-Einheit das Risiko deutlich senkte (OR = 0,003; 95 %-KI: 0,002–0,006). NLR, CRP und LDH ergänzten die Vorhersagekraft durch Abbildung systemischer Entzündung und Organschäden.
Das Modell zeigte exzellente Validierungsergebnisse:
- Interne Validierung: AUC = 0,91 (95 %-KI: 0,89–0,93), Sensitivität = 97 %, Spezifität = 56 %.
- Externe Validierung (NHC-Kohorte): AUC = 0,91, Sensitivität = 97 %, Spezifität = 53 %.
Ein Cutoff-Wert von 0,05 optimierte Sensitivität und Spezifität zur Identifikation Hochrisikopatienten.
S-CRPS: Vereinfachtes Modell für die Anwendung zuhause
Für ressourcenlimitierte Settings wurde ein Modell (S-CRPS) mit Alter und SpO₂ entwickelt. Die Leistung blieb robust:
- Interne Validierung: AUC = 0,87 (95 %-KI: 0,84–0,90), Sensitivität = 96 %, Spezifität = 37 %.
- Externe Validierung: AUC = 0,85, Sensitivität = 95 %, Spezifität = 39 %.
Klinische Implikationen und Validierung
CRPS unterstützt die Priorisierung intensivmedizinischer Ressourcen in Notaufnahmen. S-CRPS ermöglicht eine dezentrale Risikobewertung, insbesondere in Regionen mit eingeschränktem Gesundheitszugang. Die externe Validierung mittels landesweiter NHC-Daten unterstreicht die Generalisierbarkeit der Modelle.
Vergleich zu bestehenden Modellen
Bisherige Modelle (z. B. Zhou et al., 2020; Wu et al., 2020) nutzten kleinere Kohorten oder fehlende externe Validierung. CRPS übertrifft diese durch nationale Daten und transparente Variablenauswahl. Die Integration von SpO₂ als direktem Marker für respiratorische Insuffizienz erhöht die klinische Relevanz.
Limitationen und zukünftige Forschung
Die Generalisierbarkeit auf nicht-chinesische Populationen ist unklar. Retrospektive Datenerhebung birgt mögliche Verzerrungen. Prospektive multizentrische Studien und dynamische Risikomodelle mit sich ändernden Symptomen sind erforderlich.
Fazit
CRPS und S-CRPS bieten validierte, praxistaugliche Tools zur Mortalitätsrisikostratifizierung bei COVID-19. CRPS ist für Krankenhäuser optimiert, während S-CRPS die dezentrale Versorgung stärkt. Beide Modelle verbessern Triage-Effizienz, Ressourcenallokation und Patientenoutcomes in Pandemien.
doi.org/10.1097/CM9.0000000000002973