CC BY
9
ОРИГИНАЛЬРЫЕ ИССЛЕДОВАНИЯ
Возможности раннего прогноза исходов COVID-19 у госпитализированных пациентов
1 Медицинский институт, Федеральное государственное автономное образовательное учреждение высшего образования «Северо-Восточный федеральный университет имени М.К. Аммосова», 677013, г. Якутск, Российская Федерация
2 Федеральное государственное бюджетное научное учреждение «Якутский научный центр комплексных медицинских проблем», 677018, г. Якутск, Российская Федерация
Ильина Н.А.1, Климова Т.М.1, 2, Слепцов С.С.2, Слепцова С.С.1
Оценка прогноза болезни на ранней стадии инфекционного процесса COVID-19, в первые дни после госпитализации, основанная на доступных для практического здравоохранения методах исследования, позволит усовершенствовать маршрутизацию и ведение пациентов с новой коронавирусной инфекцией, а также увеличить выживаемость больных.
Цель исследования - разработка модели прогноза клинических исходов COVID-19 у госпитализированных пациентов со среднетяжелым и тяжелым течением болезни.
Материал и методы. Проведен ретроспективный анализ историй болезни 404 пациентов с подтвержденной COVID-19, находившихся на стационарном лечении с 19.05.2020 по 31.12.2020 и с 01.04.2021 по 31.07.2021 в инфекционном отделении ГБУ РС(Я) «ЯРКБ» (Якутск). Для оценки связи клинико-лабора-торных показателей и факторов риска с неблагоприятным исходом использован метод бинарной логистической регрессии в IBM SPSS Statistics 26.
Результаты и обсуждение. Наиболее значимыми предикторами риска неблагоприятного исхода новой коронавирусной инфекции были возраст, индекс массы тела, уровни мочевины, лактатдегидрогеназы и сатурации на момент госпитализации. Чувствительность полученной модели составила 83,1%, специфичность - 98,3%. Доля правильно прогнозируемых значений зависимой переменной составила 96%. Сравнение прогностической способности разработанной модели со шкалой 4C MortalityScore показало, что предложенная модель характеризуется лучшими классифицирующими свойствами в отношении прогноза летального исхода (83% правильного прогнозирования).
Заключение. Установлено, что в зависимости от возраста пациента и увеличения значения индекса массы тела возрастает риск неблагоприятного исхода COVID-19. Высокие уровни мочевины, лактатдегидрогеназы и сниженный показатель насыщения крови кислородом (SpO2) при поступлении могут служить маркерами риска неблагоприятного исхода. Расчет вероятности летального исхода у больных COVID-19 на основе этих предикторов по предложенной формуле в 96% случаев позволяет отнести пациента к группе риска неблагоприятного исхода.
Ключевые слова:
COVID-19;
предикторы;
прогноз
заболевания;
логистическая
регрессия;
ROC-анализ
Финансирование. Исследование не имело финансовой поддержки. Конфликт интересов. Авторы заявляют об отсутствии конфликта интересов.
Вклад авторов. Концепция и дизайн исследования - Слепцова С.С., Ильина Н.А.; сбор и обработка материала - Ильина Н.А., Слепцов С.С.; статистическая обработка - Климова Т.М.; написание текста - Ильина Н.А., Слепцова С.С.; редактирование -Слепцов С.С.
Для цитирования: Ильина Н.А., Климова Т.М., Слепцов С.С., Слепцова С.С. Возможности раннего прогноза исходов COVID-19 у госпитализированных пациентов // Инфекционные болезни: новости, мнения, обучение. 2023. Т. 12, № 3. С. 33-38. DOI: https://doi.org/10.33029/2305-3496-2023-12-3-33-38 Статья поступила в редакцию 08.08.2022. Принята в печать 23.06.2023.
Possibilities for early prediction of COVID-19 outcomes in hospitalized patients
Ilina N.A.1, Klimova T.M.12, Sleptsov S.S.2, Sleptsova S.S.1
1 Medical Institute, North-Eastern Federal University named after M.K. Ammosov, 677013, Yakutsk, Russian Federation
2 Yakutsk Scientific Center for Complex Medical Problems, 677018, Yakutsk, Russian Federation
Assessment of the disease prognosis at an early stage of the COVID-19 infectious process, in the first days after hospitalization, based on research methods available for practical health care, will improve the routing and management of patients with a new coronavirus infection, as well as increase the survival of patients.
Aim of the work is to develop a model for predicting the COVID-19 clinical outcomes in hospitalized patients with moderate and severe disease.
Material and methods. A retrospective analysis of the case of the 404 patients histories with confirmed COVID-19 who were hospitalized from 05/19/2020 to 12/31/2020 was carried out, and from 04/01/2021 to 07/31/2021 in the infectious department of the Yakutsk Republican Clinical Hospital. Binary logistic regression method in IBM SPSS Statistics 26 was used to assess the association of clinical and laboratory parameters and risk factors with an unfavorable outcome.
Results and discussion. The most significant predictors of an adverse outcome risk of new coronavirus infection were age, body mass index, urea levels, lactate dehydrogenase, and saturation at the time of hospitalization. The sensitivity of the resulting model was 83.1%, the specificity was 98.3%. The proportion of correctly predicted values of the dependent variable was 96%. Comparison of the predictive ability of the developed model with the 4C MortalityScore scale showed that the proposed model is characterized by the best classifying properties in terms of predicting a lethal outcome (83% of correct prediction).
Conclusion. It has been established that, depending on the age of the patient and the increase in the value of the body mass index, the risk of an unfavorable outcome of COVID-19 increases. High urea levels, lactate dehydrogenase, and decreased blood oxygen saturation (SpO2) at admission may be markers of risk for poor outcome. The calculation of the probability of death in patients with COVID-19 based on these predictors using the proposed formula makes it possible in 96% of cases to classify the patient as at risk of an unfavorable outcome.
Funding. The study had no sponsor support.
Conflict of interest. The authors declare no conflict of interest.
Contribution. The concept and design of the study - Sleptsova S.S., Ilina N.A.; collection and processing of material - Ilina N.A., Sleptsov S.S.; statistical processing - Klimova T.M.; writing the text - Ilina N.A., Sleptsova S.S.; editing - Sleptsov S.S.
For citation: Ilina N.A., Klimova T.M., Sleptsov S.S., Sleptsova S.S. Possibilities for early prediction of COVID-19 outcomes in hospitalized patients. Infektsionnye bolezni: novosti, mneniya, obuchenie [Infectious Diseases: News, Opinions, Training]. 2023; 12 (3): 33-38. DOI: https://doi.org/10.33029/2305-3496-2023-12-3-33-38 (in Russian) Received 08.08.2022. Accepted 23.06.2023.
Keywords:
COVID-19; predictors; disease prognosis; logistic regression; ROC analysis
Проблема новой коронавирусной инфекции относится к числу наиболее актуальных в современной инфекционной патологии, что обусловлено высокой заболеваемостью, часто тяжелым течением болезни и угрозой осложнений [1-3]. Люди с патологией сердца, сахарным диабетом и респираторными заболеваниями находятся в группе риска развития осложнений и смерти в случае заражения SARS-CoV-2 [4-8]. На риск развития тяжелого течения COVID-19 оказывают влияние ожирение и пожилой возраст заболевших [9-13]. С учетом множества вероятных клинических предикторов тяжести течения новой коронавирусной инфекции используют методы математического моделирования и прогнозирования тяжелого течения ШШ-19.
Цель исследования - разработка модели прогноза клинических исходов COVID-19 у госпитализированных пациентов со среднетяжелым и тяжелым течением болезни.
Материал и методы
Проведен ретроспективный анализ историй болезни 404 пациентов с подтвержденной новой коронавирусной инфекцией (COVID-19), находившихся на стационарном лечении в инфекционном отделении ГБУ РС(Я) «ЯРКБ» (Якутск) с 19.05.2020 по 31.12.2020 (n=150) и с 01.04.2021 по 31.07.2021 (n=254). Анализ историй болезни проведен с учетом клинической картины, результатов клинико-лабо-раторных и инструментальных исследований. При статистической обработке результатов использована программа IBM SPSS Statistics 26. Сравнение 2 групп по количественному показателю выполнено с помощью У-критерия Манна-Уитни. Сравнение групп по качественным признакам проводили в четырехпольной таблице сопряженности с расчетом критерия х2 Пирсона. В логистическом регрессионном анализе применен метод пошагового исключения
оцениваемых предикторов (Вальда). Зависимая переменная «Исход» [градации выжил (0) - 345 наблюдений, умер (1) - 59]. В качестве независимых предикторов были включены переменные, показавшие статистически значимую связь с исходом в одномерном анализе, ROC-анализе. Оценку относительного вклада отдельных предикторов проводили с использованием статистики Вальда х2 и отношения шансов (ОШ) с расчетом 95% доверительного интервала (ДИ). Качество модели оценивали по проценту конкордации, общую оценку согласия модели и реальных данных - с использованием теста согласия Хосмера-Лемешева (Hosmer and Lemeshow Goodness-of-FitTest). Оценку качества бинарной классификации проводили с использованием ROC-анализа. Критический уровень значимости при проверке статистических гипотез принимали равным 5%.
Результаты и обсуждение
Средний возраст госпитализированных пациентов с COVID-19 составил 55,3 года, доля пациентов в возрасте 60 лет и старше составила 40,8% (165 человек). Соотношение мужчин и женщин было сопоставимым: 47 и 53%, соответственно. Распределение по этнической принадлежности показало преобладание коренной национальности - 76,5% (309 человек). 145 (35,9%) пациентов имели избыточную массу тела, 112 (27,7%) - ожирение.
Среди 254 пациентов, госпитализированных в 2021 г., 70,1% не имели прививок против COVID-19. Одну дозу вакцины получили 9 (3,5%) человек, 2 дозы - 67 (26,4%), большинство пациентов (84,2%) были иммунизированы вакциной «Гам-КОВИД-Вак» («Спутник V»). Анализ течения и исходов заболевания в зависимости от статуса вакцинации показал, что среди невакцинированных по сравнению с пациентами, получившими полный курс вакцинации из 2 доз на момент заболевания, доля тяжелых случаев (53,4%, р<0,001) и смертельных исходов (20,2%, р=0,004) была статистически значимо выше. Анализ наличия сопутствующей патологии у пациентов с COVID-19 показал, что наиболее часто сопутствующими патологиями были заболевания сердечно-сосудистой системы (52,5%), сахарный диабет (24,5%), заболевания легких (21%).
В анализируемой группе у 246 (60,9%) человек новая коронавирусная инфекция имела среднюю тяжесть течения, а у 158 (39,1%) - тяжелое течение.
Из 404 пациентов умерли 59 (14,6%): в 2020 г. 20 человек, в 2021 г. - 39 (15,4%), р=0,578. Основная причина смерти пациентов - острый респираторный дистресс-синдром. В 2020 г. он стал причиной летального исхода у 70% умерших, а в 2021 г. - у 71,7%. От прогрессирующей легочно-сердечной недостаточности умерли 65 и 61,5%, по причине отека головного мозга - 40 и 33,3% соответственно с учетом временного фактора. В 2020 г. 35% всех умерших, а в 2021 г. 33,5% ушли из жизни от синдрома полиорганной недостаточности. Статистически значимых различий в причинах летальных исходов с учетом временного фактора не выявлено.
Средний возраст умерших составил 69,6 (10,4) года, выздоровевших - 52,9 (12,9) года (р<0,001). Из числа
Таблица 1. Исходы COVID-19 с учетом демографических показателей и наличия сопутствующей патологии за периоды наблюдения, п (%)
Показа- Выздоровели Умерли ОШ Р
тель (n=345) (n=59) (95% ДИ)
Пол
Мужчины 165 (86,8) 25 (13,2) 1,2 0,438
Женщины 180 (84,1) 34 (15,9) (0,7-2,2)
Национальность
Якуты 259 (83,8) 50 (16,2) 0,5 0,172
Русские 86 (90,5) 9 (8,5) (0,3-1,1)
Сахарный диабет 2-го типа
Нет 272 (89,2) 33 (10,8) 2,9 <0,001
Есть 73 (73,7) 26 (26,3) (1,7-5,2)
Заболевания сердечно-сосудистой системы
Нет 186 (96,9) 6 (3,1) 10,3 <0,001
Есть 159 (75,0) 56 (25,0) (4,3-24,7)
Заболевания легких
Нет 280 (87,2) 41 (12,8) 1,9 0,040
Есть 65 (78,3) 18 (21,7) (1,0-3,5)
Избыточная масса тела или ожирение
Нет 133 (90,5) 14 (9,5) 2,0 0,029
Есть 212 (85,5) 45 (17,5) (1,1-3,8)
Примечание. ОШ (95% ДИ) - отношение шансов с 95% доверительным интервалом; р - достигнутый уровень значимости.
пациентов с тяжелым течением заболевания умерли 37,3%. Частота неблагоприятного исхода не зависела от пола и этнической принадлежности пациентов. Наличие сопутствующих заболеваний, таких как сахарный диабет 2-го типа, заболевания сердечно-сосудистой системы, органов дыхания, ожирения увеличивало риски летального исхода (табл. 1).
У пациентов, умерших от COVID-19, при поступлении отмечены высокие уровни лейкоцитов, лимфоцитопения, значительное повышение уровня С-реактивного белка (СРБ), лактатдегидрогеназы (ЛДГ), D-димера, креатинина, мочевины, глюкозы (табл. 2). Все лабораторные показатели при поступлении в стационар, показавшие статистически значимую связь с неблагоприятным исходом, были использованы в качестве классификаторов в 1^0С-анализе. Наилучшие характеристики для прогнозирования исхода C0VID-19 на момент госпитализации имели показатели мочевины АиС 0,88 (95% ДИ 0,82-0,94), интер-лейкина-6 (АиС 0,87 95% ДИ 0,83-0,92), ЛДГ АиС 0,85 (95% ДИ 0,78-0,91).
По результатам одномерного и 1^0С-анализа в качестве независимых предикторов в модели логистической регрессии были выбраны переменные, указанные в табл. 1 и 2. Проведено преобразование показателя Бр02 и вычислена новая переменная Бр0, = 100 - Бр0, .
г г 2 г 2 при поступлении
Полученная с использованием метода пошагового исключения предикторов модель логистической регрессии была статистически значимой (р<0,001). Итерации сошлись за 1 шаг. При 5 степенях свободы х2 модели был равен 235,5.
Таблица 2. Лабораторные показатели и уровень сатурации при поступлении в стационар при разных исходах заболевания*
Показатель I Выздоровели (n=345) Умерли (n=59) 1 Р
Возраст, годы 54,0 (44,0-62,0) 70,0 (63,0-76,0) <0,001
ИМТ, кг/м2 26,9 (22,5-30,1) 27,4 (25,5-32,0) 0,030
Лейкоциты, х109/л 6,3 (4,7-8,9) 12,5 (6,4-20,1) <0,001
Лимфоциты, х109/л 1,3 (1,0-1,8) 0,9 (0,5-1,5) <0,001
Глюкоза, ммоль/л 5,8 (5,0-7,4) 9,7 (7,4-11,7) <0,001
АСТ, ед./л 30,8 (22,8-44,5) 43,6 (33,5-70,1) <0,001
ЛДГ, ед./л 282,0 (227,1-355,0) 512,0 (407,0-725,3) <0,001
Креатинин, ммоль/л 75,8 (62,5-88,0) 112,0 (82,6-161,5) <0,001
Мочевина, ммоль/л 5,0 (4,0-6,3) 14,2 (8,1-21,2) <0,001
D-димер, нг/мл 200,0 (145,0-309,9) 548,2 (256,0-1099,0) <0,001
Интерлейкин-6, пг/мл 14,5 (4,9-42,0) 141,0 (55,0-7040,0) <0,001
Протромбиновое время, с 13,8 (12,7-15,1) 15,7 (13,9-21,7) <0,001
Тромбоциты, х109/л 264,0 (191,0) 196,0 (126,0-225,0) <0,001
СРБ, мг/л 32,0 (11,7-69,1) 105,3 (68,7-146,0) <0,001
МНО 1,1 (1,0-1,2) 1,3 (1,1-1,9) <0,001
SpO2, % 96,0 (94,5-98,0) 88,0 (82,0-93,0) <0,001
Примечание. р - достигнутый уровень значимости при сравнении групп (критерий Манна-Уитни); * - описательные статистики представлены в виде медианы и межквартильного размаха в формате Ме ИМТ - индекс массы тела; расшифровка
аббревиатур дана в тексте.
Исходя из значения коэффициента детерминации Найд-желкерка модель объясняет 78% наблюдаемой дисперсии показателя «Исход». Степень согласия модели и реальных данных оценена с помощью критерия Хосмера-Лемешова как «хорошая» (х2 4,096, df=8, p=0,848).
Характеристики модели представлены в табл. 3. Наблюдаемая зависимость описывается уравнением:
P = 1 / (1 + ег) х 100%,
где 2 = -21,105 + 0,265Х,1ПП,П+ 0,009Х„ЛГ + 0,161Х +
м ' ' (100^р02) ' ЛДГ мочевина
0,177ХИМТ + 0,127Хвозраст; Р - вероятность летального исхода; е - основание натурального логарифма, равное 2,72; -21,105 - значение коэффициента регрессии свободного члена; X )-100% - SpO2 при поступлении; ХЛ лактатдегидрогеназа, ед/л; X
т пг ' " ' мочевина при поступлеш...
ммоль/л; ХИМТ - индекс массы тела, рассчитанный по формуле: масса тела (кг)/рост2 (м); Хвозраст - возраст, годы.
Все предикторы были статистически значимы, их увеличение повышало риски неблагоприятного исхода. Наиболее весомыми предикторами, вносящими вклад в риск смерти при COVID-19, были ИМТ, снижение показателя SpO2 и уровень мочевины.
ЛДГпри поступлении
- мочевина,
Качество модели оценивали методом ROC-анализа. Площадь под ROC-кривой составила 0,98+0,010 с 95% ДИ 0,96-0,99 (см. рисунок). Полученная модель была статистически значимой (p<0,001).
При данном наборе предикторов конкордация была равна 96%, правильный прогноз летального исхода - 83,1%, выживших - 98,3%.
Для сравнения прогностической способности модели использована шкала 4C MortaLityScore, разработанная консорциумом ISARIC (International Severe Acute Respiratory and Emerging Infection Consortium) в 2020 г. и апробированная на выборке 57 тыс. больных COVID-19. Для каждого пациента выборки был рассчитан суммарный балл по шкале 4C MortaLityScore. При логистической регрессии с использованием в качестве зависимой - переменной «Исход», а в качестве предиктора - суммарного балла каждого пациента по шкале 4C MortaLityScore модель имела следующие характеристики: х2 =196,5; р<0,001, коэффициент детерминации R2 Найджелкерка = 0,682; Хосмера-Лемешева = 0,988. Правильное прогнозирование летального исхода составляло 66,1%, выздоровления - 98,0%. Таким образом, разработанное уравнение логистической регрессии не уступает по своим прогностическим свойствам шкале 4С MortaLityScore
Таблица 3. Характеристика связи предикторов модели с вероятностью летального исхода
Предиктор B Среднеквадра- Вальд df Exp | 95% доверительный интервал для EXP(B) |
тичная ошибка Р (B) нижнее значение верхнее значение
Возраст, годы 0,127 0,031 16,607 1 <0,001 1,136 1,068 1,207
Мочевина, ммоль/л 0,161 0,058 7,734 1 0,005 1,175 1,049 1,316
ЛДГ, ед/л 0,009 0,002 16,128 1 <0,001 1,009 1,005 1,013
ИМТ, кг/м2 0,177 0,062 8,028 1 0,005 1,193 1,056 1,348
100-Sp02, % 0,265 0,064 17,180 1 <0,001 1,304 1,150 1,478
Константа -21,105 3,687 32,766 1 <0,001 0,000
Примечание. В - коэффициент регрессии; df - степени свободы; р - достигнутый уровень значимости; Exp (B) - экспонента. 36 Журнал для непрерывного медицинского образования врачей
и характеризуется большей точностью в прогнозировании неблагоприятных исходов C0VID-19 по клинико-лабора-торным данным при поступлении (чувствительность 83,1%, специфичность 98,3%).
Заключение
Результаты проведенного исследования показали, что возраст пациентов старше 60 лет, повышенный ИМТ, а также уровни мочевины >10 ммоль/л, ЛДГ >235 ед/л и показатель насыщения крови кислородом Бр02 <95% при поступлении в стационар являются статистически значимыми предикторами неблагоприятного исхода C0VID-19. Расчет вероятности летального исхода у больных C0VID-19 на основе этих показателей по предложенной формуле позволяет в 96% случаев правильно определить принадлежность пациента к группе риска.
Сравнение характеристик модели 4С МоЛаЙуБсоге и разработанной логистической модели показало, что последняя имеет лучшие классифицирующие свойства в отношении прогнозирования летального исхода (83,1% правильных прогнозов).
Людям с повышенным ИМТ, старше 60 лет, при наличии сопутствующей сердечно-сосудистой и эндокринной патологии рекомендуется в случае заболевания C0VID-19 госпитализация на ранних сроках болезни независимо от степени тяжести течения.
1,0
0,8
;
ROC-кривые
1 0,6
0,4
0,2
0,0
0,0 0,2 0,4 0,6 0,8 1,0 1 - специфичность
ROC-кривая, характеризующая зависимость вероятности исхода от значения логистической функции Р
СВЕДЕНИЯ ОБ АВТОРАХ
Ильина Наталина Александровна (Natalina A. Ilina)* - аспирант кафедры инфекционных болезней, фтизиатрии и дерматовенерологии ФГБОУ ВО «Северо-Восточный федеральный университет им. М.К. Аммосова», Якутск, Российская Федерация E-mail: bnataLinush@maiL.ru https://orcid.org/0000-0002-9458-403X
Климова Татьяна Михайловна (Tatiana M. Klimova) - кандидат медицинских наук, доцент кафедры фармакологии и фармации ФГАОУ ВО «Северо-Восточный федеральный университет им. М.К. Аммосова», старший научный сотрудник лаборатории клинико-популяционных и медико-социальных исследований ФГБНУ «Якутский научный центр комплексных медицинских проблем», Якутск, Российская Федерация E-mail: biomedykt@mail.ru https://orcid.org/0000-0003-2746-0608
Слепцов Спиридон Спиридонович (Spiridon S. Sleptsov) - кандидат биологических наук, доцент, старший научный сотрудник лаборатории клинико-популяционных и медико-социальных исследований ФГБНУ «Якутский научный центр комплексных медицинских проблем», Якутск, Российская Федерация E-mail: sachaja@yandex.ru https://orcid.org/0000-0002-2482-2928
Слепцова Снежана Спиридоновна (Snezhana S. Sleptsova) - доктор медицинских наук, доцент, заведующий кафедрой инфекционных болезней, фтизиатрии и дерматовенерологии ФГАОУ ВО «Северо-Восточный федеральный университет им. М.К. Аммосова», Якутск, Российская Федерация E-mail: sssleptsova@yandex.ru https://orcid.org/0000-0002-0103-4750
ЛИТЕРАТУРА
1. COVID-19: научно-практические аспекты борьбы с пандемией в Российской Федерации / под ред. А.Ю. Поповой. Саратов : Амирит, 2021. 608 с.
2. Huang C., Wang Y., Li X., Ren L., Zhao J., Hu Y. et al. Clinical features of patients infected with 2019 novel coronavirus in Wuhan, China // Lancet. 2020. Vol. 395, N 10 223. P. 497-506.
3. Rodriguez-Nava G., Yanez-Bello M.A., Trelles-Garcia D.P., Chung C.W. et al. Performance of the quick COVID-19 severity index and the Brescia-COVID respiratory severity scale in hospitalized patients with COVID-19 in a community hospital setting // Int. J. Infect. Dis. 2021. Vol. 102. P. 571-576. DOI: https://doi.org/10.1016/ j.ijid.2020.11.003
* Автор для корреспонденции.
4. Турсунов Р.А., Олимов Д.А., Ходжамурадов Г.М. Анализ летальных случаев при первой волне новой коронавирусной инфекции COVID-19 // Инфекционные болезни: новости, мнения, обучение. 2021. Т. 10, № 3. С. 33-40. DOI: https://doi. org/10.33029/2305-3496-2021-10-3-33-40
5. loannidis J.P.A. The infection fatality rate of COVID-19 inferred from seropreva-lence data // medRxiv. 2020. DOI: https://doi.org/10.1101/2020.05.13.20101253
6. Kahathuduwa C.N., Dhanasekara C.S., Chin S.H. Case fatality rate in COVID-19: a systematic review and meta-analysis // medRxiv. 2020. DOI: https://doi.org/10. 1101/2020.04.01.20050476
7. Wang X., Fang X., Cai Z., Wu X., Gao X., Min J. et al. Comorbid chronic diseases and acute organ injuries are strongly correlated with disease severity and mortality among COVID-19 patients: a systemic review and meta-analysis // Research (Wash D C). 2020. Vol. 2020. Article ID 2402961.
8. Wu Z., McGoogan J.M. Characteristics of and important lessons from the Coronavirus Disease 2019 (COVID-19) outbreak in China: summary of a report of 72 314 cases from the Chinese Center for Disease Control and Prevention // JAMA. 2020. Vol. 323, N 13. P. 1239-1242. DOI: https://doi.org/10.1001/jama.2020. 2648
9. Багненко С.Ф., Рассохин В.В., Беляков Н.А., Боева Е.В., Ястребова Е.Б. Ко-ронавирусная инфекция C0VID-19. Лечение и профилактика // ВИЧ-инфекция и им-муносупрессии. 2020. Т. 12, № 2. С. 31-56. D0I: https://doi.org/10.22328/2077-9828-2020-12-2-31-56
10. Ильченко Л.Ю., Никитин И.Г., Федоров И.Г. C0VID-19 и поражение печени // Архивъ внутренней медицины. 2020. Т. 10, № 3. С. 5-8.
11. Рассохин В.В., Самарина А.В., Беляков Н.А., Трофимова Т.Н., Лукина О.В., Гав-рилов П.В. и др. Эпидемиология, клиника, диагностика, оценка тяжести заболевания C0VID-19 с учетом сопутствующей патологии // ВИЧ-инфекция и иммуносупрессии. 2020. Т. 12, № 2. С. 7-30. D0I: https://doi.org/10.22328/2077-9828-2020-12-2-7-30
12. Gold M.S., Sehayek D., Gabrielli S., Zhang X., McCusker C., BenShoshan M. C0VID-19 and comorbidities: a systematic review and meta-analysis // Postgrad. Med. 2020. Vol. 132, N 8. P. 749-755. D0I: https:// doi.org/10.1080/00325481.2020.1 786964
13. Jain V., Yuan J.-M. Predictive symptoms and comorbidities for severe C0VID-19 and intensive care unit admission: a systematic review and meta-analysis // Int. J. Public Health. 2020. Vol. 65. P. 533-546. D0I: https:// doi.org/10.1007/ s00038-020-01390-7
REFERENCES
1. COVID-19: scientific and practical aspects of interaction with the pandemic in the Russian Federation. In: A.Yu. Popova (ed.). Saratov: Amirit, 2021: 608 p. (in Russian)
2. Huang C., Wang Y., Li X., Ren L., Zhao J., Hu Y., et al. Clinical features of patients infected with 2019 novel coronavirus in Wuhan, China. Lancet. 2020; 395 (10 223): 497-506.
3. Rodriguez-Nava G., Yanez-Bello M.A., Trelles-Garcia D.P., Chung C.W., et al. Performance of the quick COVID-19 severity index and the Brescia-COVID respiratory severity scale in hospitalized patients with COVID-19 in a community hospital setting. Int J Infect Dis. 2021; 102: 571-6. DOI: https://doi.org/10.1016/j.ijid.2020.11.003
4. Tursunov R.A., Olimov D.A., Khodzhamuradov G.M. Analysis of fatal cases during the first wave of a new coronavirus infection COVID-19. Infektsionnye bolezni: novosti, mneniya, obuchenie [Infectious Diseases: News, Opinions, Training]. 2021; 10 (3): 33-40. DOI: https://doi.org/10.33029/2305-3496-2021-10-3-33-40 (in Russian)
5. Ioannidis J.P.A. The infection fatality rate of COVID-19 inferred from seropreva-lence data. medRxiv. 2020. DOI: https://doi.org/10.1101/2020.05.13.20101253
6. Kahathuduwa C.N., Dhanasekara C.S., Chin S.H. Case fatality rate in COVID-19: a systematic review and meta-analysis. medRxiv. 2020. DOI: https://doi. org/10.1101/2020.04.01.20050476
7. Wang X., Fang X., Cai Z., Wu X., Gao X., Min J., et al. Comorbid chronic diseases and acute organ injuries are strongly correlated with disease severity and mortality among COVID-19 patients: a systemic review and meta-analysis. Research (Wash D C). 2020; 2020: 2402961.
8. Wu Z., McGoogan J.M. Characteristics of and important lessons from the Coronavirus Disease 2019 (COVID-19) outbreak in China: summary of a report of 72 314 cases from the Chinese Center for Disease Control and Prevention. JAMA. 2020; 323 (13): 1239-42. DOI: https://doi.org/10.1001/jama.2020.2648
9. Bagnenko S.F., Rassokhin V.V., Belyakov N.A., Boeva E.V., Yastrebova E.B. Coronavirus infection COVID-19. Treatment and prevention. VICH infektsiya i immuno-supressii [HIV Infection and Immunosuppression]. 2020; 12 (2): 31-56. DOI: https:// doi.org/10.22328/2077-9828-2020-12-2-31-56 (in Russian)
10. Il'chenko L.Yu., Nikitin I.G., Fedorov I.G. COVID-19 and liver damage. Arkhiv vnutrenney meditsiny [Archives of Internal Medicine]. 2020; 10 (3): 5-8. (in Russian)
11. Rassokhin V.V., Samarina A.V., Belyakov N.A., Trofimova T.N., Lukina O.V., Gavrilov P.V., et al. Epidemiology, clinic, diagnosis, assessment of the severity of COVID-19 disease, taking into account concomitant illness. VICH infektsiya i immuno-supressii [HIV Infection and Immunosuppression]. 2020; 12 (2): 7-30. DOI: https:// doi.org/10.22328/2077-9828-2020-12-2-7-30 (in Russian)
12. Gold M.S., Sehayek D., Gabrielli S., Zhang X., McCusker C., BenShoshan M. COVID-19 and comorbidities: a systematic review and meta-analysis. Postgrad Med. 2020; 132 (8): 749-55. DOI: https:// doi.org/10.1080/00325481.2020.1786964
13. Jain V., Yuan J.-M. Predictive symptoms and comorbidities for severe COVID-19 and intensive care unit admission: a systematic review and meta-analysis. Int J Public Health. 2020; 65: 533-46. DOI: https:// doi.org/10.1007/s00038-020-01390-7
