预测结果差COVID-19患者入院当天COVID-19分数

文摘

背景。COVID-19可能导致multiorgan衰竭和死亡。早期检测的患者可能允许风险分类和更强烈的监控。本研究的目的是开发一个简单的、客观的录取分数,根据实验室检测,识别患者很可能会继续恶化。方法。这是一个回顾性队列研究的所有COVID-19患者承认高等学术医疗中心在纽约市2020年春天COVID-19危机期间。主要结合端点包括插管,第三阶段急性肾损伤(AKI),或死亡。实验室测试可以在承认至少在70%的患者(年龄)包括单变量分析。或临床显著的统计学测试被包含在一个多元的二元逻辑回归模型使用逐步排除。70%的患者被用来训练模型,和30%被用作内部验证队列。本研究的目的是开发和验证基于生物标志物COVID-19严重性的典范。结果。2545例患者,833例(32.7%)有经验的主要目标。53实验室检测进行了分析,其中,47个测试(和年龄)患者和没有端点之间明显不同。最后的多元模型包括年龄、白蛋白、肌酐,c反应蛋白和乳酸脱氢酶。ROC曲线下的面积是0.850 (CI(95%): 0.813, 0.889),的敏感性为0.800,特异性为0.761。经历主的概率端点可以计算 。结论。我们的研究表明,贫困结果COVID-19患者可以预测使用几个实验室测试良好的敏感性和特异性。这是用于识别高危患者在入院。

1。介绍

从2020年3月至5月,纽约经历了严重危机COVID-19情况下导致的患者需要管理员照顾。医院和医疗资源紧张他们的限制。尽管许多病人恢复快,一些进步发展严重COVID-19可能导致重大的发病率和死亡。

一些功能的严重COVID-19包括呼吸衰竭需要插管、严重肾功能衰竭和死亡。严重疾病的风险因素包括先进的年龄和基础疾病如心血管疾病和糖尿病1]。病人住院病死率高达24%,和重症监护室需要机械通气的患者病死率高达60% (1,2]。

迫切需要对临床工具可以识别患者住院期间严重COVID-19的风险。先前的预测模型使用人口数据的结合,临床历史,和实验室数据预测患严重疾病或死亡的病人(3- - - - - -6]。然而,这些研究主要是使用基于适度的样本大小主要是在中国。最近,有兴趣使用之前验证non-COVID-19临床评分,如国家早期预警评分(新闻),COVID-19患者(7,8]。虽然许多这些模型表现良好,他们缺乏一个大型研究,不完全基于客观的、可量化的数据,可以借偏见和不准确的预测。我们排除了更少的目标或可量化的数据,如并发症或发现在体检期间,曾被用于其他成绩,如退伍军人健康管理局COVID-19 COVID-19死亡率(VACO)指数(9]或快速COVID-19严重性指数(qCSI) (10]。

仍然是一个需要一个简单的、客观的预测模型能够概括西方人群。实验室检测是一种很有前途的客观数据来源,并有证据表明炎症标记物(如c反应蛋白)和标记的心脏、肝脏和肾脏功能障碍与严重COVID-19 [11,12]。本研究的目的是确定在住院实验室值可以预测COVID-19病人和贫困的结果创建一个预测COVID-19分数可以帮助从业人员分流病人住进医院。

2。材料和方法

在这个回顾性队列研究中,我们包括所有病人承认欧文哥伦比亚大学医学中心COVID-19危机期间从3月10日在纽约,2020年,2020年5月24日。COVID-19积极性被定义为患者阳性SARS-COVID-2使用聚合酶链反应和接受一个承认COVID-19的诊断。

主要结合端点包括插管,第三阶段急性肾损伤(AKI)定义为肾脏疾病改善全球的结果(KDIGO)标准(13](增加血清肌酐基线或≥3倍4 mg / dL入学后七天内),在住院治疗或死亡。我们选择这些端点,因为我们认为这些端点的存在代表严重恶化COVID-19特别是在纽约市的激增。我们不包括入住ICU,因为当时只需要机械通气的患者获准进入ICU的短缺ICU床。此外,由于缺乏重症护理病床,简易ICU机械通气患者照顾的。我们还没有包括肾功能衰竭需要肾脏替代疗法(RRT),许多病人在正常情况下需要RRT没有收到它由于缺乏RRT机器和/或一次性用品。

从电子医疗记录系统数据检索。我们分析了99个不同的实验室测试和基本的人口统计信息,主要是年龄和性别。承认实验室结果定义为结果的平均值为每个病人在入院之前一天到一天。

我们首先进行单变量分析实验室测试在≥70%的病人可在入学。统计学和临床重要的变量都包含在一个多元的二元逻辑回归模型。我们移除患者错过这些变量,这最后一批n= 1492个病人。选择最好的预测模型主要终点,70%的患者(n= 1045)被用来训练模型。我们使用交叉验证(CV)过程中,70%的1045个训练样本(n= 732)被用来确定模型中的变量选择的列表,和剩下的30% (n= 313)被用来检验模型。这个方法是按照1 b型预测模型研究的透明的报告所描述的多变量预测模型为个体预后或诊断(三脚架)语句(“发展预测模型使用整个数据集,然后利用重采样(例如,引导或交叉验证)技术评价的性能和乐观发展模式”)(14]。我们不包括任何外部验证军团。

这个简历的过程重复了100次,我们选定的变量是最常选择的100 CVs。这个列表变量被认为是在最后的模型和安装使用n= 1492训练样本。安装最后模型然后进行内部验证队列,由30%的人群(n= 447(图)1)。引导树苗进行内部验证队列提供置信区间。最终的模型生成的主要终点也安装对其他特定的端点(插管、第三阶段阿基或死亡)估计经历一个特定事件的概率。最好的截断值预测概率计算的价值最大化Youden J统计,定义为J =灵敏度+特异性−1。

我们构造的kaplan meier曲线比较风平浪静生存(事件被定义为主要结合端点)和较低的概率高于患者之间最好的截止。我们创建和kaplan - meier患者的生存曲线不插管患者和没有第三阶段。

SAS 9.1 (SAS Inc .,卡里,北卡罗莱纳),PASW 18.0 (SPSS Inc .,芝加哥,伊利诺斯州),R项目统计计算和GraphPad Prism 6.0(加州圣地亚哥)软件被用于统计分析。

3所示。结果

共有2545名患者与COVID-19住院。537例(21.1%)死亡,309名患者(12.1%)气管插管,324名患者(12.7%)有经验的第三阶段。主要结合端点(插管、第三阶段阿基或死亡)的833名患者(32.7%)。特定的端点的发病率可以在表中找到1。

99包括实验室测试(以及种族、性别和年龄),53个被用于≥70%的病人入院时(补充表S1)。补充表S2排除变量列表。在单变量分析,47个变量(年龄)明显不同的患者和没有结合端点之间。多变量分析了最后一个二元逻辑回归模型,包括年龄、白蛋白、肌酐、高敏c反应蛋白(CRP)和乳酸脱氢酶(LDH)。主要结合端点,模型产生一个接受者操作特征曲线下面积(AUC) 0.850 (CI(95%): 0.813、0.889)(图2)的敏感性为0.800,特异性为0.761(最好使用截止0.335,由Youden J统计)。经历了这些结果的概率定义为COVID-19分数,可以计算的

模型也适合特定的端点,如表所示2。

患者COVID-19得分> 0.335(最佳截止)的风险比(Mantel-Haenszel) 3.59 (CI(95%): 3.136, 4.105)的经历主要结合端点。kaplan meier风平浪静的生存曲线(一个事件被定义为主要结合端点)是描绘在图3。构造kaplan - meier生存曲线为患者和无插管患者和无第三阶段阿基(数字4(一)和4 (b))。病人需要插管的风险比(Mantel-Haenszel) 6.479 (CI(95%): 5.032, 8.341)的死亡,和第三阶段患者AKI的风险比(Mantel-Haenszel) 2.837 (CI(95%): 2.252, 3.574)的死亡。

每个变量的相对贡献模型评估是基于删除变量如何影响预测的AUC主要终点。当肌酐清除,AUC从0.850下降到0.774。LDH去除时,AUC从0.850下降到0.832。白蛋白移除时,AUC从0.850下降到0.836。年龄是移除时,AUC从0.850下降到0.837。CRP移除时,AUC从0.850下降到0.845。

在以前的出版物、种族、生理性别和il - 6水平COVID-19患者死亡率的重要预测因子(15,16]。尽管这些变量没有选择到我们最后的模型,我们研究了这些变量进一步通过手动添加和删除这些变量的模型来确定它们如何影响了AUC预测主要结合端点。删除比赛增加了AUC从0.847到0.850。美国黑人种族与严重疾病的风险降低(系数:−0.344),而白种人与风险增加(系数:0.450)。消除生理性别最低限度增加了AUC从0.849到0.850。雄性与严重疾病的风险增加(系数:0.125)。在早期的迭代模型中,包含的il - 6水平(只用于683例)改变不了AUC, 0.746。因为这些变量没有明显改善AUC,他们不包括在最终的模型。

4所示。讨论

我们的研究提供了明确的支持,可怜的结果COVID-19可以预测在住院患者有很好的敏感性和特异性使用一些客观变量。严重的疾病的概率(即。,the COVID-19 score) can be calculated using age, albumin, creatinine, high-sensitivity C-reactive protein (CRP), and lactate dehydrogenase (LDH). The model predicted the primary combined endpoint of intubation, stage 3 AKI, or death with an AUC of 0.850.

这个模型的主要优点是,它使用客观的实验室测试,通常可以在住院。尽管患者的并发症,尤其是心血管疾病或糖尿病,可以增加患者的风险严重COVID-19,使用实验室的优势值(和年龄),这些值量化,容易获得,并可计算的数据相比,有更高程度的客观性,例如,并发症,从而很好地定量测定的风险。以前的预测模型使用较小的样本大小和依赖人口、临床、影像学和实验室的变量是不容易可计算的3- - - - - -6]。最近,也有兴趣申请non-COVID-19临床评分,如国家早期预警评分(新闻),COVID-19预测死亡率(7,8]。然而,这种方法也包含数据的分数限制,可能更客观、更难以量化,比如精神状态的评估。我们的模型提供了一个更高程度的客观性用客观的实验数据已经被测试在一个大的超过一千名病人。可计算的变量的使用只有可能提供一个机会来这一点由电子医疗记录系统,可以自动计算国旗病人不需要计算风险由卫生保健工作者。

在我们的模型中,肌酐是最强的变量影响的AUC模型预测主要终点。虽然奇怪,肌酐是有用的预测一个端点,包括阿基,重要的是要强调两点。首先,肌酐入院时能够预测不仅阿基的发展,特别是发展为严重的阿基在医院。第二,肌酐是有用的预测其他端点,特别是死亡(肌酐清除减少AUC从0.837到0.828)。

安琪和死亡之间的关系中可以看出我们的生存曲线,这表明,第三阶段AKI患者死亡率增加。这与之前的研究一致显示COVID-19病人安琪和死亡率之间的关联(17- - - - - -19]。阿基可能代表严重系统性炎症和器官功能障碍。慢性肾脏疾病(CKD)也一直在COVID-19与死亡率增加有关,与阿基需要肾脏替代疗法的风险增加(20.]。更糟糕的结果的风险可能与CKD的免疫抑制状态。虽然我们无法区分阿基与CKD在这项研究中,肌酐升高入院时显然是与贫穷相关的结果。

c反应蛋白和白蛋白,急性期反应物与严重COVID-19相关联,一个高度炎症状态。CRP是一个积极监管急性期反应物,而白蛋白负监管,这也解释了它与严重疾病的负相关。高c反应蛋白/白蛋白比值与危重患者死亡率增加有关(21,老年人22),和败血症的病人23]。最近,高c反应蛋白和低白蛋白在COVID-19[与死亡率增加有关16,24]。我们的结果与这些研究结果相一致。

LDH COVID-19被发现与严重。LDH水平升高与风险增加有关的重要疾病的恶化和发展(5,25]。LDH水平升高也在严重急性呼吸系统综合症和中东呼吸道综合症,是由于不同的冠状病毒(26,27]。一个可能的解释这一联系就是升高血清LDH扩散组织损伤的指标出现严重的疾病。

唯一的人口统计学变量是包含在最终的模型时代,曾被与风险增加有关严重COVID-19 [1]。尽管其他人口统计参数,包括生理性别和种族,没有显著改善模型和最终被排除在外,有趣的是,美国黑人种族与降低患严重疾病的风险与白种人相比,这似乎不符合先前的研究显示增加死亡率COVID-19在非洲裔美国人15]。对于这个矛盾的发现的一个可能的解释与肌酐混杂效应。鉴于此,同样的肌酐,非裔美国人估计的肾小球滤过率高于白人,非裔美国人的种族可能负系数作为高肌酐校正机制。

有趣的是,il - 6和肺动脉栓塞的水平没有提高我们的模型的预测能力。血清il - 6水平升高相关入院时已经严重COVID-19 [16),il - 6被认为构成细胞因子释放综合征的发病机制负责COVID-19[高死亡率28]。加入il - 6没有改善我们的模型,可能是因为il - 6水平可以在入学不到三分之一的人群,这可能限制了功率检测il - 6的影响的研究结果。

肺动脉栓塞的水平,这反映了血凝过快,以前在COVID-19预后不良时获得录取(29日]。然而,在单变量分析肺动脉栓塞程度没有统计学意义,所以它并不包含在多变量分析。有趣的是,肺动脉栓塞水平升高的患者和没有不良结果(6.33μ和4.95克/毫升μ分别为g / mL)。鉴于肺动脉栓塞的重要阈值水平预测死亡率COVID-19患者是2.0μ克/毫升(29日),对于零发现的一个可能的解释是没有显著差异在额外风险一旦肺动脉栓塞程度高于该阈值。

一些限制我们的研究必须认可。插管模型预测的概率相对差,AUC的0.713,这表明标准实验室测试入学是插管的只是部分预测。一个可能的解释可能是,大量的病人需要插管从临床的角度来看没有插管,随后过期,就像他们的家人选择了姑息治疗。nonlaboratory数据的另一个可能的解释是,如氧饱和度和胸片发现,可能更预测插管(30.]。

另一个限制是,一些实验室检测,如肺动脉栓塞和il - 6水平,只有少数患者入院时可用。这可能有限的力量我们的研究来确定与这些变量和相关的任何影响的结果或许可以解释为什么这些变量,已在文献中引用的预后价值,没有预测能力添加到我们的模型。

进一步限制分数是缺乏外部验证。我们开发了分数使用特定的群体在一个医院在纽约市飙升,及其适用性需要验证在其他环境中使用一个外部群体的广泛可概括的。当我们选择了端点基于我们的临床经验在纽约市飙升,其他端点对从业者可能有用。具体来说,我们不包括入住ICU,因为当时只ICU机械通气患者承认,和一些机械通风在简易ICU患者照顾(31日]。我们认识到,入住ICU在不同情况下可能是一个非常有用的端点的实践者。未来任何外部验证研究可以探讨其他端点如呼吸状态的恶化(不一定是需要机械通风)、入住ICU,或者需要RRT的肾功能衰竭。未来外部验证应包括有一大群人与地理和社会经济多样性的医疗系统,以证明其普遍性。

最后,尽管我们的目标是开发一个模型基于实验室检测,可想而知,我们的模型可以进一步改进的AUC将病人的并发症,如心血管疾病或糖尿病。不幸的是,这些数据不能从我们的电子医疗记录系统,自动检索和访问这些信息手动为每个病人并不可行。

我们研究基于生物标记描述了一个容易可计算的模型,可以预测患者的不良预后COVID-19当天入学。这个模型可以帮助内科医生和承认医疗服务提供者可以计算识别高危患者和电子医疗记录系统,无需人工干预。

5。结论

多元模型可以用来计算风险评分严重COVID-19只使用少量的客观变量入学的那一天。这可以作为一个重要的工具与COVID-19筛选病人到医院。分数是否使用定量产生特定的概率还是用于关系最好的截止值,我们希望COVID-19评分能帮助COVID-19患者的早期临床评估和改善结果。

数据可用性

和/或使用的数据集分析在当前研究可从相应的作者以合理的要求。

伦理批准

这项研究是由哥伦比亚大学机构审查批准董事会(IRB、协议号AAAT0192),和IRB放弃要求获得同意。

的利益冲突

作者宣称没有利益冲突。

作者的贡献

路加福音曾导致了概念化、数据管理(检索和分析),和写作。艾琳Hittesdorf,尼娜麻,怀中Elisman和凯瑟琳Eiseman参与概念化和调查。米切尔F伯曼和德斯蒙德·乔丹执行数据管理(检索和分析)。韩宇奇苗进行数据管理(检索和分析)和统计分析。双王进行数据管理(检索和分析)和统计分析/解释。吉哈德魏格纳参与概念化、数据管理(检索和分析),项目管理,和写作。

确认

本研究支持机构和/或部门的来源。

补充材料

表S1:单变量分析的实验值,没有患者合并后的端点(AKI死亡插管,第三阶段)。表S2:排除变量。只有不到70%的患者为这些变量对录取结果。(补充材料)

引用

1. c . m . Petrilli s a·琼斯,j·杨et al .,“与住院和重要疾病相关的因素中有5279人患有冠状病毒病2019年在纽约:前瞻性队列研究,“BMJ2020年,卷369,p . m1966。视图:出版商的网站|谷歌学术搜索
2. m . Arentz e .严l . Klaff et al .,“21 COVID-19危重患者的特点和结果在华盛顿州,”《美国医学会杂志》,卷323,不。16,1612 - 1614年,2020页。视图:出版商的网站|谷歌学术搜索
3. j .龚j . Ou x邱et al .,“严重的冠状病毒疾病的早期预测2019年的工具(COVID-19):一项多中心研究使用风险列线图在武汉、广东,中国,“临床感染疾病,卷71,不。15日,第840 - 833页,2020年。视图:出版商的网站|谷歌学术搜索
4. 柳明桓x, y史h .赵h . Wang r·赵和j .盛”主机对严重COVID-19和建立主机风险评分:武汉以外发现的487例病例中,“急救护理,24卷,不。1,p。108年,2020。视图:出版商的网站|谷歌学术搜索
5. w·梁、梁h . l . Ou et al .,“开发和验证的临床风险评分预测重要疾病的发生与COVID-19住院病人,”JAMA内科,卷180,不。8,1081 - 1089年,2020页。视图:出版商的网站|谷歌学术搜索
6. s . Salto-Alejandre c . Roca-Oporto g . Martin-Gutierrez et al .,“不利的结果的快速预测工具COVID-19住院病人:发展和内部验证,”《华尔街日报》的感染,82卷,2021年。视图:出版商的网站|谷歌学术搜索
7. F.-Y。刘,X.-L。太阳,y . Zhang et al .,“评估患者冠状病毒疾病风险预测工具的2019在武汉,中国:一个单中心回顾性,观察性研究^∗”,危重病医学,48卷,不。11日,pp. e1004-e1011, 2020年。视图:出版商的网站|谷歌学术搜索
8. Sibley和d . m . Maslove“冠状病毒病2019年预测建模:旧的都是新闻^∗”,危重病医学,48卷,不。11日,第1703 - 1702页,2020年。视图:出版商的网站|谷歌学术搜索
9. j . t . King Jr . j . s . Yoon c t Rentsch et al .,“开发和验证一个30天死亡率指数根据已有的医保管理数据从13323年COVID-19病人:退伍军人健康管理局COVID-19 (VACO)指数”《公共科学图书馆•综合》,15卷,不。11日文章ID e0241825, 2020。视图:出版商的网站|谷歌学术搜索
10. g . Rodriguez-Nava m·a . Yanez-Bello d . p . Trelles-Garcia c·w·钟h·j·弗里德曼和d·w·海恩斯”的性能快速COVID-19严重程度指数和Brescia-COVID呼吸道严重程度量表与COVID-19住院病人在社区医院环境中,“国际传染病杂志》上卷,102年,第576 - 571页,2021年。视图:出版商的网站|谷歌学术搜索
11. t . p . Velavan和c·g·迈耶”,轻微和严重COVID-19:实验室标记,”国际传染病杂志》上卷,95年,第307 - 304页,2020年。视图:出版商的网站|谷歌学术搜索
12. b m·亨利·m·h·s . de Oliveira s Benoit m . Plebani g·里皮,“血液、生化和免疫相关生物标志物异常严重疾病和死亡率在2019年冠状病毒病(COVID-19):一个荟萃分析,“临床化学和实验室医学(CCLM),卷。58岁的没有。7,1021 - 1028年,2020页。视图:出版商的网站|谷歌学术搜索
13. p·e·史蒂文斯和a·莱文肾脏疾病:慢性肾脏疾病的评估和管理:肾病简介:2012年全球结果改善临床实践指南,”内科医学年鉴,卷158,不。11日,第830 - 825页,2013年。视图:出版商的网站|谷歌学术搜索
14. k .通用卫星,d·g·奥特曼j·b·Reitsma et al .,“透明报告个人预后和诊断的多变量预测模型(三脚架):解释和阐述,“内科医学年鉴,卷162,不。1,W1-W73, 2015页。视图:出版商的网站|谷歌学术搜索
15. e·j·威廉姆森,a·j·沃克,k Bhaskaran et al .,“使用OpenSAFELY COVID-19-related死亡的相关因素,”自然,卷584,不。7821年,第436 - 430页,2020年。视图:出版商的网站|谷歌学术搜索
16. 徐l . f . Liu, m . et al .,“预后价值的白细胞介素- 6、c反应蛋白和原降钙素COVID-19患者,”临床病毒学杂志,第127卷,第104370页,2020年。视图:出版商的网站|谷歌学术搜索
17. t·f·m·邵x Li Liu, j .罗和y,“急性肾损伤患者严重感染和死亡有关COVID-19:系统回顾和荟萃分析的研究和24527名患者,”药理研究,第161卷,第105107页,2020年。视图:出版商的网站|谷歌学术搜索
18. r·罗y Cheng王k . et al .,“肾脏疾病与住院死亡患者的COVID-19,”肾脏国际,卷97,不。5,829 - 838年,2020页。视图:出版商的网站|谷歌学术搜索
19. p . Hansrivijit c .钱b Boonpheng et al .,“急性肾损伤的发生率及其与患者死亡率COVID-19:一个荟萃分析,“医学杂志》上的调查,卷68,不。7,1261 - 1270年,2020页。视图:出版商的网站|谷歌学术搜索
20. 黄r . Pranata r . Supriyadi i . et al .,“慢性肾脏疾病之间的关系和新发病肾脏替代治疗COVID-19病人的结果:一个荟萃分析,“临床医学见解:循环、呼吸和肺药,14卷,2020年。视图:出版商的网站|谷歌学术搜索
21. j . e .公园,k . s .涌,j·h·歌et al .,”c反应蛋白和白蛋白比值预测危重患者的死亡率,”临床医学杂志,7卷,不。10日,2018年。视图:出版商的网站|谷歌学术搜索
22. k . n . j .哦,s . h . Kim公园et al .,”高敏c反应蛋白/白蛋白比住院死亡率的预测在急诊科老年人承认,“临床和实验急诊医学,4卷,不。1,19到24,2017页。视图:出版商的网站|谷歌学术搜索
23. ot Ranzani, f . g . Zampieri d . n的强项,l . c .代理和m .公园,“c反应蛋白/白蛋白比率预测90天的败血症的病人的死亡率,”《公共科学图书馆•综合》,8卷,不。第三条ID e59321, 2013。视图:出版商的网站|谷歌学术搜索
24. f . Violi r . Cangemi g . f . Romiti et al .,“COVID-19白蛋白预测死亡率?”抗氧化剂和氧化还原信号,2020年。视图:出版商的网站|谷歌学术搜索
25. 李y, j·史,x周et al .,“乳酸脱氢酶和轻度COVID-19容易恶化患者:一个多中心嵌套病例对照研究中,“BMC医学,18卷,不。1,p。168年,2020。视图:出版商的网站|谷歌学术搜索
26. a . Assiri j . a . Al-Tawfiq a . a . Al-Rabeeah et al .,“流行病学、人口统计学和临床特点的47例中东呼吸系统综合症冠状病毒病从沙特阿拉伯:描述性研究,“《柳叶刀传染病,13卷,不。9日,第761 - 752页,2013年。视图:出版商的网站|谷歌学术搜索
27. 崔k . w . t . n .洲o .曾荫权et al .,“结果和预后因素在267年严重急性呼吸系统综合症患者在香港,“内科医学年鉴,卷139,不。9日,第723 - 715页,2003年。视图:出版商的网站|谷歌学术搜索
28. m . b . Liu, z, x关,和y,“我们可以用白细胞介素- 6 (il - 6)冠状病毒疾病的封锁2019 (COVID-19)全身的细胞因子释放综合征(CRS) ?”自身免疫杂志,第111卷,第102452页,2020年。视图:出版商的网站|谷歌学术搜索
29. l .张x,问:风扇et al .,”D二聚体的水平,其招生预测住院量Covid患者死亡率高19”血栓和止血法杂志》上,18卷,不。6,1324 - 1329年,2020页。视图:出版商的网站|谷歌学术搜索
30. 李h·w·金,k . m . Capaccione g . et al .,“最初的胸部x光片的作用进行疑似COVID-19患者在大流行期间,“紧急放射学2020年出版社。视图:出版商的网站|谷歌学术搜索
31. 王e . Hittesdorf o .装甲,d . et al .,“患者死亡率和肾的结果严重COVID-19临时重症监护室接受治疗,“《急救护理卷,62年,第175 - 172页,2021年。视图:出版商的网站|谷歌学术搜索

版权

版权©2021路加福音曾et al。这是一个开放分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。