دانلود ترجمه مقاله ایجاد یک مدل برای پیش بینی نتیجه کووید 19 بر اساس ترکیب آزمون های آزمایشگاهی (ساینس دایرکت – الزویر ۲۰۲۰) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)

ایجاد یک مدل برای پیش بینی نتیجه کووید 19 بر اساس ترکیب آزمون های آزمایشگاهی

Establishing a model for predicting the outcome of COVID-19 based on combination of laboratory tests

چکیده

1- مقدمه

2- روش ها

2-1: بیماران

2-2: رویه های آزمایشگاهی

2-3: تحلیل های آماری

3- نتایج

3-1: خصوصیات بالینی بیماران بهبود یافته و متوفی

3-2: مقایسه نتایج آزمایشگاهی بین بیماران بهبود یافته و متوفی در هنگام بستری

3-3: مقایسه نتایج آزمایشگاهی در بیماران متوفی در هنگام بستری و قبل از مرگ

3-4: ایجاد الگوی پیش بینی مرگ بیماران مبتلا به COVID-19

4- بحث

چکیده

مقدمه: در حال حاضر هیچ روش رضایت بخشی برای پیش بینی نتیجه بیماری کرونا ویروس (2019) (COVID-19) وجود ندارد. هدف از این مطالعه ایجاد مدلی برای پیش بینی علائم تشخیصی این بیماری است.

روش کار: نتایج آزمایشگاهی از 54 بیمار فوت شده در اثر COVID-19 در مرحله بستری و قبل از مرگ جمع آوری شد. 54 بیمار بهبود یافته COVID-19 نیز به عنوان گروه کنترل وارد مطالعه شدند.

یافته ها: بسیاری از شاخص های آزمایشگاهی مانند نوتروفیل ها، AST ، γ-GT ، ALP ، LDH ، NT-proBNP ، Hs-cTnT ، PT ، APTT ، D-dimer ، IL-2R، IL-6، IL-8، IL- 10 ، TNF-α ، CRP ، فریتین و پروکلسیتونین، همه این موارد در بیماران متوفی به طور قابل توجهی در مقایسه با بیماران بهبود یافته، افزایش یافته بودند. در مقابل ، شاخص های دیگری مانند لنفوسیت ها، پلاکت ها، پروتئین کل و آلبومین در بیماران درگذشت به میزان قابل توجهی کاهش یافته بود. برخي از شاخص ها مانند نوتروفيل ها و پروكالسيتونين به طور مداوم از زمان بستري تا مرگ در بيماران متوفي افزایش یافته بود و برخي ديگر از قبيل لنفوسيت ها و پلاكت ها در این دوره با کاهش همراه بود. استفاده از این شاخص ها به تنهایی در تمایز بین بیماران بهبود یافته و فوت شده ناشی از COVID-19 عملکرد متوسطی داشت. یک مدل مبتنی بر ترکیبی از چهار شاخص، عملکرد خوبی در پیش بینی مرگ بیماران مبتلا به COVID-19 نشان داد. هنگامی که از مقدار برش 0.572 استفاده شد ، حساسیت و ویژگی مدل پیش بینی به ترتیب 90.74٪ و 44/94٪ بود. 

نتیجه گیری: استفاده از شاخص های فعلی به تنهایی در تمایز بین بیماران بهبود یافته و فوت شده در اثر COVID-19 ارزش متوسطی دارد. یک مدل پیش بینی مبتنی بر ترکیبی از نوتروفیل ها، لنفوسیت ها، پلاکت ها و IL-2R عملکرد خوبی در پیش بینی نتیجه COVID-19 نشان داد. 

1- مقدمه

کرونا ویروس سندرم تنفسی حاد (SARSCoV-2) ، که می تواند باعث عفونت شدید تنفسی در انسان شود [1،2]، همین امر باعث شیوع جدی آن در سراسر جهان شده است. این بیماری توسط سازمان بهداشت جهانی(WHO)  به عنوان بیماری کرونا ویروس-2019(COVID-19)  نامگذاری شده است. براساس گزارش کمیسیون بهداشت ملی جمهوری خلق چین، بیش از 80،000 بیمار با عفونت SARS-CoV-2 تأیید شده و این بیماری منجر به مرگ بیش از 3000 نفر شده است. COVID-19 توسط WHO به عنوان یک حالت اورژانسی برای سلامت عمومی با رویکرد بین المللی تعیین شده است. 

4- بحث

مطالعات کمی وجود دارد که خطر مرگ و میر بیماران مبتلا به COVID-19 را ارزیابی می کند [12،13]. چند تحقیق در مورد مقایسه آزمایشات روتین آزمایشگاهی به طور هم زمان بین بیماران مرحوم مبتلا به COVID-19 و بیماران بهبود یافته متمرکز شده است. در مطالعه حاضر ، ما اطلاعات بالینی و نتایج آزمایشگاهی را در نقاط زمانی مختلف در بیمارانی که در اثر عفونت تأیید شده SARS-CoV-2 درگذشتند، جمع آوری کردیم. ما همچنین این داده ها را با اطلاعات به دست آمده در بیماران مبتلا به COVID-19 مقایسه کردیم. مطالعه ما تأیید کرد که بسیاری از شاخص ها بین بیماران متوفی و بهبودیافته درهنگام بستری تفاوت معنی داری دارند و برخی از شاخص ها بطور مداوم از بستری تا مرگ در بیماران فوت شده افزایش می یابد. یک مدل پیش بینی دیگر بر اساس ترکیبی از چهار شاخص (نوتروفیل ها ، لنفوسیت ها ، پلاکت ها و IL-2R) که در پیش بینی مرگ بیماران COVID-19 انجام شده است ، عملکرد مطلوب را نشان می دهد.

Abstract

Introduction There are currently no satisfactory methods for predicting the outcome of Coronavirus Disease-2019 (COVID-19). The aim of this study is to establish a model for predicting the prognosis of the disease.

Methods The laboratory results were collected from 54 deceased COVID-19 patients on admission and before death. Another 54 recovered COVID-19 patients were enrolled as control cases.

Results Many laboratory indicators, such as neutrophils, AST, γ-GT, ALP, LDH, NT-proBNP, Hs-cTnT, PT, APTT, D-dimer, IL-2R, IL-6, IL-8, IL-10, TNF-α, CRP, ferritin and procalcitonin, were all significantly increased in deceased patients compared with recovered patients on admission. In contrast, other indicators such as lymphocytes, platelets, total protein and albumin were significantly decreased in deceased patients on admission. Some indicators such as neutrophils and procalcitonin, others such as lymphocytes and platelets, continuously increased or decreased from admission to death in deceased patients respectively. Using these indicators alone had moderate performance in differentiating between recovered and deceased COVID-19 patients. A model based on combination of four indicators (P = 1/[1 + e−(−2.658+0.587×neutrophils – 2.087×lymphocytes – 0.01×platelets+0.004×IL−2R)]) showed good performance in predicting the death of COVID-19 patients. When cutoff value of 0.572 was used, the sensitivity and specificity of the prediction model were 90.74% and 94.44%, respectively.

Conclusions Using the current indicators alone is of modest value in differentiating between recovered and deceased COVID-19 patients. A prediction model based on combination of neutrophils, lymphocytes, platelets and IL-2R shows good performance in predicting the outcome of COVID-19.

1- Introduction

A novel severe acute respiratory syndrome coronavirus 2 (SARSCoV-2), which can cause severe respiratory infection in humans [1,2], has induced a serious outbreak worldwide [3–5]. The disease has been named as Coronavirus Disease-2019 (COVID-19) by the World Health Organization (WHO). According to the report of National Health Commission of the People’s Republic of China, more than 80,000 patients are confirmed by SARS-CoV-2 infection, resulting in more than 3000 deaths. COVID-19 has been designated as a public health emergency of international concern by the WH

4- Discussion

There are rare studies that assess the risk for mortality of patients with COVID-19 [12,13]. There are a few studies focused on comparison of routine laboratory tests simultaneously between deceased and recovered COVID-19 patients. In the present study, we collected clinical information and laboratory results at different time points in patients died of confirmed SARS-CoV-2 infection. We also compared these data with those obtained in recovered COVID-19 patients. Our study confirmed that many indicators had significant difference between deceased and recovered patients on admission and that some indicators continuously increased from admission to death in deceased patients. A further established prediction model based on combination of four indicators (neutrophils, lymphocytes, platelets and IL-2R) showed satisfactory performance in predicting the death of COVID-19 patients

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

ایجاد یک مدل برای پیش بینی نتیجه کووید 19 بر اساس ترکیب آزمون های آزمایشگاهی

Establishing a model for predicting the outcome of COVID-19 based on combination of laboratory tests