Admission Predictors of In-Hospital Mortality and the Combined Outcome of Death or Invasive Mechanical Ventilation in Patients with COVID-19 During the Pre-Vaccination Era: A Retrospective Cohort Study

这项针对巴西前疫苗接种期住院新冠患者的回顾性队列研究表明，年龄、动脉 pH 值、中性粒细胞与淋巴细胞比值、合并症数量及血清肌酐是预测院内死亡率的五个独立入院预测因子，其中动脉 pH 值提供了超越炎症和肾脏标志物的独立预后信息。

要点

这篇论文就像是一份**“新冠重症预警地图”**，绘制于疫苗普及之前的“荒野求生”时期。

想象一下，2020 年到 2021 年初，面对新冠病毒这个陌生的“大怪兽”，医生们手里没有疫苗这面“盾牌”，也没有特效药这把“宝剑”。他们只能依靠病人刚入院时的各种信号，来预测谁能挺过这一关，谁可能会倒下。

这项研究就是在巴西的一个心脏专科医院，对 482 名确诊住院的患者进行了一次“大体检”，试图找出那些能提前发出**“红色警报”**的关键指标。

以下是用大白话和比喻为你解读的核心发现：

1. 核心任务：寻找“生命倒计时”的五个信号

研究人员像侦探一样，分析了病人入院时的 76 种数据（包括年龄、抽血化验、CT 片子等）。最后，他们锁定了5 个最关键的“死亡预警信号”。只要这五个信号里有一个变强，病人去世的风险就会显著增加：

• 👴 信号一：年龄（岁月的重量）
  • 比喻：年龄就像背在身上的“旧包袱”。每增加 10 岁，这个包袱就重一分，身体对抗病毒的“体力条”就短一截。研究发现，年龄越大，风险越高，这是最顽固的预测因素。
• 🧪 信号二：动脉血 pH 值（身体的“酸碱平衡”）
  • 比喻：把身体想象成一个精密的化学反应锅。pH 值就是锅里的“酸碱度”。如果 pH 值偏低（偏酸），就像锅里的水变酸了，说明身体内部环境已经“乱套”了，可能是肾脏不行了，或者身体缺氧产生了太多酸性废物。哪怕只是稍微酸一点点，风险也会飙升。
• ⚔️ 信号三：中性粒细胞与淋巴细胞比值（免疫系统的“内战”）
  • 比喻：想象身体里有两支军队。中性粒细胞是“急先锋”（负责冲锋陷阵，但也容易误伤），淋巴细胞是“特种部队”（负责精准打击病毒）。
  • 这个比值高，意味着“急先锋”太多，而“特种部队”太少。这说明身体正在经历一场失控的“内战”，炎症风暴已经压过了免疫系统，身体快要扛不住了。
• 🏥 信号四：基础病数量（身体的“负债”）
  • 比喻：如果你身体里已经有很多“旧账”（高血压、糖尿病、心脏病等），就像一辆车已经有很多零件老化了。这时候再撞上一辆大卡车（新冠病毒），老车更容易散架。研究发现，病的种类越多，而不是某一种特定的病，风险越大。
• 💧 信号五：肌酐水平（肾脏的“排污能力”）
  • 比喻：肾脏是身体的“污水处理厂”。肌酐是污水里的“垃圾”。如果肌酐高，说明污水处理厂堵塞了，垃圾排不出去，毒素在身体里堆积，这会加速身体的崩溃。

2. 关于 CT 片子：看“面积”比看“花纹”更重要

研究人员还看了 400 多人的肺部 CT 片子。

• 发现：不管肺上的影子是像“云雾”（磨玻璃影）还是像“白墙”（实变），最重要的是看“被占领的面积”。
• 比喻：就像火灾现场，不管火苗是蓝色的还是红色的，如果火势蔓延超过了房子的一半（50%），那房子就危险了。研究发现，肺部感染面积超过 50% 的人，死亡风险是其他人的近 3 倍。

3. 研究结果：谁最危险？

• 总体情况：在这 482 人里，有 9.3% 的人不幸去世。
• 最惨的群体：那些需要插管上呼吸机的人，死亡率高达 58%。
• 好消息：虽然病毒很可怕，但通过这 5 个指标，医生可以在病人刚入院时就大概算出风险。这就像在暴风雨来临前，通过气压、风向和云层厚度，判断是否需要紧急撤离。

4. 为什么这项研究很重要？

• 时代背景：这是在疫苗出现之前做的研究，所以它反映了病毒最“原始”、最凶猛时的样子，没有疫苗干扰，数据非常真实。
• 实用价值：这 5 个指标（年龄、pH 值、免疫比值、基础病数量、肌酐）都是医院里随手就能查到的常规数据，不需要昂贵的特殊设备。
• 启示：它告诉医生，不要只盯着发烧或咳嗽看，要综合看身体的“酸碱度”、“炎症战况”和“肾脏排污能力”。如果这些指标不好，哪怕病人现在看着还行，也要提前进入“一级战备”状态。

总结

这就好比医生手里多了一张**“风险评分表”**。在疫苗和特效药还没普及的艰难岁月里，这张表帮助医生在茫茫人海中，精准地识别出那些最需要被“重点保护”的病人，从而在死神面前争取更多的时间。

虽然这是针对过去特定时期（无疫苗时代）的研究，但它揭示的身体崩溃的底层逻辑（酸碱失衡、炎症失控、器官衰竭）至今仍有重要的参考价值。

技术摘要

这是一份关于巴西新冠大流行前疫苗时代住院患者死亡预测因子的技术总结。

1. 研究背景与问题 (Problem)

• 背景：在新冠疫苗广泛接种之前（2020 年 3 月至 2021 年 1 月），识别早期预测指标对于管理重症 COVID-19 患者至关重要。
• 现有局限：
  • 既往研究往往缺乏对临床表现、实验室参数（特别是动脉血气分析）和胸部 CT 发现的系统性整合。
  • 大多数数据来自巴西的大城市（南部、东南部和东北部），巴西中西部地区的数据代表性不足。
  • 许多研究存在方法学异质性、数据集不完整或对混杂因素调整不足的问题。
• 研究目标：在一个特征明确的队列中，全面描述入院特征，并识别住院死亡以及“死亡或需有创机械通气”复合结局的独立预测因子，同时评估胸部 CT 发现的描述性和预后价值。

2. 研究方法 (Methodology)

• 研究设计：单中心、回顾性队列研究。
• 研究地点与时间：巴西中西部戈亚尼亚的安尼斯·拉西心脏医院（HCAR），时间为 2020 年 3 月 13 日至 2021 年 1 月 28 日（巴西疫苗接种开始前）。
• 研究对象：
  • 纳入标准：18 岁以上、RT-PCR 确诊 SARS-CoV-2 感染、需住院治疗的连续患者。
  • 排除标准：自动出院、转院前未确定结局、非 COVID-19 导致的死亡。
  • 最终样本量：482 例患者。
• 数据收集：
  • 收集入院 48 小时内的数据，包括人口统计学、生命体征、症状、合并症、实验室检查（含动脉血气分析）和胸部 CT。
  • 共分析了 76 个变量。
• 统计分析：
  • 单变量分析：对 76 个变量进行逻辑回归，筛选出与死亡相关的变量（p < 0.05）。
  • 多变量分析：采用先验变量选择策略（基于临床相关性和不同病理生理领域），构建二元逻辑回归模型。遵循“每 10 个事件对应 1 个预测变量”的原则以避免过拟合。
  • 缺失数据处理：采用完全病例分析（Complete-case analysis），未进行插补。
  • CT 分析：由于数据完整性和共线性问题，CT 变量仅进行描述性分析和单变量分析，未纳入多变量模型。
• 结局指标：
  • 主要结局：院内死亡。
  • 次要结局：院内死亡或有创机械通气（IMV）的复合结局。

3. 主要结果 (Key Results)

• 总体情况：
  • 中位年龄 61 岁，64.3% 为男性。
  • 院内死亡率为 9.3% (45/482)。
  • 15.4% (74 例) 需要有创机械通气，其中通气患者的死亡率高达 58.1%。
• 死亡预测因子（多变量分析）：
  在调整后的多变量模型中（n=438），5 个独立预测因子与院内死亡显著相关：
  1. 年龄：每增加 10 岁，死亡风险增加 66% (aOR 1.66, 95% CI 1.19–2.32)。
  2. 动脉血 pH 值：pH 值每增加 0.1 单位，死亡风险降低 53% (aOR 0.47, 95% CI 0.25–0.89)。即酸中毒是死亡的重要独立预测因子。
  3. 中性粒细胞与淋巴细胞比值 (NLR)：每增加 1 个单位，风险增加 30% (aOR 1.30, 95% CI 1.18–1.44)。
  4. 合并症数量：每增加 1 种合并症，风险增加 59% (aOR 1.59, 95% CI 1.25–2.02)。
  5. 血清肌酐：每增加 1 mg/dL，风险增加 37% (aOR 1.37, 95% CI 1.05–1.77)。
  • 模型表现：校准度良好 (Hosmer-Lemeshow p > 0.05)，解释力中等至较高 (Nagelkerke R² = 0.43)。
• 复合结局（死亡或 IMV）：
  • 上述 5 个变量中，年龄、pH 值、NLR 和合并症数量仍显著相关。
  • 血清肌酐在复合结局中未保持统计学显著性 (p = 0.069)，提示肾功能不全更直接关联于死亡而非单纯的呼吸衰竭。
• 胸部 CT 发现：
  • 在 424 例有 CT 数据的患者中，肺部受累面积 > 50% 与死亡风险增加显著相关 (OR 2.87, p = 0.003)。
  • 具体的影像学模式（如磨玻璃影）在生存组和非生存组间无显著差异，但病变范围是关键的预后指标。
• 其他发现：
  • 非幸存者入院时中位氧饱和度更低，呼吸频率更高，且更多表现为代谢性酸中毒。
  • 非幸存者中急性肾损伤 (AKI) 发生率极高 (60.0% vs 2.3%)。

4. 主要贡献 (Key Contributions)

1. 多模态数据整合：罕见地将临床特征、全面的实验室指标（特别是动脉血气）和胸部 CT 整合到一个单一队列中进行分析。
2. 强调动脉 pH 值：发现动脉 pH 值是除炎症标志物（NLR）和肾功能指标（肌酐）之外的独立预后因素，提示酸碱平衡紊乱在 COVID-19 重症病理生理中的核心作用。
3. 区域代表性：填补了巴西中西部地区在大流行早期缺乏高质量数据的空白。
4. 方法论严谨性：采用了基于病理生理领域的先验变量选择策略，避免了数据驱动的过度拟合，并严格遵守了事件数与变量数的比例原则。
5. 临床实用性：识别出的 5 个预测因子均为入院时常规可获取的数据，无需复杂设备，适合早期风险分层。

5. 研究意义与局限性 (Significance & Limitations)

• 意义：
  • 为前疫苗时代的 COVID-19 自然病程提供了基准数据。
  • 提出的风险分层模型有助于临床医生在入院早期识别高危患者，优化医疗资源分配（如 ICU 床位）。
  • 强调了酸碱平衡（pH 值）和炎症/免疫失调（NLR）在重症预测中的独立价值。
• 局限性：
  • 回顾性单中心研究，存在选择偏倚。
  • 死亡事件数较少 (45 例)，限制了模型的复杂度和外部验证能力。
  • 部分生物标志物（如肌钙蛋白、D-二聚体）缺失率较高。
  • 缺乏疫苗接种后的数据，结论不能直接外推至当前变异株或疫苗接种人群。
  • CT 变量未纳入多变量模型。

总结：该研究确立了年龄、动脉 pH 值、NLR、合并症负担和血清肌酐作为前疫苗时代 COVID-19 住院患者死亡的核心预测指标。这些发现强调了在早期评估中关注酸碱状态和全身炎症反应的重要性。