预测COVID-19患者80天生存的早期新预后模型
Yaqiong陈1 __，
浴杰
元凯吴
博胡- 1中山大学附属第三医院检验医学科，广东省广州市
- 2中山大学附属第三医院感染科，广东省肝病重点实验室，广东广州
- 3.黄石市中医院(传染病医院)检验医学科，湖北省黄石市
新型冠状病毒肺炎疫情在全球范围内产生了前所未有的影响，预测患者预后对指导临床管理具有重要意义。本研究旨在构建预测COVID-19患者预后的nomogram。回顾性分析了黄石市中医院(传染病医院)和中山大学附属第三医院331例实验室确诊的COVID-19患者的临床记录和实验室检查结果。所有COVID-19患者随访80天，主要结局定义为患者死亡。病例随机分为训练组(n=199)和验证组(n=132)。基于基线数据，我们使用具有统计学意义的预后因子构建nomogram并评估其性能。将患者分为死亡组(n=23)和生存组(n=308)。临床特征分析显示，这些患者均有发热(n=271, 81.9%)、腹泻(n=20, 6.0%)及合并症(n=89, 26.9.0%)。多因素Cox回归分析显示，年龄、尿素和乳酸脱氢酶是预测新冠肺炎患者80天生存的独立危险因素。我们构建了一个具有高c指数的定性nomogram(训练组和验证组分别为0.933和0.894)。 The calibration curve for 80-day survival showed optimal agreement between the predicted and actual outcomes. Decision curve analysis revealed the high clinical net benefit of the nomogram. Overall, our nomogram could effectively predict the 80-day survival of COVID-19 patients and hence assist in providing optimal treatment and decreasing mortality rates.
简介
截至2022年7月24日，全球新冠肺炎确诊病例略低于5.67亿例，全球死亡人数超过630万(https://www.who.int)(2022)。严重急性呼吸综合征2型冠状病毒(SARS-CoV-2)是导致严重危及生命的疾病COVID-19 (Liu等，2020a)．COVID-19死亡率与无法获得特定治疗剂或疫苗有着错综复杂的联系(Cascella等，2020年)，鉴于全球卫生系统因此次大流行而负担沉重(Momtazmanesh等人，2020年)．
患者多为轻症或普通症状，对症治疗即可出院。然而，部分病人可能因病情进展而需要进一步住院治疗，出现严重症状或并发症，例如呼吸困难、低氧血症及急性呼吸窘迫综合征(黄等，2020；朱等，2020)．由于COVID-19的迅速传播，许多国家的医疗资源，特别是重症监护病房(ICU)被过度征用，几乎耗尽(Wu等，2020b)．因此，减少与covid -19相关的死亡和减轻超负荷医疗设施的负担，强调需要一种早期预测严重疾病进展和死亡的模型。许多与COVID-19严重疾病进展相关的危险因素已被确定，包括共病、老年、低淋巴细胞和高乳酸脱氢酶(LDH)、病毒载量等(龚等，2020；Ji等，2020；Pujadas等人，2020年)．随后，利用这些风险因素构建预测模型(Li et al.， 2020a；Wu等人，2020a；Zhou等，2020)，例如CALL评分和基于病人信息的算法(PIBA) (Ji等，2020；Wang等，2020b；Schiaffino等人，2021)．
nomogram nomogram nomogram nomogram nomogram nomogram nomogram nomogram nomogram nomogram nomogram龚等，2020；Li等，2020b；Liu等，2020b；徐等，2020)．然而，迄今为止，很少有nomogram方法用于预测COVID-19患者的预后。在这项回顾性研究中，我们分析了COVID-19患者的实验室检测结果，并基于两个临床中心的基线数据构建了nomogram，以更准确地预测预后。重要的是，我们的nomogram可以指导临床医生预测COVID-19患者的死亡风险，提供早期干预，优先考虑医疗资源和降低死亡率。
材料与方法
数据收集
回顾性分析了2020年1月20日至5月20日黄石市中医院(传染病医院)和中山大学第三附属医院331例新冠肺炎患者的临床记录和实验室结果。年龄小于14岁的患者被排除在研究之外。两名14至15岁的患者参与了这项研究。入院时收集年龄、性别、发热、腹泻等临床体征和症状、是否有合并症、临床实验室检查结果等人口学资料。所有纳入的COVID-19患者在入院后接受了80天的电话随访，以确定他们是否存活(存活组)(死亡组)。
本研究经中山大学附属第三医院伦理委员会和黄石市传染病医院伦理委员会批准，鉴于本研究的回顾性性质，免除知情同意。
被诊断为COVID-19的患者被纳入研究。SARS-CoV-2感染的诊断以前已经介绍过(龚等，2020)．确诊病例定义为实验室确诊的SARS-CoV-2个体，无论临床症状和体征如何，都需要SARS-CoV-2 RNA阳性结果。
实验室方法
收集患者白细胞(WBC)、红细胞(RBC)、血红蛋白(HGB)、血小板(PLT)、中性粒细胞、淋巴细胞、中性粒细胞-淋巴细胞比值(NLR)、单核细胞、国际标准化比值(INR)、白蛋白(ALB)、c反应蛋白(CRP)、直接胆红素(DBIL)、尿素、乳酸脱氢酶(LDH)、葡萄糖(GLU)的临床实验室检查结果。所有生化参数均根据仪器操作规程通过标准自动化实验室方法和商业试剂盒获得。
统计分析
分类变量以频率和百分比表示;连续变量作为平均值(标准偏差[SD])或中位数(四分位间距[IQR])，视情况而定。采用Fisher精确检验分析分类变量的显著性。学生t检验用于比较连续变量与正态分布。Mann-Whitney U检验用于非参数分布的连续变量。以上统计分析采用SPSS 22.0统计软件包(SPSS, Inc.， Chicago, IL, USA)。为确定各特征的相对重要性，采用最小绝对收缩和选择算子(LASSO)进行特征选择，采用逻辑回归建立回归预测模型。
为减小回归系数的偏差，剔除了缺失率大于5%的预测因子。如前所述(龚等，2020)，缺失值采用期望最大化(EM)法，采用SPSS统计软件进行计算。使用均方根值包建立nomogram，除SPSS分析外，所有统计分析均采用R. R软件(3.6.2版)中的判别(Harrell’s concordindex)和校准(校准图和Hosmer-Lemeshow校准检验)分析来评价nomogram的性能。rpackage survminer使用从' maxstat ' R包中最大限度选择的秩统计数据确定nomogram总分的最佳截断值。生存曲线用Kaplan-Meier分析描述，用log-rank检验进行比较。p值< 0.05有统计学意义。
结果
COVID-19患者的人口统计学和特征
选取中山大学附属第三医院(n=18)和黄石市中医院(传染病医院)(n=313)共331例COVID-19患者。所有患者随访后分为死亡组(n=23)和生存组(n=308)。图1)．死亡组和生存组的中位年龄有显著性差异(分别为69岁和51岁，P<0.01)。临床特征分析显示，这些患者均有发热(n=271, 81.9%)、腹泻(n=20, 6.0%)及合并症(n=89, 26.9.0%)。死亡组老年患者及共病患者明显多于生存组(P<0.05) (表1)．两组在性别、发热、腹泻等临床症状及实验室指标白细胞、血红蛋白、单核细胞等方面无明显差异。死亡组中性粒细胞计数、NLR、INR、CRP、DBIL、尿素、LDH、GLU均显著高于生存组(P<0.01)，红细胞、PLT、淋巴细胞计数、ALB均显著低于生存组(P<0.01) (表1)．
图1入选COVID-19患者流程图。
表1生存组和死亡组COVID-19患者的基线人口学和临床特征
COVID-19患者80天生存的多因素Cox回归分析
所有患者随机分为训练组(n=199)和验证组(n=132)。在训练组和验证组之间，年龄和性别没有显著差异(补充表1)．从每位患者身上总共收集了21个特征。剔除不相关和冗余特征后，保留14个特征进行LASSO回归分析(图2A、B)．LASSO回归分析显示，年龄、DBIL、尿素和乳酸脱氢酶是训练组COVID-19患者80天生存的预测预后因素。以上4个特征均纳入多变量Cox回归分析。多因素Cox回归分析显示，年龄、尿素和乳酸脱氢酶是影响COVID-19患者80天生存的独立预后因素(图2 c)．
图2COVID-19患者综合预后特征的构建。(一)21个预后特征的LASSO系数剖面。(B)基于最小预后标准，通过五次交叉验证选择LASSO模型中的调优参数(lambda);下x轴表示log (lambda)，上x轴表示预后特征的平均数量。y轴表示部分似然偏差误差。红点表示给定lambda的每个模型的平均部分似然偏差，竖条表示部分似然偏差误差的上下值。垂直的灰色虚线定义lambda的最佳值，它提供了最佳拟合。(C)新冠肺炎患者80天生存的多因素Cox回归森林图分析DBIL，直接胆红素;LDH，乳酸脱氢酶。
COVID-19患者80天生存的预后nomogram
为预测COVID-19患者的80天生存，根据上述具有统计学意义的独立预后因素(图3一)．训练组和验证组的自举校正一致性指数(C-index)分别为0.933(0.879-0.987)和0.894(0.819-0.969)。80天存活概率的校准图显示训练中的预测结果与实际结果之间的最佳一致性(图3 b)和验证(图3 c)组。此外，通过相关预测因子的得分之和获得总分，并在下轴中称为80天生存概率。我们根据R包调查表确定的最佳分界值(86.72142)，将训练组患者分为高、低分两组。与低评分组相比，高评分组患者预后较差(图3 d)．在验证组观察到类似的结果(图3 e)．为了评估预后nomogram的临床适用性，我们进行了决策曲线分析(DCA)。DCA证实了训练组预后nomogram的净临床获益(图4)．
图3新型冠状病毒肺炎患者80天生存期预后图的构建。建立了由年龄、尿素和乳酸脱氢酶组成的预后图。(一)绘制了预测COVID-19患者80天生存概率的Nomogram。为了在临床实践中使用该nomogram，每个变量轴都有一个单独的参数，并画一条线来计算每个参数对应的点数。这些分数的总和位于总点轴上，沿着这条线向下画一条线，得到COVID-19患者80天的生存概率。(B, C)预后nomogram校准图。对训练组中COVID-19患者的80天生存概率进行了nomogram校准(B)验证组(C)．80天存活的预测概率绘制在x轴上;80天存活的实际概率在y轴上绘制(自举1000次重复)。(D, E)训练组COVID-19患者Kaplan-Meier分析(D)验证组(E)．蓝线:总分< 86.72142(低组);红线:总分≥86.72142(高组)。
图4预测预后nomogram净效益的决策曲线。一个完美的预测模型(灰色线)，屏幕无(水平实线黑线)，屏幕基于nomogram(黑色虚线)。
此外，我们将我们的nomogram在预测COVID-19生存概率方面的表现与文献中报道的其他模型进行了比较(Cai的模型:年龄，d -二聚体，CRP;Cheng模型:尿素，年龄，d -二聚体)(Cheng等人，2020a；Cai等，2021)．训练组170例患者的年龄、d -二聚体、CRP、尿素和乳酸脱氢酶等参数均可获得。虽然在校准曲线分析中3个模型之间没有显著差异(补充图1)，模型的c指数(0.930,95%CI: 0.875-0.985)相对于Cai 's (0.882, 95%CI: 0.799-0.965)和Cheng 's nomogram (0.888, 95%CI:.805-0.971)较高。
讨论
在本研究中，年龄、尿素和乳酸脱氢酶被确定为COVID-19患者的独立预后因素，并用于构建定量nomogram来预测80天死亡率，训练组和验证组的c指数较高。通过校准曲线分析，nomogram预测结果与实际结果之间具有高度的最佳一致性，通过决策曲线分析，nomogram预测结果具有较高的临床净效益。我们还发现，我们的模型比文献中报道的先前建立的模型产生了更高的c指数。
越来越多的证据表明，与covid -19相关的死亡风险因素包括年龄较大、疾病严重程度评分较高、c反应蛋白水平较高、淋巴细胞计数较低、继发感染和糖尿病等合并症(Chen等，2020；Wang et al.， 2020a；Zhang等，2020)．在之前的一项研究中，我们发现高LDH和尿素与严重COVID-19的风险相关(龚等，2020)．有趣的是，在目前的研究中，我们发现这两个标记也与死亡率相关。死亡组血清LDH和尿素水平明显高于生存组;在调整DBIL后，它们仍然是COVID-19的独立预后危险因素。SARS-CoV-2感染可引起炎症反应和随后的肾脏损害，导致LDH和尿素升高。LDH是组织损伤和全身炎症反应的生物标志物(Kishaba等人，2014；法拉利等，2020年；Kermali等人，2020年)，在COVID-19患者中往往显著升高，是COVID-19相关死亡的独立危险因素。尿素是肾脏损害的生物标志物(Cheng等，2020b)也被报道为COVID-19患者住院死亡的独立危险因素。上述结果与本研究结果一致。
Cheng等人建立了由BUN、d -二聚体和年龄组成的nomogram来预测COVID-19的生存概率。此外，李才等人的模型包括年龄、d -二聚体和CRP。有趣的是，d -二聚体被发现是一个重要的预后因素，并包括在两个模型中(Cheng等人，2020a；Cai等，2021)．在我们的研究中，d -二聚体漏检率超过5%，因此被排除在进一步分析之外。训练组170例患者的年龄、d -二聚体、CRP、尿素和乳酸脱氢酶等参数均可获得。重要的是，我们的模型的c指数高于Cheng和Cai的模型，这表明它对死亡率有很强的预测能力。虽然与存活组相比，死亡组CRP较高，但LASSO回归选择LDH作为重要特征，而不是CRP。人们普遍认为乳酸脱氢酶(LDH)浓度是评估不同类型肺炎(如肺囊虫肺炎和社区获得性肺炎)预后的一个有用的标志物，并且在COVID-19中乳酸脱氢酶(LDH)和c反应蛋白(CRP)之间存在显著相关性(Ashraf等人，2022年)．我们还观察到LDH和CRP之间存在中度相关性(r=0.562)，这可能解释了为什么套索模型没有将CRP视为一个重要特征。
我们的nomogram的优点包括它的准确性、客观性和简单性。虽然较高的序贯器官衰竭评估(SOFA)评分有助于在早期识别预后不良的COVID-19患者(莫雷诺等人，1999；Zhou等，2020)，包括7个因素，其中一个是非客观指标-格拉斯哥昏迷量表评分(GCS) (李等，2019)．我们提出的nomogram预测因子在临床实践中相对便宜且易于获得，这使得nomogram具有很高的实用性和易于实施。事实上，在社区医院工作的临床医生很有可能通过使用我们的nomogram图轻松判断covid -19感染患者的病情。此外，我们的nomogram在预测生存方面表现良好，在COX回归分析中，其预测精度(c指数)超过0.9 (95%CI, 0.879-0.987)。
重要的是，我们开发了一个实用的定量预测工具，由3个常用的、相对便宜的、容易获得的指标组成。中位随访时间为80天。值得注意的是，死亡组中所有COVID-19患者都在30天内死亡，这表明大多数COVID-19患者在几周内康复，预测30天死亡率也会得到相同的结果。此外，我们的nomogram显示了一个净临床效益，这表明它在临床实践中有巨大的应用前景。这项研究有一些局限性。首先，考虑到其回顾性性质，仅纳入了来自两个中心的331例COVID-19患者。此外，我们的nomogram没有经过外部验证。因此，为了进一步验证我们的发现，需要更多的患者队列研究。
结论
本研究开发了一种准确的预后nomogram，用于早期预测COVID-19患者的死亡率。这种新的nomogram可以帮助临床医生早期筛查预后不良的患者，并优化现有医疗资源的使用，以减轻医疗机构的负担。
数据可用性声明
支持本文结论的原始数据将根据要求从通讯作者处提供，没有任何保留。
道德声明
涉及人体的研究由中山大学附属第三医院伦理委员会和黄石市中医院(传染病医院)伦理委员会审查并批准。根据国家立法和机构要求，本研究不需要参与者的法定监护人/近亲的书面知情同意。
作者的贡献
BH和JX构思并设计了这项研究。GH, YJ, JC, YW和SH收集数据。YC和JG起草并严格修改了手稿。所有作者均已阅读并批准最终稿。所有作者都对这篇文章做出了贡献，并批准了提交的版本。
资金
项目资助:广州市科技计划项目[201903010039];广东省重点研发计划项目[2020B1111160003];广东省重点研发计划[2019B020231001]。
利益冲突
作者声明，这项研究是在没有任何商业或财务关系的情况下进行的，这些关系可能被解释为潜在的利益冲突。
出版商的注意
本文中所表达的所有主张仅代表作者，并不代表他们的附属组织，也不代表出版商、编辑和审稿人。任何可能在本文中评估的产品，或可能由其制造商提出的声明，都不得到出版商的保证或认可。
补充材料
本文的补充资料可在以下网址找到://www.gosselinpr.com/articles/10.3389/fcimb.2022.1010683/full#supplementary-material
参考文献
Ashraf, A.， Liaquat, A.， Shabbir, S.， Bokhari, S. A.， Tariq, Z.， Furrukh, Z.等人(2022)。高水平乳酸脱氢酶和缺血再灌注损伤调节COVID-19患者多器官功能障碍。的研究生。地中海。J。doi: 10.1136 / postgradmedj - 2022 - 141573
Cai、L。周,X。,,,梅,H, Ai, L,μ,年代,et al。(2021)。重症COVID-19的预测nomogram和与死亡相关的免疫特征鉴定。J.过敏临床。Immunol。Pract。177 - 184. - e173。doi: 10.1016 / j.jaip.2020.10.043
Cascella, M.， Rajnik, M.， Cuomo, A.， Dulebohn, S. C.， Di Napoli, R.(2020)。冠状病毒(COVID-19)的特征、评估和治疗StatPearls(互联网)．《金银岛》:StatPearls Publishing。
程安，胡林，王勇，黄林，赵林，张超，等(2020a)。初始血尿素氮联合d-二聚体水平对预测COVID-19患者住院死亡率的诊断性能Int。j . Antimicrob。代理56岁,106110年。doi: 10.1016 / j.ijantimicag.2020.106110
程勇，罗荣，王凯，张敏，王志强，董丽娟等(2020b)。肾脏疾病与COVID-19患者住院死亡相关。肾脏Int。97年,829 - 838。doi: 10.1016 / j.kint.2020.03.005
陈,N。周,M,咚,X。,瞿,J。,锣,F。,汉族,Y。,et al。(2020)。武汉市99例2019年新型冠状病毒肺炎的流行病学和临床特征:描述性研究《柳叶刀》395年,507 - 513。doi: 10.1016 / s0140 - 6736 (20) 30211 - 7
法拉利，D.，莫塔，A.，斯特罗洛，M.，班菲，G.，洛卡特利，M.(2020)。常规血液检测可作为COVID-19的潜在诊断工具。中国。化学。实验室。地中海．58(7)， 1095-1099。doi: 10.1515 / cclm - 2020 - 0398
锣,J。,或者,J。,秋杰,Y。,X,, Y。,元,L, et al。(2020)。早期预测2019年严重冠状病毒病(COVID-19)的工具:在中国武汉和广东使用风险nomogram的多中心研究。中国。感染。说．71(15)， 833-840。doi: 10.1093 / cid / ciaa443
黄、C。王,Y。,X。,任,L,赵,J。,,Y。,et al。(2020)。武汉地区新型冠状病毒感染患者临床特征分析《柳叶刀》395年,497 - 506。doi: 10.1016 / s0140 - 6736 (20) 30183 - 5
霁,D, D,徐,J。,,Z,, T,赵,P, et al。(2020)。预测COVID-19肺炎患者的进展风险:CALL评分中国。感染。说。71年,1393 - 1399。doi: 10.1093 / cid / ciaa414
Kermali, M.， Khalsa, R. K.， Pillai, K.， Ismail, Z.， Harky, A.(2020)。生物标志物在COVID-19诊断中的作用——系统综述。生命科学。254年,117788年。doi: 10.1016 / j.lfs.2020.117788
Kishaba, T.， Tamaki, H.， Shimaoka, Y.， fuyama, H.， Yamashiro, S.(2014)。特发性肺纤维化患者急性加重期的分期。肺192年,141 - 149。doi: 10.1007 / s00408 - 013 - 9530 - 0
李,Y。,。,局域网,M,彭,X。,,Z,朗,j . (2020 b)。一种通过机器学习识别宫颈鳞状细胞癌的新型生物标志物的预后nomogram。j . Transl。地中海。18日,223年。doi: 10.1186 / s12967 - 020 - 02387 - 9
J。刘,刘,Y。,,P, Pu, L,熊,H,李,C, et al。(2020)。中性粒细胞与淋巴细胞比值在早期预测2019冠状病毒病危重患者。j . Transl。地中海。18日,206年。doi: 10.1186 / s12967 - 020 - 02374 - 0
刘,M,歌曲、C。张,P,方,Y。,汉族,X。,J。,et al . (2020 b)。预测胃肠道间质瘤患者癌症特异性生存的nomogram。医学科学。Monit。26日,e922378。doi: 10.12659 / MSM.922378
李,X。,徐,S。,,,,,,Y。,,Y。,et al。(2020)。武汉市成年COVID-19住院患者严重程度和死亡率的危险因素J.过敏临床。Immunol．146(1)， 110-118。doi: 10.1016 / j.jaci.2020.04.006
X, X。,赵,J。,风扇,h . Y。李X N。,,d . L。Wang X J。,et al。(2019)。六种评分体系在脑卒中患者预后中的应用价值。前面。神经。10日,1416年。doi: 10.3389 / fneur.2019.01416
Momtazmanesh, S.， Ochs, H. D.， Uddin, L. Q.， Perc, M.， Routes, J. M.， Vieira, D. N.等(2020)。共同抗击COVID-19。点。j .太多。地中海,Hyg。102年,1181 - 1183。doi: 10.4269 / ajtmh.20 - 0281
莫雷诺，R.，文森特，J. L.，马托斯，R.， Mendonça, A.， Cantraine, F.， Thijs, L.等人(1999)。使用最大SOFA评分来量化重症监护中的器官功能障碍/衰竭。前瞻性多中心研究结果。ESICM败血症相关问题工作组。重症监护室。25日,686 - 696。doi: 10.1007 / s001340050931
Pujadas, E.， Chaudhry, F.， Mcbride, R.， Richter, F.， Zhao, S.， Wajnberg, A.等人(2020)。SARS-CoV-2病毒载量预测COVID-19死亡率。和出版的《柳叶刀》杂志上。地中海。8, e70。doi: 10.1016 / s2213 - 2600 (20) 30354 - 4
Schiaffino, S.， Codari, M.， Cozzi, A.， Albano, D.， Ali, M.， Arioli, R.等人(2021)。利用计算机断层扫描获得的肺和血管特征，机器学习预测COVID-19患者的住院死亡率。J.个性化医疗。11(6)， 501。doi: 10.3390 / jpm11060501
王,D。胡,B。,,C,朱,F。,刘,X。,,J。,et al。(2020)。武汉市138例新型冠状病毒感染的肺炎住院患者临床特征分析《美国医学会杂志》323年,1061 - 1069。doi: 10.1001 / jama.2020.1585
王、L。李,J。,郭,年代,谢,N,姚,L,曹,Y。,et al . (2020 b)。基于患者信息的新型冠状病毒病死率实时估计与预测科学。总环境。727年,138394年。doi: 10.1016 / j.scitotenv.2020.138394
世界卫生组织(2022年)COVID-19流行病学每周更新- 2022年7月27日．可以在:https://www.who.int/publications/m/item/weekly-epidemiological-update-on-covid-19(7月27日访问- - 2022)。
吴,C。陈,X。,Cai, Y。,夏,J。,,X。,徐,年代,et al。(2020)。中国武汉2019冠状病毒病肺炎患者急性呼吸窘迫综合征和死亡相关危险因素JAMA实习生。地中海．180(7)， 934-943。doi: 10.1001 / jamainternmed.2020.0994
J。J。,黄,朱,G。,,Q, Lv,问,黄,Y。,et al。(2020 b)。一项回顾性队列研究:血糖水平升高预示着COVID-19住院患者预后较差。BMJ开放糖尿病护理8 (1)， e001476。doi: 10.1136 / bmjdrc - 2020 - 001476
徐,C。元,B。,,T,叮,B。,,美国(2020年)。mir-3436负调控YTHDF1在胶质瘤中的预后价值细胞生物学．24(13)， 7538-7549。doi: 10.1111 / jcmm.15382
张,z L。侯,y L。,,d . T。李,f . z(2020)。COVID-19的实验室发现:系统综述和荟萃分析。Scand。j .中国。实验室。投资。80(6)， 441-447。doi: 10.1080 / 00365513.2020.1768587
周,F。,,T, Du, R,风扇,G。,,Y,, Z, et al。(2020)。中国武汉成人COVID-19住院患者的临床病程和死亡危险因素:一项回顾性队列研究《柳叶刀》395年,1054 - 1062。doi: 10.1016 / s0140 - 6736 (20) 30566 - 3
关键词:COVID-19, nomogram，预后，预测，生存
引用:他G,陈Y,龚J杰Y,陈J,吴Y,胡年代,徐J和胡B(2022)早期小说预后模型预测80天COVID-19患者的生存。前面。细胞。感染。Microbiol。12:1010683。doi: 10.3389 / fcimb.2022.1010683
收到:2022年8月3日;接受:2022年10月11日;
发表:2022年10月27日。
编辑:
Viviane Fongaro Botosso，巴西布坦坦研究所版权©2022陈，巩，何，洁，陈，吴，胡，徐和胡。这是一篇开放获取的文章，根据创作共用署名许可(CC BY)．在其他论坛上的使用、分发或复制是允许的，前提是原作者和版权所有者注明出处，并按照公认的学术惯例引用本刊上的原始出版物。不得使用、分发或复制不符合这些条款的内容。
*通信:Jixun徐,2068187 @qq.com；胡老板,hubo@mail.sysu.edu.cn
__这些作者对这项工作做出了同样的贡献