您的位置 首页 智能家居

分析4103个新冠肺炎案例:肥胖更易加重病情

纽约大学科学家团队最新发现,肥胖或是影响新冠肺炎严重程度最重要因素。

副标题#e#

分析4103个新冠肺炎案例:肥胖更易加重病情

智东西(公众号:zhidxcom)
编 | 董温淑

智东西4月15日消息,近日,纽约大学(NYU)的科学家团队进行了一项研究,证明肥胖程度与新冠肺炎病情加重密切相关。

目前这项研究还未经过同行评审,如果后续能通过验证,这个结果将为医生分流病人、预测医疗需求提供参考。如研究人员所说,这项研究的动机正是“了解哪些病人亟需入院治疗,并理解具体原因”。

这项研究已经发表在健康科学网站medRxiv上,论文题目为《从纽约市4103例COVID-19感染者发现影响患者入院、发展为重症的因素(Factors associated with hospitalization and critical illness among 4103 patients with COVID-19 disease in New City)》。

论文链接:

https://www.medrxiv.org/content/10.1101/2020.04.08.20057794v1

分析4103个新冠肺炎案例:肥胖更易加重病情

一、美国疫情严峻,影响因素研究十分重要

美国已成为新的疫情中心,确诊人数突破60万大关,累计死亡人数超过2.5万。纽约则是美国疫情最严重的城市,截至4月15日,确诊人数超20万,有1万多人死亡,医疗系统已经超负荷运转。

在这种情况下,尽早筛选出需要住院治疗的患者显得十分重要。首先,这有助于急诊医生分流病人。其次,这能帮助临床医生判断出哪些病人最需要在病程早期获得医疗干预。另外,这也能提高流行病学家的判断准确性。

出于相同的原因,了解住院患者的危重病风险也有重要意义。除了为医生决策提供参考外,政策制定者、流行病学家需要依靠这些信息来预测所需的ICU容量、呼吸机数量、医护人员数量等。

但实际上,我们对COVID-19病毒还知之甚少。

论文中统计,目前中国、意大利及美国疾病控制与预防中心发布的COVID-19病毒研究报告大部分只是描述患者症状,但并未深入探究影响病情发展的因素是什么。相关研究要么没有纳入重症患者,要么没有将轻重症患者进行比较,因此很难评估出与病情恶化相关的特征。

纽约大学的最新研究或有助于改变这种状况。研究小组收集了纽约市3月1日到4月2日间确诊的4103名新冠肺炎患者病历进行深入分析,其中轻重症患者人数各半(轻症2104位,重症1999位),分析了年龄、体重、性别、既往病史等各种因素对病情的影响。

要说明的是,肥胖程度是相对于身高而言的。本研究中使用公制单位,规定体重指数(BMI指数)在30(kg/m^2)以上的人属于肥胖。

二、logistic回归模型+决策树,分析每个指标影响

纽约大学兰根医学中心有从门诊到医院各级护理机构,研究进行期间提供了394张ICU病床和297张普通病床。NYU格罗斯曼学院医学博士克里斯托弗·M·佩特里利(Christopher M. Petrilli)及其团队依据兰根医学中心的电子病历信息进行研究。

首先建立多项式logistic回归模型。

根据病历,研究小组掌握了患者的年龄、性别、种族、既往病史、体重等指标,将这些指标作为自变量。为了便于研究,研究人员按照异常严重程度将它们分类。

应用描述统计学方法,将患者病情细分为:没有住院治疗、住院治疗、康复回家、患有重症4种,将这4种病情严重情况作为因变量。其中,患有重症特指接受了机械通气治疗、ICU治疗、临终关怀及死亡的患者。

这样,多项式logistic回归模型就搭建好了。

然后,研究人员用上述患者数据训练决策树。根据患者的共享特征对其进行分组,每使用一个特征就将样本分为两类。分组的情况如下图。

分析4103个新冠肺炎案例:肥胖更易加重病情

三、肥胖相关度最高,或与炎症相关

出乎意料的是,癌症、慢性肺部疾病等基础疾病对病情发展的影响并不突出。最大信息增益决策树中,最高级别的分支点是年龄大于65岁,下一级就是肥胖。

论文指出,高龄与许多疾病(比如流感)都具有较大相关性。相比之下,肥胖更像是影响新冠肺炎严重程度的特有因素。

分析4103个新冠肺炎案例:肥胖更易加重病情

根据病历,住院患者中肥胖人数占到了39.9%,未住院患者中这一数值仅为14.5%。

分析4103个新冠肺炎案例:肥胖更易加重病情

多元回归分析结果显示,与住院治疗相关性前三位的因素分别是:年龄大于75岁或更高(OR 66.79,95% CI44.73-102.62);年龄在65~74岁(OR 10.91,95% CI8.35-14.34);BMI>40(OR 6.2,95% CI4.21-9.25)。

其中,比值比(OR值)是表示疾病与暴露之间关联强度的指标,指暴露者的疾病危险性比非暴露者高多少倍;置信区间(CI)指由样本统计量所构造的总体参数的估计区间,95% CI代表做100次抽样,有95次的置信区间包含了总体均值。

#p#副标题#e##p#分页标题#e#

分析4103个新冠肺炎案例:肥胖更易加重病情

▲对于住院患者的多元回归结果

由于美国人的肥胖率远高于中、韩等国,因此其“经济和健康状况可能会更遭”。

另外,研究人员认为肥胖与炎症相关,“人们普遍认为肥胖是一种促炎症状态(pro-inflammatory condition)”。

论文指明,本次研究中并未收集到未住院患者的炎症情况记录,但研究人员猜测,炎症情况也可能是病情严重程度的“有力预测因子”。为了便于理解,可以用严重脓毒症时的炎症状态加以比较。但是,研究人员暂时无法确定新冠肺炎与脓毒症的炎症情况的相似程度。

结语:肥胖与新冠肺炎有关,或有助于医生临床决策

新冠疫情爆发以来,学界一直致力于找出影响病情严重程度的因素。许多研究者都把肥胖与新冠肺炎联系在一起,但并未做出实证研究。

比如3月31日《柳叶刀》刊载的论文中,RNA病毒研究者Gregory Poland写道:“几乎所有国家的年龄结果都趋向老龄化,肥胖、吸烟、糖尿病和心肺疾病发病率达到新高……这些都是导致2019年新冠肺炎大爆发的原因。”

本次纽约大学研究小组通过收集和分析病人数据,发现肥胖的确与新冠肺炎病情严重程度存在相关性。如果这一结果能在后续研究中得到验证,或有助于为医生临床治疗开拓新思路。

文章来源:ZDNet,medRxiv

免责声明:文章内容不代表本站立场,本站不对其内容的真实性、完整性、准确性给予任何担保、暗示和承诺,仅供读者参考,文章版权归原作者所有。如本文内容影响到您的合法权益(内容、图片等),请及时联系本站,我们会及时删除处理。

作者: dawei

【声明】:第七手机网内容转载自互联网,其相关言论仅代表作者个人观点绝非权威,不代表本站立场。如您发现内容存在版权问题,请提交相关链接至邮箱:bqsm@foxmail.com,我们将及时予以处理。

为您推荐

无人汽车无法躲避没见过的物体?问题出在训练pipeline上

人类经常会遇到种类新颖的工具、食物或动物,尽管以前从未见过,但人类仍然可以确定这些是新物体。 与人类不同,目前最先进的检测和分割方法很难识别新型的物体,因为它们是以封闭世界的设定来设计的。它们所受的训练是定位已知种类(有标记)的物体,而把未

万字读透自动驾驶3D视觉感知算法

对于自动驾驶应用来说,最终还是需要对3D场景进行感知。道理很简单,车辆不能靠着一张图像上得到感知结果来行驶,就算是人类司机也不能对着一张图像来开车。因为物体的距离和场景的和深度信息在2D感知结果上是体现不出来的,而这些信息才是自动驾驶系统对周

自动驾驶会使共享经济再次火热吗?

自动驾驶技术的发展一直饱受争议,对于自动驾驶的未来,有一个一直绕不开的话题,那就是自动驾驶是否安全。众所周知,自动驾驶的目标是让自动驾驶汽车可以独立完成出行任务,人类将自己出行需求完全交给自动驾驶汽车,在出行过程中的娱乐需求也可以由自动驾

Cruise自动驾驶决策规划技术解析

Cruise自动驾驶决策规划控制负责人Brandon Basso本科毕业于哥伦比亚大学,博士毕业于加州大学伯克利分校,主要研究决策、机器人系统设计和软件架构、机器学习、控制理论等。曾在3D Robotics、Uber自动驾驶公司工作多年,担任重要职位,在无人机和自动驾驶领

自动驾驶汽车比七个月大的婴儿还聪明吗?

到了七个月大的时候,大多数孩子已经认识到,即使看不见物体,它们仍然存在。把一个玩具放在毯子下面,孩子会知道它的存在,他可以伸手到毯子下面把它拿回来。这种对物体恒存在的理解是正常发展的里程碑,也是现实的基本原则。 这也是自动驾驶汽车所没有的。

返回顶部