Хотя у многих людей, которые заразились COVID-19, симптомы отсутствуют или проявляются в легкой форме, некоторым из них требуется интенсивная терапия при пневмонии с острым респираторным дистресс-синдромом. Факторы риска тяжелого заболевания включают пожилой возраст, болезни сердца, рак и диабет, но одних этих характеристик недостаточно, чтобы предсказать, какие пациенты станут самыми больными. Может помочь измерение уровней определенных белков или метаболитов в крови, но эти тесты часто бывают медленными, сложными или дорогими.
Для более эффективной сортировки пациентов с COVID-19 в больницах Мишель Хилл, Санджива Шривастава и ее коллеги стремились разработать простой в использовании метод, который мог бы быстро и экономически эффективно прогнозировать тяжесть COVID-19.
Чтобы измерить изменения в биохимии крови, которые происходят при тяжелой форме COVID-19, исследователи выбрали метод, называемый инфракрасной спектроскопией с преобразованием Фурье с ослабленным полным отражением (ATR-FTIR), который ранее был протестирован как инструмент диагностики COVID-19. Две области FTIR-спектров из 128 образцов плазмы пациентов показали небольшие, но наблюдаемые различия между пациентами с тяжелой и нетяжелой формой COVID-19.
Используя эти данные вместе с клинической информацией о пациентах, исследователи разработали статистическую модель для прогнозирования тяжести COVID-19. Они обнаружили, что лучшим предиктором является наличие у пациента диабета, за которым следуют две области в спектрах FTIR.
Добавление данных FTIR в модель улучшило чувствительность для выявления тяжелого заболевания в другой группе из 30 пациентов из 41.2% до 94.1%, но снизила специфичность с 84.От 6% до 69.2%, по сравнению только с клиническими факторами. Это означает, что новый тест с большей вероятностью выявлял тяжелые случаи, но он также имел более высокий уровень ложноположительных результатов, чем только клинические данные.
Хотя эту стратегию необходимо протестировать на большем количестве пациентов, она обещает быть быстрым, простым и экономичным методом сортировки в больницах, говорят исследователи.
Авторы выражают признательность за финансирование со стороны Совета по науке и инженерным исследованиям при правительстве Индии, Центра промышленных исследований и консультирования Индийского технологического института в Бомбее, Совета по научным и промышленным исследованиям Индии, Программы подготовки научных исследований правительства Австралии и QIMR.
Медицинский научно-исследовательский институт Бергхофера, а также поддержка приборов от Agilent Technologies.