S'abonner

Identifying and quantifying robust risk factors for mortality in critically ill patients with COVID-19 using quantile regression - 13/07/21

Doi : 10.1016/j.ajem.2020.08.090 
Zeqiang Linli, PhD a, b, 1, Yinyin Chen, PhD c, d, e, 1, Guoliang Tian, PhD f, Shuixia Guo, PhD a, b, , Yu Fei, PhD g, ⁎⁎
a MOE-LCSM, School of Mathematics and Statistics, Hunan Normal University, Changsha, PR China 
b Key Laboratory of Applied Statistics and Data Science, Hunan Normal University, College of Hunan Province, Changsha, PR China 
c Hunan Provincial People's Hospital, Hunan Normal University, Changsha, PR China 
d Changsha Clinical Research Center for Kidney Disease, Changsha, PR China 
e Hunan Clinical Research Center for Chronic Kidney Disease, Changsha, PR China 
f Department of Statistics and Data Science, Southern University of Science and Technology, Shenzhen, PR China 
g School of Statistics and Mathematics, Yunnan University of Finance and Economics, Kunming, PR China 

Corresponding author at: School of Mathematics and Statistics, Hunan Normal University, Changsha, PR China.School of Mathematics and StatisticsHunan Normal UniversityChangshaPR China⁎⁎Corresponding author.

Bienvenue sur EM-consulte, la référence des professionnels de santé.
Article gratuit.

Connectez-vous pour en bénéficier!

Abstract

Objective

Many laboratory indicators form a skewed distribution with outliers in critically ill patients with COVID-19, for which robust methods are needed to precisely determine and quantify fatality risk factors.

Method

A total of 192 critically ill patients (142 were discharged and 50 died in the hospital) with COVID-19 were included in the sample. Quantile regression was used to determine discrepant laboratory indexes between survivors and non-survivors and quantile shift (QS) was used to quantify the difference. Logistic regression was then used to calculate the odds ratio (OR) and the predictive power of death for each risk indicator.

Results

After adjusting for multiple comparisons and controlling numerous confounders, quantile regression revealed that the laboratory indexes of non-survivors were significantly higher in C-reactive protein (CRP; QS = 0.835, p < .001), white blood cell counts (WBC; QS = 0.743, p < .001), glutamic oxaloacetic transaminase (AST; QS = 0.735, p < .001), blood glucose (BG; QS = 0.608, p = .059), fibrin degradation product (FDP; QS = 0.730, p = .080), and partial pressure of carbon dioxide (PCO2), and lower in oxygen saturation (SO2; QS = 0.312, p < .001), calcium (Ca2+; QS = 0.306, p = .073), and pH. Most of these indexes were associated with an increased fatality risk, and predictive for the probability of death. Especially, CRP is the most prominent index with and odds ratio of 205.97 and predictive accuracy of 93.2%.

Conclusion

Laboratory indexes provided reliable information on mortality in critically ill patients with COVID-19, which might help improve clinical prediction and treatment at an early stage.

Le texte complet de cet article est disponible en PDF.

Keywords : COVID-19, Mortality, Laboratory Indicator, Risk factor, Quantile regression


Plan


© 2020  Elsevier Inc. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 45

P. 345-351 - juillet 2021 Retour au numéro
Article précédent Article précédent
  • Outcomes of a novel ED observation pathway for mild traumatic brain injury and associated intracranial hemorrhage
  • Jennifer M. Singleton, Leslie A. Bilello, Tatiana Greige, Lakshman Balaji, Carrie D. Tibbles, Jonathan A. Edlow, Martina Stippler, Carlo L. Rosen
| Article suivant Article suivant
  • Comparison of efficiency and safety of conservative versus interventional management for primary spontaneous pneumothorax: A meta-analysis
  • Wan-Li Liu, Kun Lv, Hong-Shen Deng, Qiong-Chuan Hong

Bienvenue sur EM-consulte, la référence des professionnels de santé.

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2024 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.