رابطه بین یافته های سی تی اسکن قفسه سینه و یافته های آزمایشگاهی و شدت بیماری covid-19: یک مطالعه تک مرکزی

سابقه و هدف: ناهنجاری های پاراکلینیکی به عنوان پیش بینی کننده شدتِ covid-19 در نظر گرفته می شوند. هدف ما ارزیابی رابطه بین یافته های آزمایشگاهی و توموگرافی کامپیوتری ریه و شدتِ بیماری در بیماران covid-19 بود. روش بررسی: مطالعه ای گذشته نگر روی بیماران قطعی covid-19 در بیمارستان امیرالمومنین تهران از اول اسفند 1398 تا 31 فروردین 1399را انجام دادیم. سی تی اسکن ریه و یافته های آزمایشگاهی از پرونده پزشکی استخراج شد. رابطه بین یافته های سی تی اسکن ریه و یافته های آزمایشگاهی و شدت covid-19 را ارزیابی کردیم. تحلیل آماری را در نرم افزار آماری spss نسخه 24 انجام دادیم. یافته ها: با درگیری ریه به بیش از 50%، شدت بیماری به طور جدی تغییر کرد (0.008=p). تعداد wbc و پلی مورفونوکلئر، میزان alp و bun با افزایش شدت بیماری افزایش یافت (0.05>p). متغیرهای پیشگویی کننده 32.4٪ از تغییرات، در متغیر معیار را توضیح می دهند. نتیجه گیری : درگیری ریه بیش از 75٪ و متغیرهای شمارش پلی مورفونوکلئر، پیش بینی کننده های مثبت بیماری بود. در واقع ، هر واحد افزایش درشدت درگیری ریه و تعداد پلی ، شدت بیماری به ترتیب 27.1٪ و 43.8 % افزایش می یابد. یافته های سی تی اسکن ریه و نتایج آزمایشگاهی، ابزارهای مفیدی برای رده بندی پروگنوز بیماری و کمک به مدیریت این بیماری است.

The relationship between laboratory and chest computed tomography scan findings and severity of COVID-19 cases: a single center study

Background: Paraclinical abnormalities are considered as predictors of COVID-19 severity. We aimed at evaluate the relationship between laboratory and chest computed tomography (CT) scan findings and severity of COVID-19 cases. Materials and methods: We performed a retrospective study on confirmed COVID-19 patients in AmirAlMomenin hospital, Tehran, Iran, from February 20, 2020 to April 19, 2020. Paraclinical characteristics of the patients including chest CT scan and laboratory findings were recruited from patients’ medical records. Then we evaluated the relationship between laboratory and chest CT scan findings and severity of COVID-19 cases. We performed statistical analysis using descriptive methods and analytical tests by SPSS statistical software version24. Results: With lung involvement to more than 50%, the severity of the disease changed severely and critically (P=0.008). In addition, WBC and Poly counts, ALP and BUN levels increased with increasing disease severity (P> 0.05). Predictive variables explain 32.4% of the changes in the criterion variable.Conclusion: Lung involvement more than 75% and poly count variables were positive predictors of disease severity. Indeed, each unit increase in lung involvement ploy count, disease severity increases by 27.1% and 43.8%, respectively. Laboratory and chest CT scan findings can be efficient tools for prognostic stratification of COVID-19 patients and management of this infection.