MuLBSTA評分聯合炎癥指標對新型冠狀病毒肺炎患者不良結局預測價值

彭佳華　周昌靜

【摘要】目的探索MuLBSTA評分聯合炎癥指標對新型冠狀病毒肺炎（COVID-19）患者不良預后預測和診斷的準確性，為臨床診療提供參考。方法采用回顧性、病例對照方法，納入武漢市中心醫院后湖院區3個救治病區2020年2月25日至3月20日之間符合研究標準的COVID-19患者。收集患者入院時的臨床參數和結局參數，按住院期間是否發生不良結局將患者分為非不良結局組與不良結局組。比較兩組患者的臨床參數，單因素及多因素logistic回歸分析篩選不良結局的危險因素。作各獨立危險因素與不良結局診斷的ROC曲線，計算曲線下面積（AUC）。將各危險因素進行搭配組合，比較各組合方案AUC的差異。結果共83例患者納入研究，12例（14.4%）患者出現不良結局，其中5例（6.0%）院內死亡。logistic多因素回歸分析篩選出4個不良結局危險因素，分別為：MuLBSTA評分≥9分，OR（95%CI）：180.46（4.46～7297.26）;IL-6≥100 pg/mL，OR（95%CI）：47.24（2.86～779.30）;肺實變或胸腔積液，OR（95%CI）：44.68（1.68～1182.96）;CRP≥5 mg/dL，OR（95%CI）：15.32（1.03～227.89）。ROC曲線分析表明：MuLBSTA評分+炎癥指標（IL-6+CRP）+肺實變或胸腔積液方案的組合具有對不良結局診斷最高的AUC值（0.98）。MuLBSTA評分和炎癥指標組合后各自的AUC值均顯著提高。結論MuLBSTA評分、炎癥指標和肺實變或胸腔積液均是COVID-19患者不良預后獨立相關因素，聯合炎癥指標可以顯著提高MuLBSTA評分對COVID-19患者不良預后的預測準確性。

【關鍵詞】新型冠狀病毒肺炎;MuLBSTA評分;炎癥指標;不良結局

中圖分類號：R511 文獻標志碼：ADOI：10.3969/j.issn.1003-1383.2022.06.002

Prediction value of the combination of MuLBSTA score and inflammatory

markers on poor outcomes in patients with COVID-19

PENG Jiahuaa， ZHOU Changjingb

（a. Emergency Intensive Care Center， b. Department of Infectious Diseases One， Southwest Hospital Affiliated to

Youjiang Medical University for Nationalities—People’s Hospital of Baise， Baise 533000， Guangxi， China）

【Abstract】ObjectiveTo investigate the accuracy of the combination of MuLBSTA score and inflammatory markers in the prediction of poor outcomes in patients with COVID-19， so as to provide reference for clinical diagnosis and treatment. MethodsRetrospective and case-control methods were used to enroll COVID-19 patients who met research criteria from February 25 to March 20， 2020 in three treatment wards of Houhu Branch of Wuhan Central Hospital. Clinical parameters at admission and outcome parameters of patients were collected， and patients were divided into non adverse outcome group and adverse outcome group according to whether or not? adverse outcomes occurred during hospitalization. The clinical parameters of the two groups were compared， and the risk factors for adverse outcomes were screened by univariate and multivariate logistic regression analysis. The ROC curve of each independent risk factor and adverse outcome diagnosis was made， and the area under the curve （AUC） was calculated. The risk factors were matched and combined， and the AUC difference of each combination scheme was compared. ResultsA total of 83 patients were included in the study. 12 patients （14.4%） had adverse outcomes， of which 5 （6.0%） died in hospital. Four risk factors for adverse outcomes were screened by logistic regression analysis， which included MuLBSTA score≥9，? OR（95%CI）： 180.46（4.46-7297.26）; IL-6≥100 pg/mL， OR（95%CI）： 47.24（2.86-779.30）; pulmonary consolidation or pleural effusion， OR（95%CI）： 44.68 （1.68-1182.96）; CRP≥5 mg/dL， OR（95%CI）： 15.32（1.03-227.89）. ROC curve analysis showed that the combination of MuLBSTA score+inflammatory markers（IL-6+CRP）+pulmonary consolidation or pleural effusion had the highest AUC value for poor outcomes（0.98）. After combining MuLBSTA score with inflammatory markers， their AUC values significantly improved. ConclusionMulBSTA score， inflammatory markers and pulmonary consolidation or pleural effusion are independent risk factors of poor outcomes of patients with COVID-19. MuLBSTA score can significantly improve the prediction accuracy of poor outcomes while combining with inflammatory markers.

【Key words】COVID-19; MuLBSTA score; inflammatory factors; poor outcomes

結局預測和病情評估是COVID-19管理中極重要的環節。盡管現有診治指南推薦了一些用于危險分層評估參數[1]，但在病情進展之前的早期預測參數仍需探索，尤其是近期一些有希望的療法需要盡早給予的情況下[2～3]。由于COVID-19傳播能力強，短期內出現大量感染者或患者，表現出感染人群和病程的多樣化。因此，對COVID-19患者需要在不同的發病時間、空間均有預測和診斷價值評估工具。已有較多臨床觀察性研究篩選出了較有應用前景的各類肺炎評分和獨立危險因素[4]，其中MuLBSTA評分[5～7]和炎癥指標（如IL-6和CRP）[8～9]顯示出較有前景的預測和診斷不良結局能力，然而都存在敏感性或準確性不高的問題，是否能通過組合參數的算法改善尚不清楚。因此本研究通過回顧性分析，探索MuLBSTA評分和炎癥指標以及它們的組合方案對本組患者不良預后預測和診斷的有效性，以期為COVID-19管理尋找簡單、有效的預測參數。

1資料與方法1.1研究對象納入標準：2020年2月20日至3月20日于武漢市中心醫院后湖院區發熱6、10、11病區的入院臨床診斷與確診患者[參照《新型冠狀病毒感染的肺炎診療方案（試行第五版）》中的臨床診斷和確診標準][10]。排除標準：①缺少與COVID-19相關癥狀體征及典型的影像學演變，并且持續的核酸檢測和抗體檢測陰性。②無法追蹤與采集結局數據。

1.2研究方法

1.2.1臨床指標采集患者入院時首次臨床指標，包括病史、生命征及實驗室檢查。在患者出院時收集出院狀態作為結局指標，符合以下3個條件之一認為患者發生住院不良結局：①住院期間病情加重至重型或危重型，病情分型依據《新型冠狀病毒感染的肺炎診療方案（試行第五版）》中的分型標準[10];②院內死亡;③出院遺留呼吸功能損害：使用改良英國醫學研究委員會呼吸困難量表（mMRC）進行評分，既往無慢性呼吸困難、出院mMRC評分≥2分或者既往有慢性呼吸困難、出院mMRC評分比基線升高>1分認為存在出院遺留呼吸功能損害。

部分指標定義如下，①MuLBSTA評分：根據病毒性肺炎的一項預后預測評分研究所得到的6個不同賦分的評分項目（肺部滲出范圍、淋巴細胞、合并細菌感染、高血壓病、年齡、吸煙史）對病人進行評分[11]，其中，肺部出現毛玻璃樣密度影（GGO）≥2個肺葉判為多肺葉浸潤;獲得細菌學指標陽性并且同時存在感染灶癥狀、體征，伴有感染病灶相應影像征象或炎癥指標（白細胞、降鈣素原）升高判為合并細菌感染。②CT影像判讀：研究者根據新冠肺炎影像診斷指南，按CT影像特征的常見程度，選取2個參數：GGO和肺實變或胸腔積液并目測GGO范圍[12]。

1.2.2數據采集與隨訪由研究者通過醫院信息系統采集患者的臨床參數，并直接錄入SPSS數據庫。院內隨訪：通過日常查房觀察、詢問病人和病情記錄隨訪患者是否在院內出現不良結局。

1.3統計學方法連續變量采用均數±標準差表示，分類變量以百分比表示。連續變量組間差異性比較采用獨立樣本的t檢驗，不符合正態分布變量采用自由度校正的P值，并用Mann-Whitney U檢驗進行復核。分類變量則采用χ2檢驗，期望頻數<5采用Fisher確切概率法。不良結局獨立危險因素篩選采用logistic多因素回歸分析，條件參數向前法建立回歸方程。在建立多因素回歸方程之前先對初步篩選出的差異因素進行單因素分析，選擇有統計學意義的變量，和MuLBSTA評分一起納入多因素分析，同樣采用條件參數向前法納入變量，P值<0.05納入方程，>0.1剔除出方程。以上步驟采用SPSS 21.0軟件完成。采用Medcalc 19.0統計軟件進行多因素之間ROC曲線下面積（AUC）的比較：作各獨立危險因素、MuLBSTA評分與不良結局診斷的ROC曲線，計算AUC。將各危險因素進行搭配組合，比較各組合方案的AUC差異，以評價這些危險因素的組合方式對不良結局的診斷效能。

2結果2.1一般情況本組患者平均年齡（61.31±16.31）歲，男性36例（43.4%），女性47例（56.6%）。首發癥狀出現至入院時間為（23.02±16.18）天，平均住院時間（22.88±12.28）天。入院前已經在外院或方艙醫院接受過診療的患者為63例（75.9%），無癥狀感染者3例（3.6%），均為篩查陪護家屬時發現。本組COVID-19患者大部分存在基礎疾病，以高血壓、冠心病最為常見43例（51.8%），其次是糖尿病14例（16.8%）。本組患者共有48例（57.8%）存在胸膜下GGO影像特征，其余的大多為肺葉內GGO。肺實變與胸腔積液僅5例（6%），其中有3例為不良預后患者。大部分患者預后良好，12例（14.4%）患者出現不良結局，均為院內病情加重至重型或危重型患者，其中5例（6.0%）院內死亡，7例（8.4%）出院時mMRC評分≥2分。在治療上，不良預后組由于病情較重，更多的接受了聯合抗病毒治療、糖皮質激素以及機械通氣治療。

2.2不良結局危險因素單因素和logistic多因素回歸分析本組患者出現不良結局患者12例，基線變量比較見表1。共篩選出9個差異性變量進行單因素分析，詳見表2。經logistic回歸多因素校正后，4個變量仍是本組患者的獨立危險因素，分別為：MuLBSTA評分≥9分，OR（95%CI）：180.46（4.46～7297.26）;IL-6≥100 pg/mL，OR（95%CI）：47.24（2.86～779.30）;肺實變或胸腔積液，OR（95%CI）：44.68（1.68～1182.96）;CRP≥5 mg/dL，OR（95%CI）：15.32（1.03～227.89）。

2.3ROC曲線分析與比較結果

2.3.1單個危險因素4個獨立危險因素對不良結局的診斷效能如下，MuLBSTA評分的AUC（95%CI）：0.86（0.76～0.92），連續變量取最佳截斷值≥9分時的敏感性和特異性分別為58.3%和91.5%;其他因素分別為IL-6的AUC（95%CI）：0.76（0.65～0.85），取值≥100 pg/mL的敏感性為58.3%，特異性為94.4%;肺實變或胸腔積液的AUC（95%CI）：0.61（0.49～0.71），敏感性為25%，特異性為97.1%;CRP 的AUC（95%CI）：0.70（0.59～0.80），取值≥5 mg/dL時的敏感性為50%，特異性為91.5%。

2.3.2組合危險因素間比較將4個危險因素分成5種不同的組合方案，各方案的ROC曲線見圖1，各曲線之間比較分析表明：MuLBSTA評分單獨應用A方案與包含炎癥指標（IL-6+CRP）聯合應用的B、C方案相比，聯合炎癥指標的方案均可以顯著提高對不良結局的診斷能力（AUC=0.96，P<0.05）。如果缺失MuLBSTA評分，即使炎癥指標和影像指標組合，對不良結局的診斷能力也并不優于MuLBSTA評分單變量（AUC=0.94，P>0.05）。有趣的是：雖然包含肺實變或胸腔積液的C方案AUC值最高，但與僅缺失該變量的B方案相比，AUC值并沒有顯著差異，表明B方案與C方案均有同等優秀的不良結局診斷能力。因此，雖然單一使用MuLBSTA評分對本組患者有較好的不良結局診斷價值，但在聯合IL-6、CRP后，仍可顯著提高不良預后的診斷準確性。各方案之間的比較結果見表3。

3討論MuLBSTA評分來源于非選擇性病毒性肺炎隊列而不是COVID-19隊列[11]，本組數據分析結果表明，MuLBSTA評分單獨使用即可以對COVID-19人群不良預后具有一定的診斷與預測價值，但與一些相關研究結果相似，同樣存在敏感性不高的問題[5，13]。原因與其參數權重分值并不完全符合COVID-19人群有關。要使MuLBSTA評分更適合COVID-19，需要重新權重評分中與COVID-19預后顯著相關的參數。MuLBSTA評分中的6個參數在本組患者中，只有年齡≥65歲和淋巴細胞計數≤0.8×109/L對不良結局有預測作用。表明MuLBSTA評分對本組人群的不良結局的預測與診斷作用主要是通過這兩個變量來實現。因此在使用該評分上重點權重這兩個變量即可。另外，結合其他COVID-19相關的獨立危險因素也是改良該評分系統的重要方法，炎癥指標就是較為公認的評價COVID-19預后的有效參數，例如CRP[14]和IL-6[15～17]。同樣，炎癥指標IL-6和CRP是本組患者人群的不良預后的獨立危險因素，與相關結果相符合。但單獨應用炎癥指標預測不良結局同樣敏感性和特異性也并不理想。IL-6和CRP聯合使用也并沒有顯著提高各自的AUC值，與它們之間存在顯著相關性有關。但IL-6、CRP指標與MuLBSTA評分聯合使用時，可顯著提高對不良預后的預測能力。這套組合方案可為評價COVID-19的預后提供強有力的支持。

有研究表明一些影像特征在危重和非危重患者之間有顯著差異，與病情輕重相關，提示可用于病情評估[18]。本研究也考查了影像參數加入評價系統后的有效性。在本組數據中GGO表現較常見但并不存在預后的評估價值。然而有趣的是肺實變與胸腔積液特征的患者不良結局發生率較高，經多因素校正后仍是不良預后的獨立危險因素，也有相關研究報道了類似結果[19～20]。但在多重ROC曲線驗證中，該參數在4個危險因素中對不良結局的AUC值最差，炎癥指標和MuLBSTA評分與其組合后AUC值也并沒有顯著差異，筆者認為胸腔積液或肺實變與MuLBSTA評分有交互作用相關。作為獨立的危險因素，肺實變或胸腔積液仍能反映較為嚴重的肺部病變，無論是否由新冠感染直接導致或由基礎疾病引起。

綜上所述，MuLBSTA評分≥9分、IL-6≥100 pg/mL、CRP≥5 mg/dL是本組數據不良結局的預測參數。簡而言之，劇烈的炎癥反應伴有淋巴細胞減少的老年患者可能預示COVID-19的危重癥演變進程，在本組不良結局的患者中這些特征甚至早于呼吸困難癥狀的出現。這樣的簡易參數組合模式有可能對COVID-19的早期管理起到重要的參考作用。

本研究的局限性：由于樣本量小和研究人群特殊性，本研究的IL-6和CRP截斷值并不具有代表性。由于樣本量小，沒有進行嚴重程度分組和亞組分析。MuLBSTA評分中合并感染的界定缺少統一標準，臨床實際應用中常難以界定，客觀存在信息偏倚。

MuLBSTA評分和IL-6、CRP是本組COVID-19不良結局的獨立危險因素，對不良結局有較好的預測和診斷價值，聯合炎癥指標可顯著提高MuLBSTA評分的診斷能力。

致謝：本研究數據采集得到武漢中心醫院后湖院區醫務處的大力支持，研究過程得到了廣西援鄂醫療六隊王海濤、覃宇奇隊長和全體隊員的幫助，謹以此文表達敬意。

參考文獻

[1] 中華人民共和國國家衛生健康委員會.新型冠狀病毒肺炎診療方案（試行第八版） [J].中華臨床感染病雜志，2020，13（5）：321-328.

[2] REIS G，DOS SANTOS MOREIRA-SILVA E A，SILVA D C M，et al.Effect of early treatment with fluvoxamine on risk of emergency care and hospitalisation among patients with COVID-19：the TOGETHER randomised，platform clinical trial[J].Lancet Glob Health，2022，10（1）：e42-e51.

[3] 國務院應對新型冠狀病毒肺炎，疫情聯防聯控機制醫療救治組.新冠肺炎康復者恢復期血漿臨床治療方案（試行第三版）[EB/OL].（2021-10-22）

http：//www.nhc.gov.cn/yzygj/s7658/202110/5d5ec01df5d54dbe9980434967225322.shtml.

[4] ESTEBAN RONDA V，RUIZ ALCARAZ S，RUIZ TORREGROSA P，et al.Application of validated severity scores for pneumonia caused by SARS-CoV-2[J].Med Clin （Engl Ed），2021，157（3）：99-105.

[5] MA B，GONG J，YANG Y，et al.Applicability of MuLBSTA scoring system as diagnostic and prognostic role in early warning of severe COVID-19[J].Microb Pathog，2021，150：104706.

[6] PREETAM M，ANURAG A.MuLBSTA score in COVID-19 pneumonia and prediction of 14-day mortality risk：a study in an Indian cohort[J].J Family Med Prim Care，2021，10（1）：223-227.

[7] IIJIMA Y，OKAMOTO T，SHIRAI T，et al.MuLBSTA score is a useful tool for predicting COVID-19 disease behavior[J].J Infect Chemother，2021，27（2）：284-290.

[8] LIU W，TAO Z W，WANG L，et al.Analysis of factors associated with disease outcomes in hospitalized patients with 2019 novel coronavirus disease[J].Chin Med J （Engl），2020，133（9）：1032-1038.

[9] YANG B Y，CHANG X Y，HUANG J B，et al.The role of IL-6/lymphocyte ratio in the peripheral blood of severe patients with COVID-19[J].Int Immunopharmacol，2021，97：107569.

[10] 國家衛生健康委辦公廳，國家中醫藥管理局辦公室.新型冠狀病毒肺炎診療方案（試行第五版）[EB/OL].（2020-03-04）[2020-03-08].www.nhc.gov.cn/yzygj/s7653p/202003/46c9294a7dfe4cef80dc7f5912

eb1989.shtml.

[11] GUO L X，WEI D，ZHANG X X，et al.Clinical features predicting mortality risk in patients with viral pneumonia：the MuLBSTA score[J].Front Microbiol，2019，10：2752.

[12] 中華醫學會放射學分會傳染病學組，中國醫師協會放射醫師分會感染影像專委會，中國研究型醫院學會感染與炎癥放射學分會，等.新型冠狀病毒感染的肺炎影像學診斷指南（2020第一版）[J].醫學新知，2020，30（1）：22-34.

[13] ARTERO A，MADRAZO M，FERN á NDEZ-GARC é S M，et al.Severity scores in COVID-19 pneumonia：a multicenter，retrospective，cohort study[J].J Gen Intern Med，2021，36（5）：1338-1345.

[14] XIAO L S，ZHANG W F，GONG M C，et al.Development and validation of the HNC-LL score for predicting the severity of coronavirus disease 2019[J].EBioMedicine，2020，57：102880.

[15] LIU J M，HAN P，WU J W，et al.Prevalence and predictive value of hypocalcemia in severe COVID-19 patients[J].J Infect Public Health，2020，13（9）：1224-1228.

[16] WANG F，QU M Y，ZHOU X，et al.The timeline and risk factors of clinical progression of COVID-19 in Shenzhen，China[J].J Transl Med，2020，18（1）：270.

[17] CUMMINGS M J，BALDWIN M R，ABRAMS D，et al.Epidemiology，clinical course，and outcomes of critically ill adults with COVID-19 in New York City：a prospective cohort study[J].Lancet，2020，395（10239）：1763-1770.

[18] JAFARI R，ASHTARI S，POURHOSEINGHOLI M A，et al.Identification，monitoring，and prediction of disease severity in patients with COVID-19 pneumonia based on chest computed tomography scans：a retrospective study[J].Adv Exp Med Biol，2021，1321：265-275.

[19] ZHAO W， ZHONG Z， XIE X， et al.Relation between chest CT findings and clinical conditions of coronavirus disease （COVID-19） pneumonia： a multicenter study[J].AJR Am J Roentgenol， 2020，214（5）：1072-1077.

[20] XIE L， HOU K， XU H， et al.Chest CT features and progression of patients with coronavirus disease 2019[J].Br J Radiol，2020，93（1116）：20200219.