Drei Standard-Laborwerte und zwei Patientendaten genügen

Rechenmodell prognostiziert COVID-Verlauf

Wie hoch ist das Sterberisiko eines frisch hospitalisierten Patienten? Österreichische Wissenschaftler haben ein Modell entwickelt, den Wert anhand einfacher Laborwerte zu errechnen.

Ziel der Forscher war, eine treffsichere und möglichst frühzeitige Vorhersage zur Sterbewahrscheinlichkeit beziehungsweise der Wahrscheinlichkeit eines unkomplizierten Krankheitsverlaufs von COVID-Patienten zu machen. AdobeStock_ETAJOE

Ziel der österreichischen Studie, die bisher nur als nicht begutachtete Preprint-Version vorliegt, war es, auf der Grundlage routinemäßiger hämatologischer Parameter eine treffsichere und möglichst frühzeitige Vorhersage zur Sterbewahrscheinlichkeit beziehungsweise der Wahrscheinlichkeit eines unkomplizierten Krankheitsverlaufs zu machen.

Die Wissenschaftler erhofften sich, dass mithilfe der Prognose Patienten mit einer hohen Sicherheit früher aus den Krankenhäusern entlassen werden können und so zusätzliche freie Krankenhauskapazitäten  schaffen.

Auf Basis der Daten von 363 überlebenden und 78 nicht-überlebenden, in Österreich hospitalisierten COVID-Patienten entwickelten sie ein Vorhersagemodell, das ausschließlich auf Routinedaten beruht. Anschließend validierten sie das Modell auf Basis der Daten von 492 Überlebenden und 61 Nicht-Überlebenden, die in Österreich und Schweden ins Krankenhaus eingeliefert wurden.

Länderspezifische Unterschiede beeinflussen die Treffsicherheit

Am Ende hatten sie ein Rechenmodell entwickelt, das neben dem Alter sowie der Körpertemperatur des Patienten bei Einweisung die Werte der C-reaktiven Proteinkonzentration (CRP), Thrombozytenzahl und Kreatininkonzentration einbezieht – und auf Basis dieser Werte bereits am fünften Tag im Krankenhaus mit einer 93-prozentigen Wahrscheinlichkeit korrekt vorhersagte, ob der Patient einen leichten oder schweren Verlauf erleiden würde. Die Schwankungsbreite der Vorhersagewahrscheinlichkeit betrug bei einer Kohorte von Wiener Patienten 90 bis 96 Prozent, bei einer Kohorte in Linz 88 bis 98 Prozent.

Die wichtigste Einschränkung ist nach Ansicht der Autoren die Ungewissheit, ob das Modell in anderen geografischen Regionen als Österreich angemessen funktioniert. Die Validierung in einer relativ kleinen schwedischen Kohorte zeigte eine deutlich schlechtere Modellleistung (77 Prozent) als in den zwei österreichischen Kohorten.

Die Autoren führen dies jedoch auf die erheblichen Unterschiede zwischen der österreichischen und der schwedischen Kohorte zurück.

Wichtiger Hinweis zur Abschätzung der Sterbewahrscheinlichkeit

So unterschieden sich die Aufnahmekriterien zwischen Österreich und Schweden, als die Patienten ins Krankenhaus eingeliefert wurden. Während schwedische Patienten nur aufgenommen wurden, wenn sie zusätzlichen Sauerstoff benötigten, war die Indikation für einen Krankenhausaufenthalt in Österreich weitaus freizügiger. Folglich wurden Patienten in Schweden in einem späteren Stadium der Krankheit ins Krankenhaus eingeliefert. Darüber hinaus traf der Höhepunkt der ersten Pandemiewelle Schweden weit stärker als Österreich, was auch die klinische Versorgung beeinflusste.

Nach Ansicht der Autoren liefert das Rechenmodell einen wichtigen Hinweis, wie anhand von routinemäßig in Krankenhäusern erhobenen Daten besser die Sterbewahrscheinlichkeit von stationären COVID-Patienten abgeschätzt werden kann.

Stefan Heber et al., "Development and external validation of a logistic regression derived formula based on repeated routine hematological measurements predicting survival of hospitalized Covid-19 patients",
medRxiv 2020.12.20.20248563; doi: https://doi.org/10.1101/2020.12.20.20248563

Das neu identifizierte Coronavirus SARS-CoV-2 verursacht die "Corona virus disease 2019" (Covid-19) und ist Auslöser der COVID-19-Pandemie.

41219774116893411688941168904121978 4121979 4116891
preload image 1preload image 2preload image 3preload image 4preload image 5preload image 6preload image 7preload image 8preload image 9preload image 10preload image 11preload image 12preload image 13preload image 14preload image 15preload image 16preload image 17preload image 18preload image 19preload image 20preload image 21preload image 22preload image 23preload image 24preload image 25preload image 26preload image 27preload image 28preload image 29preload image 30preload image 31preload image 32preload image 33preload image 34preload image 35preload image 36preload image 37preload image 38preload image 39preload image 40preload image 41preload image 42preload image 43preload image 44preload image 45preload image 46preload image 47preload image 48preload image 49preload image 50preload image 51preload image 52preload image 53preload image 54preload image 55preload image 56preload image 57preload image 58preload image 59preload image 60preload image 61preload image 62preload Themeimage 0preload Themeimage 1preload Themeimage 2preload Themeimage 3preload Themeimage 4preload Themeimage 5preload Themeimage 6preload Themeimage 7preload Themeimage 8preload Themeimage 9preload Themeimage 10preload Themeimage 11preload Themeimage 12preload Themeimage 13preload Themeimage 14preload Themeimage 15preload Themeimage 16preload Themeimage 17preload Themeimage 18preload Themeimage 19preload Themeimage 20preload Themeimage 21preload Themeimage 22preload Themeimage 23preload Themeimage 24preload Themeimage 25preload Themeimage 26preload Themeimage 27preload Themeimage 28
Bitte bestätigen Sie
Nein
Ja
Information
Ok
loginform
Kommentarvorschau
Kommentarvorschau schliessen
Antwort abbrechen
Ihr Kommentar ist eine Antwort auf den folgenden Kommentar

Keine Kommentare