从患者样本中分离出的严重感染新型冠状病毒病毒颗粒(红色)的细胞(蓝色)的彩色扫描电子显微照片
图像拍摄于马里兰州德特里克堡的NIAID综合研究设施(IRF)
信用:NIAID 蒙特利尔大学医学教授Dr
丹尼尔·考夫曼发现
这项发现今天在科学进展发表
考夫曼和他的团队在蒙特利尔大学中心医院的研究分支CRCHUM做这项工作
“在我们的研究中，我们能够确定哪些生物标志物是症状出现后60天内死亡率的预测因子，”该研究的共同主要作者考夫曼说，他与CRCHUM的研究同事Nicolas Chomont和Andrés Finzi一起工作
考夫曼说:“多亏了我们的数据，我们成功地开发并验证了基于一种血液生物标志物的统计模型。”
尽管新冠肺炎的管理取得了进步，但医生发现很难确定最有可能死于这种疾病的患者，因此无法为他们提供新的治疗方法
在其他研究中已经确定了几个生物标志物，但是在临床环境中处理大量的参数是不可能的，并且会妨碍医生做出快速医疗决策的能力
三个参数的组合 考夫曼的团队使用了279名患者在新冠肺炎住院期间采集的血液样本，这些样本的严重程度从中度到重度不等，他们测量了炎性蛋白的含量，寻找任何突出的蛋白
与此同时，乔蒙的团队测量了病毒核糖核酸的数量和芬齐的针对病毒的抗体水平
在症状出现后11天收集样本，此后至少60天对患者进行监测
目标:检验免疫学指标与死亡率增加相关的假设
考夫曼实验室的博士生、该研究的第一作者之一Elsa Brunet-Ratnasingham说:“在我们评估的所有生物标志物中，我们表明，一旦我们的模型根据患者的年龄和性别进行调整，血液中病毒RNA的量与死亡率直接相关，并提供了最佳的预测反应。”
“我们甚至发现，加入额外的生物标志物并不能提高预测质量，”这位年轻的研究人员补充道，他的工作受益于UdeM新冠肺炎卓越基金
强大的模型 为了证实其有效性，Kaufmann和Brunet-Ratnasingham在蒙特利尔犹太综合医院(在第一波疫情招募)和CHUM(在第二波和第三波招募)的两个独立的感染患者队列上测试了该模型
病人在哪个医院接受治疗，或者他们在疫情的哪个时期接受治疗都没有区别:在所有情况下，预测模型都有效
现在，考夫曼和他的同事们想把它付诸实践
“使用该模型来监测患者会很有意思，”他说，“考虑到以下问题:当你使用被证明有效的新治疗方法时，病毒载量仍然是死亡率的预测指标吗？”
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
