彭佳华　周昌静

【摘要】目的探索MuLBSTA评分联合炎症指标对新型冠状病毒肺炎（COVID-19）患者不良预后预测和诊断的准确性，为临床诊疗提供参考。方法采用回顾性、病例对照方法，纳入武汉市中心医院后湖院区3个救治病区2020年2月25日至3月20日之间符合研究标准的COVID-19患者。收集患者入院时的临床参数和结局参数，按住院期间是否发生不良结局将患者分为非不良结局组与不良结局组。比较两组患者的临床参数，单因素及多因素logistic回归分析筛选不良结局的危险因素。作各独立危险因素与不良结局诊断的ROC曲线，计算曲线下面积（AUC）。将各危险因素进行搭配组合，比较各组合方案AUC的差异。结果共83例患者纳入研究，12例（14.4%）患者出现不良结局，其中5例（6.0%）院内死亡。logistic多因素回归分析筛选出4个不良结局危险因素，分别为：MuLBSTA评分≥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）;肺实变或胸腔积液，OR（95%CI）：44.68（1.68～1182.96）;CRP≥5 mg/dL，OR（95%CI）：15.32（1.03～227.89）。ROC曲线分析表明：MuLBSTA评分+炎症指标（IL-6+CRP）+肺实变或胸腔积液方案的组合具有对不良结局诊断最高的AUC值（0.98）。MuLBSTA评分和炎症指标组合后各自的AUC值均显著提高。结论MuLBSTA评分、炎症指标和肺实变或胸腔积液均是COVID-19患者不良预后独立相关因素，联合炎症指标可以显著提高MuLBSTA评分对COVID-19患者不良预后的预测准确性。

【关键词】新型冠状病毒肺炎;MuLBSTA评分;炎癥指标;不良结局

中图分类号：R511 文献标志码：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

结局预测和病情评估是COVID-19管理中极重要的环节。尽管现有诊治指南推荐了一些用于危险分层评估参数[1]，但在病情进展之前的早期预测参数仍需探索，尤其是近期一些有希望的疗法需要尽早给予的情况下[2～3]。由于COVID-19传播能力强，短期内出现大量感染者或患者，表现出感染人群和病程的多样化。因此，对COVID-19患者需要在不同的发病时间、空间均有预测和诊断价值评估工具。已有较多临床观察性研究筛选出了较有应用前景的各类肺炎评分和独立危险因素[4]，其中MuLBSTA评分[5～7]和炎症指标（如IL-6和CRP）[8～9]显示出较有前景的预测和诊断不良结局能力，然而都存在敏感性或准确性不高的问题，是否能通过组合参数的算法改善尚不清楚。因此本研究通过回顾性分析，探索MuLBSTA评分和炎症指标以及它们的组合方案对本组患者不良预后预测和诊断的有效性，以期为COVID-19管理寻找简单、有效的预测参数。

1资料与方法1.1研究对象纳入标准：2020年2月20日至3月20日于武汉市中心医院后湖院区发热6、10、11病区的入院临床诊断与确診患者[参照《新型冠状病毒感染的肺炎诊疗方案（试行第五版）》中的临床诊断和确诊标准][10]。排除标准：①缺少与COVID-19相关症状体征及典型的影像学演变，并且持续的核酸检测和抗体检测阴性。②无法追踪与采集结局数据。

1.2研究方法

1.2.1临床指标采集患者入院时首次临床指标，包括病史、生命征及实验室检查。在患者出院时收集出院状态作为结局指标，符合以下3个条件之一认为患者发生住院不良结局：①住院期间病情加重至重型或危重型，病情分型依据《新型冠状病毒感染的肺炎诊疗方案（试行第五版）》中的分型标准[10];②院内死亡;③出院遗留呼吸功能损害：使用改良英国医学研究委员会呼吸困难量表（mMRC）进行评分，既往无慢性呼吸困难、出院mMRC评分≥2分或者既往有慢性呼吸困难、出院mMRC评分比基线升高>1分认为存在出院遗留呼吸功能损害。

部分指标定义如下，①MuLBSTA评分：根据病毒性肺炎的一项预后预测评分研究所得到的6个不同赋分的评分项目（肺部渗出范围、淋巴细胞、合并细菌感染、高血压病、年龄、吸烟史）对病人进行评分[11]，其中，肺部出现毛玻璃样密度影（GGO）≥2个肺叶判为多肺叶浸润;获得细菌学指标阳性并且同时存在感染灶症状、体征，伴有感染病灶相应影像征象或炎症指标（白细胞、降钙素原）升高判为合并细菌感染。②CT影像判读：研究者根据新冠肺炎影像诊断指南，按CT影像特征的常见程度，选取2个参数：GGO和肺实变或胸腔积液并目测GGO范围[12]。

1.2.2数据采集与随访由研究者通过医院信息系统采集患者的临床参数，并直接录入SPSS数据库。院内随访：通过日常查房观察、询问病人和病情记录随访患者是否在院内出现不良结局。

1.3统计学方法连续变量采用均数±标准差表示，分类变量以百分比表示。连续变量组间差异性比较采用独立样本的t检验，不符合正态分布变量采用自由度校正的P值，并用Mann-Whitney U检验进行复核。分类变量则采用χ2检验，期望频数<5采用Fisher确切概率法。不良结局独立危险因素筛选采用logistic多因素回归分析，条件参数向前法建立回归方程。在建立多因素回归方程之前先对初步筛选出的差异因素进行单因素分析，选择有统计学意义的变量，和MuLBSTA评分一起纳入多因素分析，同样采用条件参数向前法纳入变量，P值<0.05纳入方程，>0.1剔除出方程。以上步骤采用SPSS 21.0软件完成。采用Medcalc 19.0统计软件进行多因素之间ROC曲线下面积（AUC）的比较：作各独立危险因素、MuLBSTA评分与不良结局诊断的ROC曲线，计算AUC。将各危险因素进行搭配组合，比较各组合方案的AUC差异，以评价这些危险因素的组合方式对不良结局的诊断效能。

2结果2.1一般情况本组患者平均年龄（61.31±16.31）岁，男性36例（43.4%），女性47例（56.6%）。首发症状出现至入院时间为（23.02±16.18）天，平均住院时间（22.88±12.28）天。入院前已经在外院或方舱医院接受过诊疗的患者为63例（75.9%），无症状感染者3例（3.6%），均为筛查陪护家属时发现。本组COVID-19患者大部分存在基础疾病，以高血压、冠心病最为常见43例（51.8%），其次是糖尿病14例（16.8%）。本组患者共有48例（57.8%）存在胸膜下GGO影像特征，其余的大多为肺叶内GGO。肺实变与胸腔积液仅5例（6%），其中有3例为不良预后患者。大部分患者预后良好，12例（14.4%）患者出现不良结局，均为院内病情加重至重型或危重型患者，其中5例（6.0%）院内死亡，7例（8.4%）出院时mMRC评分≥2分。在治疗上，不良预后组由于病情较重，更多的接受了联合抗病毒治疗、糖皮质激素以及机械通气治疗。

2.2不良结局危险因素单因素和logistic多因素回归分析本组患者出现不良结局患者12例，基线变量比较见表1。共筛选出9个差异性变量进行单因素分析，详见表2。经logistic回归多因素校正后，4个变量仍是本组患者的独立危险因素，分别为：MuLBSTA评分≥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）;肺实变或胸腔积液，OR（95%CI）：44.68（1.68～1182.96）;CRP≥5 mg/dL，OR（95%CI）：15.32（1.03～227.89）。

2.3ROC曲线分析与比较结果

2.3.1单个危险因素4个独立危险因素对不良结局的诊断效能如下，MuLBSTA评分的AUC（95%CI）：0.86（0.76～0.92），连续变量取最佳截断值≥9分时的敏感性和特异性分别为58.3%和91.5%;其他因素分别为IL-6的AUC（95%CI）：0.76（0.65～0.85），取值≥100 pg/mL的敏感性为58.3%，特异性为94.4%;肺实变或胸腔积液的AUC（95%CI）：0.61（0.49～0.71），敏感性为25%，特异性为97.1%;CRP 的AUC（95%CI）：0.70（0.59～0.80），取值≥5 mg/dL时的敏感性为50%，特异性为91.5%。

2.3.2组合危险因素间比较将4个危险因素分成5种不同的组合方案，各方案的ROC曲线见图1，各曲线之间比较分析表明：MuLBSTA评分单独应用A方案与包含炎症指标（IL-6+CRP）联合应用的B、C方案相比，联合炎症指标的方案均可以显著提高对不良结局的诊断能力（AUC=0.96，P<0.05）。如果缺失MuLBSTA评分，即使炎症指标和影像指标组合，对不良结局的诊断能力也并不优于MuLBSTA评分单变量（AUC=0.94，P>0.05）。有趣的是：虽然包含肺实变或胸腔积液的C方案AUC值最高，但与仅缺失该变量的B方案相比，AUC值并没有显著差异，表明B方案与C方案均有同等优秀的不良结局诊断能力。因此，虽然单一使用MuLBSTA评分对本组患者有较好的不良结局诊断价值，但在联合IL-6、CRP后，仍可显著提高不良预后的诊断准确性。各方案之间的比较结果见表3。

3讨论MuLBSTA评分来源于非选择性病毒性肺炎队列而不是COVID-19队列[11]，本组数据分析结果表明，MuLBSTA评分单独使用即可以对COVID-19人群不良预后具有一定的诊断与预测价值，但与一些相关研究结果相似，同样存在敏感性不高的问题[5，13]。原因与其参数权重分值并不完全符合COVID-19人群有关。要使MuLBSTA评分更适合COVID-19，需要重新权重评分中与COVID-19预后显著相关的参数。MuLBSTA评分中的6个参数在本组患者中，只有年龄≥65岁和淋巴细胞计数≤0.8×109/L对不良结局有预测作用。表明MuLBSTA评分对本组人群的不良结局的预测与诊断作用主要是通过这两个变量来实现。因此在使用该评分上重点权重这两个变量即可。另外，结合其他COVID-19相关的独立危险因素也是改良该评分系统的重要方法，炎症指标就是较为公认的评价COVID-19预后的有效参数，例如CRP[14]和IL-6[15～17]。同样，炎症指标IL-6和CRP是本组患者人群的不良预后的独立危险因素，与相关结果相符合。但单独应用炎症指标预测不良结局同样敏感性和特异性也并不理想。IL-6和CRP联合使用也并没有显著提高各自的AUC值，与它们之间存在显著相关性有关。但IL-6、CRP指标与MuLBSTA评分联合使用时，可显著提高对不良预后的预测能力。这套组合方案可为评价COVID-19的预后提供强有力的支持。

有研究表明一些影像特征在危重和非危重患者之间有显著差异，与病情轻重相关，提示可用于病情评估[18]。本研究也考查了影像参数加入评价系统后的有效性。在本组数据中GGO表现较常见但并不存在预后的评估价值。然而有趣的是肺实变与胸腔积液特征的患者不良结局发生率较高，经多因素校正后仍是不良预后的独立危险因素，也有相关研究报道了类似结果[19～20]。但在多重ROC曲线验证中，该参数在4個危险因素中对不良结局的AUC值最差，炎症指标和MuLBSTA评分与其组合后AUC值也并没有显著差异，笔者认为胸腔积液或肺实变与MuLBSTA评分有交互作用相关。作为独立的危险因素，肺实变或胸腔积液仍能反映较为严重的肺部病变，无论是否由新冠感染直接导致或由基础疾病引起。

综上所述，MuLBSTA评分≥9分、IL-6≥100 pg/mL、CRP≥5 mg/dL是本组数据不良结局的预测参数。简而言之，剧烈的炎症反应伴有淋巴细胞减少的老年患者可能预示COVID-19的危重症演变进程，在本组不良结局的患者中这些特征甚至早于呼吸困难症状的出现。这样的简易参数组合模式有可能对COVID-19的早期管理起到重要的参考作用。

本研究的局限性：由于样本量小和研究人群特殊性，本研究的IL-6和CRP截断值并不具有代表性。由于样本量小，没有进行严重程度分组和亚组分析。MuLBSTA评分中合并感染的界定缺少统一标准，临床实际应用中常难以界定，客观存在信息偏倚。

MuLBSTA评分和IL-6、CRP是本组COVID-19不良结局的独立危险因素，对不良结局有较好的预测和诊断价值，联合炎症指标可显著提高MuLBSTA评分的诊断能力。

致谢：本研究数据采集得到武汉中心医院后湖院区医务处的大力支持，研究过程得到了广西援鄂医疗六队王海涛、覃宇奇队长和全体队员的帮助，谨以此文表达敬意。

参考文献

[1] 中华人民共和国国家卫生健康委员会.新型冠状病毒肺炎诊疗方案（试行第八版） [J].中华临床感染病杂志，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] 国务院应对新型冠状病毒肺炎，疫情联防联控机制医疗救治组.新冠肺炎康复者恢复期血浆临床治疗方案（试行第三版）[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] 國家卫生健康委办公厅，国家中医药管理局办公室.新型冠状病毒肺炎诊疗方案（试行第五版）[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] 中华医学会放射学分会传染病学组，中国医师协会放射医师分会感染影像专委会，中国研究型医院学会感染与炎症放射学分会，等.新型冠状病毒感染的肺炎影像学诊断指南（2020第一版）[J].医学新知，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.