راﺑﻄﻪ ﺑﯿﻦ ﯾﺎﻓﺘﻪ ﻫﺎي ﺳﯽ ﺗﯽ اﺳﮑﻦ ﻗﻔﺴﻪ ﺳﯿﻨﻪ و ﯾﺎﻓﺘﻪﻫﺎي آزﻣﺎﯾﺸﮕﺎﻫﯽ و ﺷﺪت ﺑﯿﻤﺎري 19-COVID: ﯾﮏ ﻣﻄﺎﻟﻌﻪ ﺗﮏ ﻣﺮﮐﺰي

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

ناهنجاري­هاي پاراكلينيكي به عنوان پيش بيني كننده شدتِ COVID-19 در نظر گرفته مي­شوند. هدف ما ارزيابي رابطه بين يافته هاي آزمايشگاهي و توموگرافي كامپيوتري ريه و شدتِ بيماري در بيماران COVID-19 بود. روش بررسي: مطالعه­اي گذشته نگر روي بيماران قطعي COVID-19 در بيمارستان اميرالمومنين تهران از اول اسفند 1398 تا 31 فروردين 1399را انجام داديم. سي تي اسكن ريه و يافته­هاي آزمايشگاهي از پرونده پزشكي استخراج شد. رابطه بين يافته ­هاي سي تي اسكن ريه و يافته ­هاي آزمايشگاهي و شدت COVID-19 را ارزيابي كرديم. تحليل آماري را در نرم افزار آماري SPSS نسخه 24 انجام داديم.  يافته ها: با درگيري ريه به بيش از 50%، شدت بيماري به طور جدي تغيير كرد (0/008=P). تعداد WBC و پلي مورفونوكلئر، ميزان ALP و BUN با افزايش شدت بيماري افزايش يافت (0/05>P). متغيرهاي پيشگويي كننده 32/4٪ از تغييرات، در متغير معيار را توضيح مي­دهند. نتيجه گيري: درگيري ريه بيش از 75٪ و متغيرهاي شمارش پلي مورفونوكلئر، پيش بيني كننده هاي مثبت بيماري بود. در واقع ، هر واحد افزايش درشدت درگيري ريه و تعداد پلي ، شدت بيماري به ترتيب 27/1٪ و 43/8% افزايش مي­يابد. يافته ­هاي سي تي اسكن ريه و نتايج آزمايشگاهي، ابزارهاي مفيدي براي رده بندي پروگنوز بيماري و كمك به مديريت اين بيماري است.

Para-clinical 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 Amir-Al- Momenin hospital, Tehran, Iran, from February 20, 2020 to April 19, 2020. Para-clinical 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 version-24. 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.