Drei Biomarker identifiziert

COVID-19: Die schwersten Fälle früh erkennen

Remagen - 03.06.2020, 09:00 Uhr

Welche Patienten müssen besonders überwacht werden, weil bei ihnen mit einem schweren Verlauf zu rechnen ist? Die Diagnosestellung ist bei COVID-19 angesichts der vielen Unbekannten häufig kompliziert. (x / Foto: Intensivstation in Moskau, imago images / ITAR-TASS)

Welche Patienten müssen besonders überwacht werden, weil bei ihnen mit einem schweren Verlauf zu rechnen ist? Die Diagnosestellung ist bei COVID-19 angesichts der vielen Unbekannten häufig kompliziert. (x / Foto: Intensivstation in Moskau, imago images / ITAR-TASS)


In der COVID-19-Pandemie stoßen viele Gesundheitssysteme an ihre Grenzen, weil sie nicht ausreichend mit Plätzen für die intensivmedizinische Versorgung ausgerüstet sind. Deshalb kommt es darauf an, Patienten, die am stärksten gefährdet sind, so früh wie möglich herauszufiltern. Ein Forscherteam hat hierfür ein neues Entscheidungsmodell entwickelt. Es beruht auf drei kritischen Biomarkern, die das Mortalitätsrisiko entscheidend mitbestimmen könnten.

Eine retrospektive Beobachtungsstudie im chinesischen Wuhan, dem Epizentrum der Coronavirus-Pandemie, hat eine erstaunlich hohe Fallsterblichkeitsrate von 61,5 Prozent bei kritischen Fällen aufgedeckt, die mit zunehmendem Alter und bei Patienten mit zugrunde liegenden Komorbiditäten stark zunimmt. 

Leider gibt es derzeit keinen prognostischen Biomarker, um die Patienten danach zu beurteilen, ob sie sofortige medizinische Hilfe benötigen und ihr Sterblichkeitsrisiko abzuschätzen. Ein Wissenschaftlerteam aus China, Luxemburg und Cambridge, UK, hat Blutproben von 485 Betroffenen aus der Region Wuhan retrospektiv analysiert, um robuste und aussagekräftige Marker für Patienten mit der höchsten Gefährdung zu identifizieren und daraus eine Entscheidungsregel für die Klinik abzuleiten.

Tools für maschinelles Lernen wählten drei Biomarker aus

Für die Entwicklung ihres Modells verwendeten sie medizinische Daten von 375 COVID-19-Patienten, die zwischen dem 10. Januar und dem 18. Februar 2020 gesammelt wurden. Die eingesetzten Standard-Fallberichtsformulare enthielten Angaben zu den epidemiologischen, demografischen und klinischen Merkmalen sowie Labor- und Mortalitätsergebnisse der Patienten. Die Altersverteilung betrug 58,83 ± 16,46 Jahre. Knapp 60 Prozent waren männlich. Das häufigste Anfangssymptom war Fieber (49,9 Prozent), gefolgt von Husten (13,9 Prozent), Müdigkeit (3,7 Prozent) und Dyspnoe (2,1 Prozent). 201 der 375 Fälle erholten sich von der Infektion mit dem neuartigen Coronavirus und wurden aus dem Krankenhaus entlassen, während die restlichen 174 starben.

Weiterhin wurden zwischen dem 19. Februar 2020 und dem 24. Februar 110 neu entlassene oder verstorbene Patienten als externe Testdatensätze zur Analyse mithilfe des Modells eingeschrieben. 

Für die Ableitung ihrer Entscheidungsregel entwickelten die Wissenschaftler einen mathematischen Modellierungsansatz, der auf modernsten interpretierbaren Machine Learning-Algorithmen basiert. Die Tools für maschinelles Lernen wählten drei Biomarker aus, die die Sterblichkeit einzelner Patienten mehr als zehn Tage im Voraus mit mehr als 90 Prozent Genauigkeit vorhersagen können: Lactatdehydrogenase (LDH), hochempfindliches C-reaktives Protein (hs-CRP) und die Lymphozyten.



Dr. Helga Blasius (hb), Apothekerin
redaktion@daz.online


Diesen Artikel teilen:


Das könnte Sie auch interessieren

Neurologische Symptome sind bei COVID-19 häufig, die Ursachensuche läuft auf Hochtouren

Wenn SARS-CoV-2 nervt

Woran erkennt man Covid-19?

Coronavirus: Screening-Methoden erfolglos

Phase-II-Studie startet in Deutschland, Österreich und Dänemark

rhACE2 bei COVID-19 auf dem Prüfstand

SARS-CoV-2 auch im Gehirn

Neurologische Symptome bei COVID-19

Phase-II-Studie startet in Deutschland, Österreich und Dänemark

Lösliches ACE2 bei COVID-19 auf dem Prüfstand

Zwei „Bürgerjournalisten“ festgesetzt

Corona: China feuert Chefs der Gesundheitskommission in Hubei

0 Kommentare

Das Kommentieren ist aktuell nicht möglich.