Analisi dei fattori clinici e laboratoristici predittivi di malattia grave in pazienti affetti da COVID-19

BACKGROUND: COVID-19 is an infectious disease caused by SARS-CoV-2. Since the start of the pandemic, in 2020, the disease has caused almost 6 million deaths and has affected 433 million people. Because of its recent origin, many aspects of the disease remain unknown or uncertain: these mostly concern its pathogenesis, treatment and prognosis. Several studies have highlighted, until now, how some markers can be predictive of disease severity, but none of them seems to be conclusive, and further evidence is required to better understand the relationship between these predictors and the clinical evolution of COVID-19. PURPOSES: This study aims at investigating the relationship between severe manifestations of COVID-19 and a set of variables, including demographic features, comorbidities and a selection of biomarkers. METHODS: This monocentric retrospective study involves 451 patients, distributed in two groups: that of hospitalized individuals (HOSP, n=394) and the one gathering those that received at-home treatment (NonHOSP, n=57). Furthermore, in a group of 55 people, we studied the existing associations between a set of non-ordinary biomarkers (TNF, MMP9 and VEGF) and other variables. As a first level of analysis, we compared the “HOSP” and “NonHOSP” populations by means of the χ2 test and Independent Samples t-Test. We then proceeded to run both a univariate and multivariate survival analysis. The latter was carried out through the application of the COX and Stepwise regression models. RESULTS: The comparison between the “HOSP” and “NonHOSP” populations discovered a significant difference between the two in terms of age, polypharmacy (> 5 drugs taken consistently before hospitalization), MULBSTA score and comorbidities (hypertension, diabetes, CKD, COPD, active neoplasia). The univariate survival analysis then showed a statistically significant correlation between a decrease in the survival rate and a set of variables (age, polypharmacy, MULBSTA score ≥ 12, hypertension, chronic neurological disease, cardiovascular diseases, diabetes, CKD, COPD, active neoplasia, CRP, LNR<0,25, D-dimer, INR of PT, PTT in seconds, creatinine, troponin I, LDH). Seven clinical and laboratory predictive factors of mortality were identified through the multivariate survival analysis. These are age, diabetes, CKD, active neoplasia, LDH, PTT in seconds and troponin I. The analysis of experimental biomarkers (TNF, MMP9 e VEGF) highlighted an interesting association between VEGF or MMP9 and CT scan lesions extension. CONCLUSIONS: Overall, this study finds seven factors which are significantly predictive of mortality or severe COVID-19: age, diabetes, CKD, active neoplasia, LDH, Partial Thromboplastin Time and troponin I. Further research would be needed for these results to be confirmed and to better quantify the predictive value of these seven factors.

BACKGROUND: La COVID-19 è una patologia causata dall’infezione dal virus SARS-CoV-2, che ha causato 433 milioni di casi e circa 6 milioni di decessi. A causa della sua recente origine, molti aspetti della malattia rimangono ancori ignoti o poco chiari, e questi riguardano soprattutto la patogenesi, il trattamento e la possibile prognosi dei pazienti. Ad oggi, sono stati pubblicati numerosissimi studi che hanno evidenziato l’importanza di alcuni marcatori nel predire la prognosi di pazienti affetti da COVID-19, ma nessuno di questi risulta conclusivo e ulteriori evidenze sono necessarie per consentire una comprensione più chiara del rapporto tra questi fattori predittivi e l’evoluzione della patologia. OBIETTIVI: L’obiettivo di questo studio è quello di verificare l’esistenza di un’associazione tra le manifestazioni gravi della COVID-19 e le caratteristiche demografiche, le condizioni patologiche pregresse o i valori ematici individuati nei pazienti ospedalizzati o seguiti a domicilio. MATERIALI E METODI: Questo studio retrospettivo monocentrico ha arruolato 451 pazienti divisi in due gruppi, quello degli ospedalizzati (OSP) con 394 soggetti e quello dei non ospedalizzati (Non OSP), che conta 57 individui. In un gruppo di 55 pazienti sono stati studiati biomarkers non routinari ovvero VEGF, TNF-alpha e MMP-9. Inizialmente è stata eseguita una comparazione tra il gruppo “OSP” e “NonOSP”, utilizzando il test del χ2 e il test t a campioni indipendenti e successivamente sono state condotte un’analisi univariata e multivariata della sopravvivenza, quest’ultima tramite la regressione di COX e il modello Stepwise all’indietro. RISULTATI: La comparazione tra il gruppo di pazienti ospedalizzati e quello dei pazienti curati a domicilio ha rilevato una significativa differenza in termini di età, farmaci assunti, punteggio allo score MULBSTA e comorbidità (ipertensione, diabete, IRC, BPCO, tumore attivo), tra le due popolazioni. L’analisi univariata della sopravvivenza ha dimostrato una correlazione statisticamente significativa tra la riduzione della sopravvivenza e una serie di variabili (età, assunzione di più di 5 farmaci, ipertensione, malattia neurologica cronica, malattie cardiovascolari, diabete, insufficienza renale cronica, BPCO, tumore attivo, PCR, LNR < 0,25, D-dimero, INR del PT, PTT in secondi, creatinina, troponina I, LDH, score MULBSTA ≥12). 7 possibili fattori clinici e laboratoristici predittivi di mortalità sono stati identificati tramite l’analisi multivariata. Questi ultimi sono: età, diabete, IRC, neoplasia attiva, LDH, PTT in secondi e troponina I. L’analisi dei biomarkers sperimentali ha evidenziato interessanti associazioni tra i livelli di VEGF/MMP9 e il carico lesionale alla TC. CONCLUSIONI: Questo studio individua, come possibili marcatori di malattia grave e di morte nei pazienti affetti da COVID-19, 7 fattori predittivi: l’età, il diabete, l’IRC, la presenza di neoplasie attive, l’LDH, il PTT in secondi e la troponina I. Ulteriori studi saranno necessari per confermare questi risultati e quantificare con precisione la capacità predittiva di questi fattori.