Background. Considering the wide prevalence of COVID-19 (SARS-CoV-2) worldwide and in the Russian Federation, high frequency of its mutations and non-persistent post-infection and post-vaccination immunity, the epidemic potential of COVID-19 persists. The experience of the pandemic demonstrated high mortality among individuals with coronavirus and ACS (acute coronary syndrome), specifically, from myocardial infarction (MI).
Aim: to create a multifactorial model for prediction of myocardial infarction using laboratory and instrumental data of progression of COVID-19 in ACS patients.
Material and methods. The open prospective non-randomized study included 104 patients with ACS due to severe COVID-19 hospitalized in 2022. To solve the problem of early prediction of MI among patients, observation groups were formed: Group 1 (n=35), patients with unstable angina and Group 2 (n=69) with MI. All patients underwent round-the-clock monitoring of vital functions using a dynamic bedside monitor. Laboratory parameters (general clinical and biochemical), cytokine levels (1b, 2, 4, 6, 10, interleukins, γ interferon, tumor necrosis factor α) and instrumental parameters (CT of chest organs, EchoCG) were studied. Scores were calculated using the SOFA (Sepsis-related Organ Failure) and SAPS II (Simplified Acute Physiology Score) scales. Statistical data processing was performed in the SPSS 25.0 software suite. Mathematical modeling was performed using multidimensional logistic regression. An analysis of the characteristic curves (ROC curves) in the predicted probability of developing MI in the multidimensional model was performed. The results were considered statistically significant at p<0.05. Based on the data obtained, a multidimensional logistic regression model was constructed with step-by-step inclusion or exclusion of predictors using the Wald algorithm.
Results. The prognostic model included SAPS II scores, cytokines (γ interferon, TNFα), and CT scans. The analysis revealed that the developed mathematical model for assessing the risk of MI in patients with ACS on the background of severe COVID-19, created by the method of multidimensional logistic regression based on cytokine profile, lung CT and SAPS II scale, has a sensitivity of 98.6% and a specificity of 85.7%.
Conclusion. Early predictors of MI development have been established in COVID-19 patients with ACS: the degree of lung damage according to CT data, the number of points on the SAPS II scale, levels of interferon and tumor necrosis factor, on the basis of which a mathematical model has been built that allows predicting MI in patients with severe COVID-19.
Обоснование. В связи с широким распространением вируса SARS-CoV-2 в мире и в России, его постоянными мутациями, а также нестойким поствакцинальным и постинфекционным иммунитетом у населения, в настоящее время сохраняется эпидемический потенциал новой коронавирусной инфекции (COVID-19). Опыт пандемии продемонстрировал высокую летальность среди больных COVID-19 с острым коронарным синдромом (ОКС), в частности, от инфаркта миокарда (ИМ).
Цель: на основании лабораторно-инструментальных особенностей течения COVID-19 у больных с ОКС разработать модель прогнозирования развития ИМ у данной категории больных.
Материал и методы. В открытое проспективное нерандомизированное исследование были включены 104 пациента с ОКС на фоне тяжелого течения COVID-19, госпитализированных в 2022 году. Для решения задачи прогнозирования ИМ среди пациентов были сформированы группы наблюдения: группа 1 (n=35) – пациенты с нестабильной стенокардией (НС) и группа 2 (n=69) – с ИМ. Всем пациентам проводился круглосуточный мониторинг витальных функций с помощью прикроватного монитора в динамике. Исследовались лабораторные (общеклинические, биохимические) показатели, уровень цитокинов (интерлейкины:1b, 2, 4, 6, 10, интерферон γ, фактор некроза опухоли α); инструментальные (КТ органов грудной клетки, ЭхоКГ); рассчитывали баллы по шкалам SOFA (Sepsis-related Organ Failure) и SAPS II (Simplified Acute Physiology Score). Статистическая обработка данных выполнена в среде пакета SPSS 25.0. Выполняли математическое моделирование с помощью многомерной логистической регрессии. Проводили анализ характеристических кривых (ROC-кривых) в предсказанной в многомерной модели вероятности развития ИМ. Результаты считали статистически значимыми при р<0,05. По полученным данным была построена многомерная модель методом логистической регрессии с пошаговым включением или исключением предикторов по алгоритму Вальда.
Результаты. В прогностическую модель вошли баллы по шкале SAPS II, цитокины (интерферон гамма, фактор некроза опухоли альфа) и степень поражения легких по данным компьютерной томографии. В ходе проведенного анализа установлено, что разработанная математическая модель оценки риска развития ИМ у больных с ОКС на фоне тяжелой формы COVID-19, созданная методом многомерной логистической регрессии, обладает чувствительностью 98,6% и специфичностью 85,7%.
Выводы. Установлены ранние предикторы развития ИМ у пациентов с ОКС на фоне COVID-19: степень поражения легких по данным КТ, количество баллов по шкале SAPS II, уровни цитокинов (интерферона и фактора некроза опухоли). На основании данных предикторов разработана математическая модель, позволяющая прогнозировать ИМ на фоне тяжелой формы COVID-19.