Прогнозирование риска неблагоприятного исхода у пациентов с COVID-19 и противовирусным лечением ремдесивиром в период преобладания SARS-CoV-2 омикрон

Введение. В лечении COVID-19 применяется противовирусный препарат ремдесивир, у таких пациентов объективизация рисков неблагоприятного исхода является актуальной задачей.

Цель: разработать и валидировать модель прогнозирования неблагоприятного исхода у госпитализированных пациентов с COVID-19 и лечением ремдесивиром.

Методы. В исследование включены пациенты в возрасте от 18 лет и старше с диагнозом COVID-19 и лечением ремдесивиром (N = 1428). Набор данных был разделен на выборки обучения моделей, внутренней и внешней валидации. Отбор предикторов неблагоприятного исхода осуществляли методом LASSO-регрессии. Отобранные предикторы включались в модель множественной логистической регрессии. Оптимальные пороги классификации определяли методом Юдена на выборке внутренней валидации. Оценку производительности модели проводили на выборке внешней валидации (n = 487), рассчитывая AUC, чувствительность, специфичность. Целесообразность применения модели в клинической практике оценивали с помощью анализа кривых принятия решений (DCA, decision curves analysis). Статистический анализ выполнен в R 4.4.1 с пакетами tidyr, dplyr, comorbidity, glmnet, caret, boot, calibrationCurves, pROC, rms, dcurves.

Результаты. В качестве наиболее стабильных предикторов отобраны С-реактивный белок, лактат-дегидрогеназа, Д-димеры. По результатам множественной логистической регрессии отношения шансов для летального исхода составили: С-реактивный белок (на 10 мг/л) – в 1,097, p < 0,001; ЛДГ (на 50 Ед/л) – 1,276, p < 0,001; Д-димеры > 400 нг/мл – 5,829, p < 0,001. Оптимальная точка классификации на выборке внутренней валидации составила 4,9 %. На внешних данных AUC модели составила 89,5 %, чувствительность модели – 93,8 %, а специфичность – 72,9 %. Применение модели характеризуется клиническим преимуществом при любых порогах классификации по сравнению с альтернативными стратегиями наблюдения пациентов.

Заключение. Разработан и валидирован метод прогнозирования неблагоприятного исхода COVID-19 у пациентов с лечением ремдесивиром, который представлен в виде номограммы.

1. WHO COVID-19 dashboard / World Health Organization. – Electronic data. – Geneva: WHO, 2026. – Available at: https://data.who.int/dashboards/covid19/cases. – Accessed: 09.03.2026.

2. COVID-19 epidemiological update – 14 March 2025 / World Health Organization. – Geneva: WHO, 2025. – 31 p. – Available at: https://www.who.int/publications/m/item/covid-19epidemiological-update-edition-177. – Accessed: 09.03.2026.

3. Remdesivir for the Treatment of Covid-19 – Final Report /j. H. Beigel, K. M. Tomashek, L. E. Dodd [et al.] // The New England Journal of Medicine. – 2020. – Vol. 383, № 19. – P. 1813–1826. – doi: 10.1056/NEJMoa2007764.

4. Infectious Diseases Society of America Guidelines on the Treatment and Management of Patients With COVID-19 (September 2022) / A. Bhimraj, R. L. Morgan, A. H. Shumaker [et al.] // Clinical Infectious Diseases. – 2024. – Vol. 78, № 7. – P. e250–e349. – doi: 10.1093/cid/ciac724.

5. Рекомендации (временные) об организации оказания медицинской помощи пациентам с инфекцией COVID-19: [утв. Приказом Министерства здравоохранения Респ. Беларусь, 21 июля 2021 г., № 900]. – Минск, 2021. – 75 с. Rekomendacii (vremennye) ob organizacii okazaniya medicinskoj pomoshchi pacientam s infekciej COVID-19 [Recommendations (temporary) on the organization of medical care for patients with COVID-19 infection]: [utv. Prikazom Ministerstva zdravoohraneniya Resp. Belarus', 21 iyulya 2021 g., № 900]. – Minsk, 2021. – 75 s. [In Russian].

6. Remdesivir for 5 or 10 Days in Patients with Severe Covid-19 /j. D. Goldman, D. C. B. Lye, D. S. Hui [et al.] // The New England Journal of Medicine. – 2020. – Vol. 383, № 19. – P. 1827–1837. – doi: 10.1056/NEJMoa2015301.

7. Bálint, G. Omicron: increased transmissibility and decreased pathogenicity / G. Bálint, B. Vörös-Horváth, A. Széchenyi // Signal Transduction and Targeted Therapy. – 2022. – Vol. 7, № 1. – P. 151. – doi: 10.1038/s41392-022-01009-8.

8. Impact of SARS-CoV-2 Omicron and Delta variants in patients requiring intensive care unit (ICU) admission for COVID-19, Northern Italy, December 2021 to January 2022 / A. Piralla, F. Mojoli, L. Pellegrinelli [et al.] // Respiratory Medicine and Research. – 2023. – Vol. 83. – P. 100990. – doi: 10.1016/j.resmer.2023.100990.

9. Prediction of in-hospital mortality with machine learning for COVID-19 patients treated with steroid and remdesivir / T. Kuno, Y. Sahashi, S. Kawahito [et al.] //journal of Medical Virology. – 2022. – Vol. 94, № 3. – P. 958–964. – doi: 10.1002/jmv.27393.

10. A Systematic Review of Predictor Composition, Outcomes, Risk of Bias, and Validation of COVID-19 Prognostic Scores / K. S. Appel, R. Geisler, D. Maier [et al.] // Clinical Infectious Diseases. – 2024. – Vol. 78, № 4. – P. 889–899. – doi: 10.1093/cid/ciad618.

11. Biomarkers and short-term prognosis in COVID-19 / Ó. M. Peiró, A. Carrasquer, R. Sánchez-Gimenez [et al.] // Biomarkers. – 2021. – Vol. 26, № 2. – P. 119–126. – doi: 10.1080/1354750X.2021.1874052.

12. Prognostic implications of neutrophil-lymphocyte ratio in COVID-19 / S. Jimeno, P. S. Ventura, J. M. Castellano [et al.] // European Journal of Clinical Investigation. – 2021. – Vol. 51, № 1. – P. e13404. – doi: 10.1111/eci.13404.

13. Abnormal Liver Tests in COVID-19: A Retrospective Observational Cohort Study of 1,827 Patients in a Major U. S. Hospital Network / M. A. Hundt, Y. Deng, M. M. Ciarleglio [et al.] // Hepatology. – 2020. – Vol. 72, № 4. – P. 1169–1176. – doi: 10.1002/hep.31487.

14. Association between thrombocytopenia and 180-day prognosis of COVID-19 patients in intensive care units: A twocenter observational study / Y. Zhu, J. Zhang, Y. Li [et al.] // PLoS One. – 2021. – Vol. 16, № 3. – P. e0248671. – doi: 10.1371/journal.pone.0248671.

15. Anemia is associated with severe illness in COVID-19: A retrospective cohort study / Z. Tao, J. Xu, W. Chen [et al.] //journal of Medical Virology. – 2021. – Vol. 93, № 3. – P. 1478–1488. – doi: 10.1002/jmv.26444.

16. Preexisting Comorbidities Predicting COVID-19 and Mortality in the UK Biobank Community Cohort /j. L. Atkins, J. A. H. Masoli, J. Delgado [et al.] // The Journals of Gerontology. Series A: Biological Sciences and Medical Sciences. – 2020. – Vol. 75, № 11. – P. 2224–2230. – doi: 10.1093/gerona/glaa183.

17. Krasko, O. V., Reutovich M. Yu., Ivanov A. V. Prediction and decision-making based on nonlinear risks model in stomach cancer treatment // Informatics. – 2024. – Т. 21, № 1. – С. 65–82. – doi: 10.37661/1816-0301-2024-21-1-65-82.

18. Mehta, P. Is severe COVID-19 a cytokine storm syndrome: a hyperinflammatory debate / P. Mehta, D. C. Fajgenbaum // Current Opinion in Rheumatology. – 2021. – Vol. 33, № 5. – P. 419–430. – doi: 10.1097/BOR.0000000000000822.

19. Lactate dehydrogenase, an independent risk factor of severe COVID-19 patients: a retrospective and observational study / Y. Han, H. Zhang, S. Mu [et al.] // Aging (Albany NY). – 2020. – Vol. 12, № 12. – P. 11245–11258. – doi: 10.18632/aging.103372.