基于实验室指标的新型冠状病毒肺炎和甲型流感鉴别诊断模型的建立及其临床意义

doi:10.13481/j.1671-587X.20220232

吉林大学学报(医学版) ›› 2022, Vol. 48 ›› Issue (2): 518-526.doi: 10.13481/j.1671-587X.20220232

基于实验室指标的新型冠状病毒肺炎和甲型流感鉴别诊断模型的建立及其临床意义

邢东洋¹,田肃岩²,陈玉坤³,王金梅⁴,孙雪娟⁵,李善姬⁶,许建成¹()

^1.吉林大学第一医院检验科，吉林长春 130021
^2.吉林大学第一医院临床研究部，吉林长春 130021
^3.吉林大学第一医院感染科，吉林长春 130021
^4.吉林省四平市传染病医院检验科，吉林四平 136000
^5.吉林省长春市传染病医院检验科，吉林长春 130123
^6.吉林省吉林市传染病医院检验科，吉林吉林 132000

收稿日期:2021-07-06 出版日期:2022-03-28 发布日期:2022-05-10
通讯作者: 许建成 E-mail:xjc@jlu.edu.cn
作者简介:邢东洋（1997－），女，吉林省长春市人，在读硕士研究生，主要从事临床检验参考生化项目和参考区间方面的研究。
基金资助:
吉林省教育厅科学技术研究项目(JJKH20211177KJ)

Establishment of differential diagnostic model for COVID-19 and influenza A based on laboratory indicators and its clinical significance

Dongyang XING¹,Suyan TIAN²,Yukun CHEN³,Jinmei WANG⁴,Xuejuan SUN⁵,Shanji LI⁶,Jiancheng XU¹()

^1.Department of Laboratory Medicine，First Hospital，Jilin University，Changchun 130021，China
^2.Department of Clinical Research，First Hospital，Jilin University，Changchun 130021，China
^3.Department of Infectious Disease，First Hospital，Jilin University，Changchun 130021，China
^4.Department of Laboratory Medicine，Siping Infectious Disease Hospital，Jilin Province，Siping 136000，China
^5.Department of Laboratory Medicine，Changchun Infectious Disease Hospital，Jilin Province Changchun 130123，China
^6.Department of Laboratory Medicine，Jilin Infectious Disease Hospital，Jilin Province，Jilin 132000，China

Received:2021-07-06 Online:2022-03-28 Published:2022-05-10
Contact: Jiancheng XU E-mail:xjc@jlu.edu.cn

摘要/Abstract

摘要： 目的

探讨新型冠状病毒肺炎（COVID-19）与甲型流感实验室指标检测结果的差异，建立2种疾病的鉴别诊断模型，阐明该模型对于鉴别2种疾病的临床意义。

方法

共纳入56例COVID-19普通型患者和54例甲型流感患者，以及用于模型验证的24例COVID-19普通型患者和30例甲型流感患者；计算患者住院后５d实验室指标的平均值，采用弹性网络模型和逐步Logistic回归模型，筛选鉴别COVID-19和甲型流感的指标；弹性网络模型用于第1轮选择，并通过10折交叉验证选择lambda的最佳截断值。采用不同的随机种子，将该模型拟合200次，选取高频指标（频率>90%）；第2轮筛选采用以AIC作为选择标准的Logistic回归模型，列线图用来表示最终的模型；使用独立数据集作为外部验证集，计算受试者工作特征（ROC）曲线下面积（AUC）来评估该模型的预测性能。

结果

第1轮筛选后，有16个实验室指标被选为高频指标；经过第2轮筛选，确定白蛋白（ALB）/球蛋白GLB（A/G）、总胆红素（TBIL）和红细胞比容（HCT）为最终鉴别指标；该模型具有较好的预测性能，验证集的AUC为0.844（95%CI：0.747~0.941）。

结论

成功建立基于实验室检测结果的COVID-19和甲型流感鉴别诊断模型，该模型有助于临床及时对2种疾病做出准确、快速的诊断。

关键词: 新型冠状病毒肺炎, 甲型流感, 诊断模型, 白蛋白, 球蛋白

Abstract: Objective

To explore the differences in laboratory indicators test results of coronavirus disease 2019 （COVID-19） and influenza A and to establish a differential diagnosis model for the two diseases， and to clarify the clinical significance of the model for distinguishing the two diseases.

Methods

A total of 56 common COVID-19 patients and 54 influenza A patients were enrolled， and 24 common COVID-19 patients and 30 influenza A patients were used for model validation. The average values of the laboratory indicators of the patients 5 d after admission were calculated， and the elastic network model and the stepwise Logistic regression model were used to screen the indicators for identifying COVID-19 and influenza A. Elastic network models were used for the first round of selection， in which the optimal cutoff of lambda was chosen by performing 10-fold cross validations. With different random seeds， the elastic net models were fit for 200 times to select the high-frequency indexes （frequency>90%）.A Logistic regression model with AIC as the selection criterions was used in the second round of screening uses； a nomogram was used to represent the final model； an independent data were used as an external validation set， and the area under the curve （AUC） of the validation set were calculate to evaluate the predictive the performance of the model.

Results

After the first round of screening， 16 laboratory indicators were selected as the high-frequency indicators. After the second round of screening， albumin/globulin （A/G），total bilirubin （TBIL） and erythrocyte volume （HCT） were identified as the final indicators. The model had good predictive performance， and the AUC of the verification set was 0.844（95% CI：0.747－0.941）.

Conclusion

A differential diagnosis model for COVID-19 and influenza A based on laboratory indicators is successfully established， and it will help clinical and timely diagnosis of both diseases.

Key words: Coronavirus disease 2019, Influenza A, Diagnostic model, Albumin, Globulin

中图分类号:

R446.6

邢东洋,田肃岩,陈玉坤,王金梅,孙雪娟,李善姬,许建成. 基于实验室指标的新型冠状病毒肺炎和甲型流感鉴别诊断模型的建立及其临床意义[J]. 吉林大学学报(医学版), 2022, 48(2): 518-526.

Dongyang XING,Suyan TIAN,Yukun CHEN,Jinmei WANG,Xuejuan SUN,Shanji LI,Jiancheng XU. Establishment of differential diagnostic model for COVID-19 and influenza A based on laboratory indicators and its clinical significance[J]. Journal of Jilin University(Medicine Edition), 2022, 48(2): 518-526.

图/表 8

表1

表2

表3

表4

入院初期实验室检查结果"

Parameter	Reference interval	COVID-19 [M (P₂₅－P₇₅)]	Influenza A [M (P₂₅－P₇₅)]	P
Hematological parameter
WBC(×10⁹ L^－1)	3.50－9.50	5.22 (3.90－6.30)	7.33(5.44－9.40)	<0.001
NE (×10⁹ L^－1)	1.80－6.30	3.45 (2.48－4.38)	5.43 (3.73－6.59)	<0.001
LY (×10⁹ L^－1)	1.10－3.20	1.35 (0.90－1.66)	1.20 (0.70－1.49)	0.049
EO (×10⁹ L^－1)	0.02－0.52	0.03 (0.00－0.04)	0.08 (0.00－0.12)	0.094
BA(×10⁹ L^－1)	0.00－0.06	0.02 (0.00－0.03)	0.03 (0.01－0.04)	0.199
MO (×10⁹ L^－1)	0.10－0.60	0.36 (0.24－0.50)	0.59 (0.40－0.76)	<0.001
RBC (×10¹² L^－1)	4.30－5.80	4.69 (4.29－5.09)	4.08 (3.40－4.66)	<0.001
HGB(g·L^－1)	130.00－175.00	145.00 (133.00－158.00)	125.98 (104.00－142.50)	<0.001
HCT (L·L^－1)	0.40－0.50	0.42 (0.39－0.45)	0.37 (0.31－0.42)	<0.001
MCV (fL)	82.00－100.00	89.68 (86.58－92.60)	91.34 (87.15－93.55)	0.201
MCH (pg)	27.00－34.00	30.82 (30.00－32.03)	30.90 (29.60－32.45)	0.810
MCHC (g·L^－1)	316.00－354.00	344.69 (340.75－349.00)	337.79 (327.50－347.50)	<0.001
RDW (%)	11.00－16.00	11.65 (11.20－11.90)	13.76 (12.55－14.65)	<0.001
Platelets (×10⁹ L^－1)	125.00－350.00	201.83 (159.25－230.50)	193.08 (125.00－281.00)	0.342
MPV (fL)	6.50－12.00	9.40 (8.58－10.10)	10.79 (9.70－11.55)	<0.001
PDW (%)	9.00－17.00	12.81 (10.65－14.35)	12.32 (10.50－12.90)	0.216
PCT (%)	0.11－0.29	0.19 (0.14－0.20)	0.20 (0.14－0.29)	0.485
Biochemical parameter
AST (U·L^－1)	13.00－40.00	29.30 (20.00－30.00)	52.50 (18.20－78.35)	0.041
ALT (U·L^－1)	7.00－50.00	34.23 (19.00－45.00)	43.25 (12.80－63.95)	0.617
GGT (U·L^－1)	7.00－60.00	34.30 (15.00－40.00)	72.33 (18.50－113.70)	<0.001
CHE (U·L^－1)	5 000－12 000	8 032 (6 885－9 045)	4 865 (3 811－5 828)	<0.001
TP (g·L^－1)	65.0－85.0	68.43 (65.00－72.00)	60.60 (56.30－64.60)	<0.001
ALB (g·L^－1)	40.0－55.0	44.30 (42.20－45.90)	30.95 (26.55－35.70)	<0.001
GLB (g·L^－1)	20.0－40.0	24.08 (21.60－26.70)	29.65 (26.35－33.30)	<0.001
A/G	1.20－2.40	1.89 (1.66－2.06)	1.08 (0.86－1.18)	<0.001
TBIL (μmol·L^－1)	≤23.00	10.00 (6.70－13.20)	19.61 (9.80－25.50)	<0.001
DBIL(μmol·L^－1)	≤8.00	4.10 (3.10－5.10)	8.78 (3.00－9.55)	<0.001
IBIL (μmol·L^－1)	5.10－21.40	5.87 (3.40－7.50)	10.83 (6.45－13.15)	<0.001
Urea (mmol·L^－1)	3.10－8.00	3.96 (3.07－4.75)	6.12 (3.88－8.24)	<0.001
Cr (μmol·L^－1)	57.00－97.00	67.90 (57.50－77.00)	70.08 (47.25－84.38)	0.207
CO₂-CP (mmol·L^－1)	22.00－29.00	20.74 (18.9－22.4)	25.78 (24.23－27.80)	<0.001
Glu (mol·L^－1)	3.89－6.11	6.62 (5.53－6.79)	6.38 (5.01－7.26)	0.392
K⁺ (mmol·L^－1)	3.50－5.30	4.14 (3.90－4.40)	3.95 (3.60－4.30)	0.036
Na⁺ (mmol·L^－1)	137.00－147.00	138.50 (137.00－140.00)	136.74 (134.00－140.00)	0.021
Cl^－ (mmol·L^－1)	99.00－110.00	99.73 (97.25－102.00)	101.54 (98.00－104.00)	0.030

表4

图1

图2

图3

图4

参考文献 30

1	ZHANG Z， NAVARESE E P， ZHENG B， et al.Analytics with artificial intelligence to advance the treatment of acute respiratory distress syndrome［J］. J Evid Based Med，2020，13（4）： 301-312.
2	LEI H， LI Y， XIAO S， et al.Routes of transmission of influenza A H1N1， SARS CoV， and norovirus in air cabin： Comparative analyses［J］.Indoor Air，2018，28（3）： 394-403.
3	SULLIVAN S J， JACOBSON R M， DOWDLE W R， et al.2009 H1N1 influenza［J］. Mayo Clin Proc，2010， 85（1）： 64-76.
4	SCHOEN K， HORVAT N， GUERREIRO N F C， et al.Spectrum of clinical and radiographic findings in patients with diagnosis of H1N1 and correlation with clinical severity［J］. BMC Infect Dis，2019，19（1）： 964.
5	GAO H N， LU H Z， CAO B， et al.Clinical findings in 111 cases of influenza A （H7N9） virus infection［J］. N Engl J Med，2013，368（24）： 2277-2285.
6	COBB N L， SATHE N A， DUAN K I， et al.Comparison of clinical features and outcomes in critically Ill patients hospitalized with COVID-19 versus influenza［J］.Ann Am Thorac Soc，2021，18（4）：632-640.
7	SUN Y， KOH V， MARIMUTHU K， et al.Epidemiological and clinical predictors of COVID-19［J］. Clin Infect Dis，2020，71（15）： 786-792.
8	TIAN S， ZHU X， SUN X， et al.A Prognostic model to predict recovery of COVID-19 patients based on longitudinal laboratory findings［J］.Virol Sin，2020，35（6）： 811-819.
9	WANG L， GAO P， ZHANG M， et al.Prevalence and ethnic pattern of diabetes and prediabetes in China in 2013［J］. JAMA，2017，317（24）： 2515-2523.
10	WANG L， CHANG L S， LEE I K， et al.Clinical diagnosis of pandemic A（H1N1） 2009 influenza in children with negative rapid influenza diagnostic test by lymphopenia and lower C-reactive protein levels［J］. Influenza Other Respir Viruses，2014， 8（1）： 91-98.
11	LI Y， WANG H， WANG F， et al.Comparison of hospitalized patients with pneumonia caused by COVID-19 and influenza A in children under 5 years［J］. Int J Infect Dis，2020，98： 80-83.
12	CHEN Y， LIANG W， YANG S， et al.Human infections with the emerging avian influenza A H7N9 virus from wet market poultry： clinical analysis and characterisation of viral genome［J］.Lancet，2013，381（9881）： 1916-1925.
13	ONG A K， CHEN M I， LIN L， et al.Improving the clinical diagnosis of influenza--a comparative analysis of new influenza A （H1N1） cases［J］. PLoS One，2009，4（12）： e8453.
14	FLICK H， DRESCHER M， PRATTES J， et al.Predictors of H1N1 influenza in the emergency department： proposition for a modified H1N1 case definition［J］. Clin Microbiol Infect，2014，20（2）： O105-108.
15	KUMAR A， ZARYCHANSKI R， PINTO R， et al.Critically ill patients with 2009 influenza A（H1N1） infection in Canada［J］.JAMA，2009，302（17）：1872-1879.
16	RODRIGUEZ-NORIEGA E， GONZALEZ-DIAZ E， MORFIN-OTERO R， et al.Hospital triage system for adult patients using an influenza-like illness scoring system during the 2009 pandemic--Mexico［J］.PLoS One，2010，5（5）： e10658.
17	PEREZ-PADILLA R， DE LA ROSA-ZAMBONI D， PONCE DE LEON S， et al.Pneumonia and respiratory failure from swine-origin influenza A （H1N1） in Mexico［J］. N Engl J Med，2009，361（7）： 680-689.
18	NSEIR S， CAVESTRI B， DI POMPEO C， et al.Factors predicting bacterial involvement in severe acute exacerbations of chronic obstructive pulmonary disease［J］. Respiration，2008，76（3）： 253-260.
19	SALVAGNO G L， SANCHIS-GOMAR F， PICANZA A， et al.Red blood cell distribution width： A simple parameter with multiple clinical applications［J］. Crit Rev Clin Lab Sci，2015，52（2）： 86-105.
20	WEISS G， GOODNOUGH L T.Anemia of chronic disease［J］. N Engl J Med，2005， 352（10）： 1011-1023.
21	CHEN N， ZHOU M， DONG X， et al.Epidemiological and clinical characteristics of 99 cases of 2019 novel coronavirus pneumonia in Wuhan， China： a descriptive study［J］. Lancet，2020，395（10223）： 507-513.
22	SKEVAKI C， FRAGKOU P C， CHENG C， et al.Laboratory characteristics of patients infected with the novel SARS-CoV-2 virus［J］. J Infect，2020，81（2）： 205-212.
23	ZHANG J， ZHAO Y， CHEN Y.Laboratory findings in patients with avian-origin influenza A （H7N9） virus infections［J］. J Med Virol，2014，86（5）： 895-898.
24	TO K K， SONG W， LAU S Y， et al.Unique reassortant of influenza A（H7N9） virus associated with severe disease emerging in Hong Kong［J］. J Infect， 2014，69（1）： 60-68.
25	PAN F， XIAO X， GUO J， et al.No evidence of severe acute respiratory syndrome-coronavirus 2 in semen of males recovering from coronavirus disease 2019［J］. Fertil Steril，2020，113（6）： 1135-1139.
26	ABELLEIRA R， RUANO-RAVINA A， LAMA A， et al.Influenza A H1N1 community-acquired pneumonia： characteristics and risk factors-A case-control study［J］. Can Respir J，2019，2019： 4301039.
27	CHENG X， LIU YM， LI H， et al.Metformin is associated with higher incidence of acidosis， but not mortality， in individuals with COVID-19 and pre-existing type 2 diabetes［J］.Cell Metablism，2020，32（4）： 537-547.e533.
28	TANG X， DU R H， WANG R， et al.Comparison of hospitalized patients with ARDS caused by COVID-19 and H1N1［J］. Chest，2020，158（1）： 195-205.
29	ZHANG Y， LIU J， YU L， et al.Prevalence and characteristics of hypoxic hepatitis in the largest single-centre cohort of avian influenza A（H7N9） virus-infected patients with severe liver impairment in the intensive care unit［J］. Emerg Microbes Infect，2016，5： e1.
30	MAKKOCH J， PRACHAYANGPRECHA S， PAYUNGPORN S， et al.Erythrocyte binding preference of human pandemic influenza virus a and its effect on antibody response detection［J］. Ann Lab Med，2012，32（4）： 276-282.

Hospital	Biochemical equipment	Hematological equipment
First Hospital of Jilin University
Instrument	7600-210	XN-9000	CS-5100
Manufacturer	Hitachi High-Technologies	Sysmex Corp.	Sysmex Corp.
Origin	Tokyo, Japan	Hyogo, Japan	Hyogo, Japan
Changchun Infectious Disease Hospital
Instrument	CS-T300	DF53	OCG-102
Manufacturer	Dirui Industrial Co.	Dymind Biotechnology Co	Wondfo Biotech Co.
Origin	Changchun, China	Shenzhen, China	Guangzhou, China
Siping Infectious Disease Hospital
Instrument	Pointcare M3i	ABX Pentra XL 80	CS-2500
Manufacturer	Mnchip Technology Co.	Horiba Medical	Sysmex Corp.
Origin	Tianjin, China	Montpellier, France	Hyogo, Japan
Jilin Infectious Disease Hospital
Instrument	AU480	XN-1000	SF-8100
Manufacturer	Beckman Coulter Inc.	Sysmex Corp.	Beijing Succeeder Technology Inc.
Origin	Brea, the United States	Hyogo, Japan	Beijing, China

Item	COVID-19 (n=56)	Influenza A (n=54)	P
Hospitalized time（t/d)	18 (15－20) 18 (11－20)	7 (5－10) 6 (4－9)	<0.001
Male	31 (55.4)	36 (66.7)	0.246
Age(year)	40 (28－51)	63 (48－71)	<0.001
Clinical characteristics
Fever	46 (82.1)	29 (53.7)	0.002
Cough	44 (78.6)	19 (35.2)	<0.001
Hemoptysis	1 (1.8)	1 (1.9)	0.743
Headache	6 (10.7)	2 (3.7)	0.271
Chest pain	2 (3.6)	2 (3.7)	0.677
Fatigue	20 (35.7)	9 (16.7)	0.030
Muscle pain	9 (16.1)	4 (7.4)	0.238
Dyspnea	6 (10.7)	11 (20.4)	0.193
Abdominal pain or diarrhea	6 (10.7)	6 (11.1)	0.593
Data were presented as median (P₂₅－P₇₅) or No.(%).

Item	COVID-19 (n=24)	Influenza A (n=30)	P
Hospitalized time(t/d)	21 (19－24) 18 (11－20)	3 (2－4) 6 (4－9)	<0.001
Male	11 (46)	17 (57)	0.429
Age(year)	40 (31－49)	54 (40－72)	0.011
Clinical characteristics
Fever	20 (83)	16 (53)	0.020
Cough	15 (63)	8 (27)	0.008
Hemoptysis	1 (4)	0 (0)	0.690
Headache	4 (17)	2 (7)	0.245
Chest pain	1 (4)	0 (0)	0.259
Fatigue	9 (38)	4 (13)	0.039
Muscle pain	3 (13)	2 (7)	0.462
Dyspnea	2 (8)	1 (3)	0.425
Abdominal pain or diarrhea	1 (4)	1 (3)	0.872
Data were presented as median (P₂₅－P₇₅) or No. (%).

[1]	苏松,王洪波,马瑜聪,方昕,刘俊荣,乔红梅. 川崎病并发咽旁间隙炎性改变1例报告及文献复习[J]. 吉林大学学报(医学版), 2022, 48(1): 228-233.
[2]	嵇朋,郭向东,孙根,寇启星,屈雪萍,孙雅静,江利敏. Rho/ROCK信号通路在阻塞性睡眠呼吸暂停低通气综合征大鼠急性缺血性卒中发生中的作用[J]. 吉林大学学报(医学版), 2021, 47(5): 1178-1186.
[3]	王平丽,张申伟,李江. 香叶木素对异丙肾上腺素诱导的小鼠心肌肥大的抑制作用及其机制[J]. 吉林大学学报(医学版), 2021, 47(4): 958-964.
[4]	张旭,刘乃萌,马娇艳,林楠,孙珉丹. 线粒体分裂融合蛋白表达失衡在IgA肾病小鼠肾脏病理学变化中的作用[J]. 吉林大学学报(医学版), 2021, 47(2): 284-291.
[5]	郭飞, 朱林, 许红, 谢宗玉, 张莉, 邓雪飞. 新型冠状病毒肺炎患者胸部MSCT影像表现与预后的关联性分析[J]. 吉林大学学报(医学版), 2020, 46(04): 867-874.
[6]	张胜男, 余欣, 李倩, 麻海春, 连鑫, 庞磊. 改良粪便排泄物引流装置在COVID-19危重症患者救治中预防医护人员职业暴露感染的应用[J]. 吉林大学学报(医学版), 2020, 46(03): 625-629.
[7]	马翠, 严兴科. 新型冠状病毒肺炎疫情的心理应激反应和防控策略研究进展[J]. 吉林大学学报(医学版), 2020, 46(03): 649-654.
[8]	刘羽, 任雪, 孙越, 杨晨曦, 许茜. 以消化道症状为首发表现的妊娠期新型冠状病毒肺炎诊治体会[J]. 吉林大学学报(医学版), 2020, 46(02): 408-412.
[9]	王馨梦, 李启阳, 刘超, 肖建英. 微球蛋白1对胃癌细胞侵袭和迁移的影响及其机制[J]. 吉林大学学报(医学版), 2019, 45(02): 251-257.
[10]	张胜, 朴金花, 梁雪. 川崎病伴有关节受累患儿的临床特征分析[J]. 吉林大学学报(医学版), 2018, 44(04): 820-824.
[11]	柯海劲, 陈小燕, 郭勇, 罗丽辉, 吴婕翎. 牛奶蛋白过敏婴幼儿常见过敏原sIgE阳性率分析[J]. 吉林大学学报(医学版), 2018, 44(02): 363-367.
[12]	田丹, 孙新, 安晓婷, 张立岩, 刘杨, 佟海滨, 李坦, 申野, 满枋霖, 颜伟群. HSA-TP5融合基因表达载体的构建及其真核表达[J]. 吉林大学学报(医学版), 2017, 43(05): 948-952.
[13]	陈丽燕, 唐颖, 张俐, 斯琴, 许力军. 支气管哮喘患者外周血中白细胞介素22水平的检测及其临床意义[J]. 吉林大学学报(医学版), 2017, 43(02): 349-352.
[14]	魏雁虹, 宋帅, 耿辉, 刁斌斌, 杨广民. 慢性乙型肝炎患者血清α1微球蛋白检测的临床意义[J]. 吉林大学学报(医学版), 2017, 43(01): 96-100.
[15]	朱超婕, 朱超, 李光宇, 裴颖. Ca²⁺与Calpain在白内障形成过程中作用及其机制的研究进展[J]. 吉林大学学报(医学版), 2016, 42(02): 414-418.

基于实验室指标的新型冠状病毒肺炎和甲型流感鉴别诊断模型的建立及其临床意义

Establishment of differential diagnostic model for COVID-19 and influenza A based on laboratory indicators and its clinical significance

RichHTML

PDF (PC)

赞

可视化

摘要/Abstract

引用本文

使用本文

图/表 8

参考文献 30

相关文章 15

Metrics

本文评价

推荐阅读 0