Модели прогнозирования для диагностики и прогноза COVID-19: систематический обзор и критическая оценка

Цель: провести обзор и оценить валидность и практическую полезность опубликованных отчетов и препринтов о моделях прогнозирования для диагностики коронавирусной болезни 2019 года (COVID-19) у пациентов с подозрением на инфекцию, прогнозирования исходов у пациентов с COVID-19, а также выявления людей в общей популяции с повышенным риском инфицирования COVID-19 или госпитализации по поводу этого заболевания. Дизайн: продолжающийся систематический обзор и критическая оценка, выполненные группой COVID-PRECISE (Precise Risk Estimation to Optimise COVID-19 Care for Infected or Suspected Patients in Diverse Settings — точная оценка риска для оптимизации помощи пациентам с подтвержденной или предполагаемой инфекцией COVID-19 в различных условиях). Источники данных: PubMed и Embase через Ovid по 1 июля 2020 года включительно, дополненные данными arXiv, medRxiv и bioRxiv по 5 мая 2020 года включительно. Отбор исследований: исследования, в которых разрабатывалась или валидировалась многомерная модель прогнозирования, связанная с COVID-19. Извлечение данных: не менее двух авторов независимо извлекали данные с использованием контрольного перечня CHARMS (Critical Appraisal and Data Extraction for Systematic Reviews of Prediction Modelling Studies — критическая оценка и извлечение данных для систематических обзоров исследований моделей прогнозирования); риск систематической ошибки оценивали с помощью PROBAST (Prediction Model Risk of Bias Assessment Tool — инструмента оценки риска систематической ошибки моделей прогнозирования). Результаты: было проверено 37 421 название публикаций; в обзор включили 169 исследований, описывавших 232 модели прогнозирования. В обзоре выявлено семь моделей для определения лиц группы риска в общей популяции, 118 диагностических моделей для выявления COVID-19 (75 основаны на методах медицинской визуализации, 10 предназначены для диагностики тяжести заболевания) и 107 прогностических моделей для прогнозирования риска смерти, прогрессирования до тяжелого заболевания, поступления в отделение интенсивной терапии, проведения вентиляции легких или интубации, а также длительности госпитализации. Наиболее часто в модели прогнозирования COVID-19 включали такие типы предикторов, как показатели жизненно важных функций, возраст, сопутствующие заболевания и признаки, выявляемые при визуализации. Гриппоподобные симптомы часто являлись прогностическими признаками в диагностических моделях, тогда как пол, C-реактивный белок и число лимфоцитов часто использовались как прогностические факторы. Сообщавшиеся оценки индекса C, полученные при наиболее строгой доступной для каждой модели валидации, находились в диапазоне от 0,71 до 0,99 в моделях прогнозирования для t...