新型冠状病毒肺炎病情严重程度与预后指标相关性的Meta分析

王继婷 ，李俊 ，田塬 ，李亚玲

本文创新点：

本研究单独报道的新型冠状病毒肺炎（COVID-19）预后指标通过Meta分析的方法整合起来研究其与病情严重程度的关系，现目前此类研究较少，并且与过往相关研究进行比较，本篇Meta分析添加了D-二聚体（D-dimer）以及淋巴细胞计数（LYM）两个重要预后指标，为COVID-19的病情预测，预后评估提供更明确参考。

本文局限性：

（1）纳入文献样本量较小；（2）纳入患者病情严重程度不同结合年龄差异较大导致研究之间的降钙素原（PCT）和白介素-6（IL-6）的值差异较大，置信区间重叠较小，因而异质性较大；（3）纳入的研究大多缺乏分配隐藏和双盲的实施，可能存在选择偏倚。故此结论尚需更多高质量、多中心、大样本的随机对照试验进一步证实。

新型冠状病毒肺炎（coronavirus disease 2019，COVID-19）是一种由严重急性呼吸综合征冠状病毒2（SARS-CoV-2）感染引起的肺炎，传染力强，目前已成为国际社会特别关注的突发公共卫生事件［1］。该病病原体属于β属冠状病毒，主要通过呼吸道飞沫和密切接触传播，人群普遍易感［2］。尽管大多数患者预后良好，但部分患者在发病后迅速出现呼吸困难和低氧血症，进而发展为急性呼吸窘迫综合征（acute respiratory distress syndrome，ARDS），甚至多器官衰竭，病死率较高［3］。根据新型冠状病毒肺炎诊疗方案（试行第七版）［4］，病情严重程度分为轻型、普通型、重型及危重型4类。临床上如何早期识别潜在重症病例，避免轻型和普通型患者向重症甚至危重型转化，如何评估COVID-19的预后以及预测COVID-19的转归，是临床工作中的一大难题。非常有必要利用文献及临床数据对其进行分析评估，以便为提高医院整体防病治病能力。因此本研究旨在利用Meta分析的方法探讨降钙素原（PCT）、C反应蛋白（CRP）、白介素-6（IL-6）、D-二聚体（D-dimer）以及淋巴细胞计数（LYM）与COVID-19病情严重程度的关系，为临床预测COVID-19病情转归及评估预后提供循证医学参考。

1 资料与方法

1.1 纳入与排除标准

1.1.1 纳入标准 研究类型：国内外公开发表的随机对照试验，限制语种为中、英文。研究对象：疾病严重程度分型不同的COVID-19患者，患者年龄、性别、国籍不限。组别：患者分为重型组和非重型组 （A：非重症组vs重症组）或死亡组和存活组 （B：存活组vs死亡组）。预后指标：PCT、CRP、IL-6、D-dimer、LYM。

1.1.2 排除标准 （1）临床前研究；（2）试验数据报告不完整且无法联系原作者取得原始数据的研究；（3）重复发表的文献；（4）综述；（5）无法获取全文。

1.2 文献检索策略 计算机检索The Cochrane Library、EMBase、PubMed、Web of Science、SinoMed、中国知网、万方数据知识服务平台、维普网。中文检索词为“新冠肺炎、降钙素原、C反应蛋白、白介素-6、D-二聚体、淋巴细胞计数”；英文检索词为“COVID-19，Procalcitonin，C-reactive protein，Interleukin-6，D-dimer，Lymphocyte count”。检索时限为各数据库建库至2020-09-03。

1.3 数据提取与质量评价 由两名研究者独立检索文献，根据纳入与排除标准筛选文献并交叉核对，如遇分歧通过讨论解决或请第3名研究者协商裁定。提取资料包括第一作者、发表年份、组别、例数、年龄、预后指标等。采用改良Jadad量表评价纳入研究质量，具体包括：随机序列的产生（恰当2分，不清楚1分，不恰当0分）、分配隐藏（恰当2分，不清楚1分，不恰当0分）、盲法（实施2分，不清楚1分，未实施0分）、撤出与失访（描述1分，未描述0分）；0～3分为低质量研究，4～7分为高质量研究。

1.4 统计学方法 采用Stata 12.0软件进行Meta分析。连续型变量采用标准化均数差（SMD）及其95%CI表示。若各研究间无统计学异质性（P＞0.100，I2＜50%），采用固定效应模型进行分析；反之，则采用随机效应模型进行分析。若各研究间存在统计学异质性，解析异质性来源，对可能导致异质性产生的因素进行亚组解析。若两个研究组之间存在统计学异质性而无临床异质性或差异无统计学意义时，采用随机效应模型进行分析。通过逐篇排除文献后重新合并计算进行敏感性分析。两组间异质性过大或无法寻找数据来源时，采用描述性分析。采用Egger's检验进行发表偏倚分析。以P＜0.05为差异有统计学意义。

2 结果

2.1 文献检索结果 初步检索得到相关文献365篇，采用EndNote X9软件去除重复发表的文献，经仔细阅读题目、摘要及全文后，最终纳入文献15篇［5-19］，均为中文文献，共计1 476例患者。文献筛选流程见图1。

图1 文献筛选流程图Figure 1 Flow chart of literature screening

2.2 纳入研究基本信息及质量评价 纳入研究的基本信息见表1。采用改良Jadad量表对其进行质量评价，Jadad评分均在4～5分之间，均为高质量文献。

表1 纳入研究基本信息Table 1 Basic information of included studies

2.3 Meta分析结果

2.3.1 PCT 共8篇文献［5-9，11-13］报道了非重症组与重症组患者的PCT情况；异质性检验结果显示，I2=97.2%，P＜0.001，采用随机效应模型进行Meta分析，结果显示，重症组患者的PCT高于非重症组，差异有统计学意义〔SMD=-2.28，95%CI（-3.60，-0.98），P＜0.001，见图 2〕。共 2 篇文献［7，10］报道了存活组与死亡组患者的PCT情况，异质性检验结果显示，I2=95.7%，P＜0.001，采用随机效应模型进行Meta分析，结果显示，死亡组患者的PCT高于存活组，差异有统计学意义〔SMD=-4.11，95%CI（-9.98，1.76），P=0.007，见图 3〕。

2.3.2 CRP 共 10 篇文献［5-7，9，11-13，16-18］报道了非重症组与重症组患者的CRP情况，异质性检验结果显示，I2=97.6%，P＜0.001，采用随机效应模型进行Meta分析，结果显示，重症组患者的CRP高于非重症组，差异有统计学意义〔SMD=-2.23，95%CI（-3.38，-1.07），P＜0.001，见图 2〕。共 4 篇文献［7，10，14-15］报道了死亡组与存活组患者的CRP情况，异质性检验结果显示，I2=90.7%，P＜0.001，采用随机效应模型进行Meta分析，结果显示，死亡组患者的CRP高于存活组，差异有统计学意义〔SMD=-2.73，95%CI（-4.21，-1.25），P＜0.001，见图3〕。

2.3.3 LYM 共 6 篇文献［5-6，8，11-12，18］报道了非重症组与重症组患者的LYM情况，异质性检验结果显示，I2=95.5%，P＜0.001，采用随机效应模型进行Meta分析，结果显示，重症组患者的LYM高于非重症组，差异有统计学意义〔SMD=1.41，95%CI（0.34，2.48），P＜0.001， 见 图 2〕。 共 4篇 文献［10，14-15，19］报道了死亡组与存活组患者的LYM情况，异质性检验结果显示，I2=93.2%，P＜0.001，采用随机效应模型进行Meta分析，结果显示，死亡组患者的LYM低于存活组，差异有统计学意义〔SMD=2.08，95%CI（0.93，3.22），P＜0.001，见图 3〕。

2.3.4 IL-6 共5篇文献［7-8，11-13］报道了非重症组与重症组患者的IL-6情况，异质性检验结果显示，I2=97.9%，P＜0.001，采用随机效应模型进行Meta分析，结果显示，重症组患者的IL-6高于非重症组，差异有统计学意义〔SMD=-2.97，95%CI（-4.94，-1.00），P＜0.001，见图 2〕。共 2篇文献［7，14］报道了死亡组与存活组患者的IL-6情况，异质性检验结果显示，I2=0，P=0.343，采用固定效应模型进行Meta分析，结果显示，死亡组患者的IL-6高于存活组，差异有统计学意义〔SMD=-3.79，95%CI（-4.90，-2.67），P＜0.001，见图 3〕。

2.3.5 D-dimer 共5篇文献［8-9，16-18］报道了非重症组与重症组患者的D-dimer情况，异质性检验结果显示，I2=97.2%，P＜0.001，采用随机效应模型进行Meta分析，结果显示，重症组患者的D-dimer高于非重症组，差异有统计学意义〔SMD=-1.22，95%CI（-2.66，0.21），P=0.008，见图 2〕。共2篇文献［10，15］报道了死亡组与存活组患者的D-dimer情况，异质性检验结果显示，I2=80.2%，P=0.025，采用随机效应模型进行Meta分析，结果显示，死亡组患者的D-dimer高于存活组，差异有统计学意义〔SMD=-0.68，95%CI（-1.46，0.09），P=0.009，见图3〕。

图2 非重症组与重症组患者PCT、CRP、LYM、IL-6、D-dimer比较的森林图Figure 2 Forest plot of PCT，CRP，LYM，IL-6 and D-dimer levels in severe and non-severe COVID-19 patients

图3 存活组与死亡组PCT、CRP、IL-6、LYM、D-dimer比较的森林图Figure 3 Forest plot of PCT，CRP，LYM，IL-6 and D-dimer levels in survived and deceased COVID-19 patients

2.4 敏感性分析 由于本文纳入的COVID-19患者病情严重程度不同，患者年龄差距也较大，因此不同年龄段患者的预后指标数值差距较大，这可能是异质性的主要来源。对于A组来说，每项研究的异质性均较大，因此每次将一项纳入研究剔除后，将剩余研究进行合并，分析单项研究对合并结果的影响，发现逐一剔除敏感性分析中置信区间重叠率较小的文献后，异质性明显下降（I2=50.3%，0，0，0，45.9%）。在B组的纳入文献中，PCT、IL-6，D-dimer均只有两项研究，因此无法进行敏感性分析降低异质性，而CRP和LYM无论剔除哪一篇文献，异质性均较大。敏感性分析结果详见图4～5。A组PCT、CRP、LYM、IL-6、D-dimer这五个指标进行敏感性分析后，逐一排除导致异质性较大的文献，重新进行Meta分析获得了异质性符合要求的结果，PCT：I2=50.3%，〔SMD=-0.56，95%CI （-1.05，-0.07），P=0.003〕；CRP：I2=0，〔SMD=-0.72，95%CI （-0.93，-0.51），P＜0.001〕；LYM：I2=0，〔SMD=2.48，95%CI （1.84，3.11），P＜0.001〕；IL-6：I2=0，〔SMD=-5.06，95%CI （-6.37，-3.76），P＜0.001〕；D-dimer：I2=45.9%，〔SMD=-0.57，95%CI （-1.09，-0.06），P=0.003）〕（见图6）。

图4 A组PCT、CRP、LYM、IL-6、D-dimer的敏感性分析结果图Figure 4 Sensitivity analysis results of PCT，CRP，LYM，IL-6，and D-dimer in severe and non-severe COVID-19 patients

图5 B组PCT、CRP、LYM、IL-6、D-dimer的敏感性分析结果图Figure 5 Sensitivity analysis results of PCT，CRP，LYM，IL-6，and D-dimer in survived and deceased COVID-19 patients

图6 A组敏感性分析后Meta分析森林图Figure 6 Forest plot of meta-analysis after sensitivity analysis in severe and non-severe COVID-19 patients

2.5 发表偏倚分析 以CRP、D-dimer为指标进行发表偏倚分析，采用Egger's检验进行发表偏倚分析，以每一个独立研究SMD对数的标准误为横坐标，每一个独立研究SMD的对数为纵坐标，绘制漏斗图，详见图7。结果显示Egger's检验P为0.237，提示存在发表偏倚的可能性较小。

图7 基于CRP、D-dimer的漏斗图Figure 7 Funnel plot assessing publication bias based on CRP and D-dimer

3 讨论

作为呼吸道新型传染疾病，SARS-CoV-2首先会攻击肺脏，传染性极强，传播速度很快，已纳入《中华人民共和国传染病防治法》并按甲类传染病管理的乙类传染病进行管理［4］。目前临床对其病情轻重判断、预后情况等很多相关问题仍在不断认识完善中，通过运用Meta分析的方法探寻COVID-19患者病情严重程度和预后指标（CRP、PCT、IL-6、D-dimer、LYM）之间的关系，可以为临床发现潜在重症病例以及评估患者预后提供循证证据，为相关治疗规程及操作指南的形成提供参考。

SARS-CoV-2入侵人体引起一系列炎症瀑布反应，导致一些炎性指标、免疫指标以及凝血指标发生病理性改变。机体中CRP是一种急性时相反应蛋白质，当机体遭受损伤或微生物入侵发生炎性刺激时快速升高，是一种非特异的炎性标志物，细菌感染时升高明显，病毒感染时升高不明显，可鉴别诊断细菌或病毒感染，已有研究证明CRP水平与炎症的严重程度相关［20-21］。IL-6也是一种非特异性炎性指标，机体受炎性刺激后1 h之内升高，2 h达峰值，且能诱导CRP和PCT升高［22］。PCT在炎症刺激特别是细菌感染或脓毒血症状态下，体内含量急剧升高，病毒感染时不升高或轻微升高［23］。根据血清中PCT含量，可鉴别诊断细菌感染或病毒感染，也可辨别病毒感染后有无继发细菌感染［24］。COVID-19患者中50%可出现D-dimer升高，当前有研究发现D-dimer升高可能是COVID-19预后不良的危险因素［25-27］。钟南山院士团队发表的1 099例 COVID-19患者临床研究中提到，83.2%的患者有LYM减少表现［28］，余小梅等［19］研究发现LYM减少是患者死亡的独立预测因子。淋巴细胞数目越低，患者预后越差。

综上所述，PCT、CRP、LYM、IL-6、D-dimer可能是COVID-19的预后判定指标，但是缺乏大量的循证学证据证明病情严重程度和预后指标的关系，本文通过Meta分析的方法，对现有文献证据进行综合分析，结果显示重症组的PCT、CRP、IL-6、D-dimer均高于非重型组，LYM低于非重型组；死亡组的PCT、CRP、IL-6、D-dimer均高于存活组，LYM均低于存活组，说明PCT、CRP、IL-6、D-dimer可能和病情严重程度呈正相关，LYM可能和病情严重程度呈负相关；PCT、CRP、LYM、IL-6、D-dimer有利于发现潜在重症病例，对病情严重程度具有预测作用，并且作为预后指标对患者进行预后评估。但在分析过程中，发现由于本文纳入的COVID-19患者病情严重程度不同，患者年龄差距也较大，因此不同年龄段患者的预后指标数值差距较大，这可能是异质性的主要来源。对于A组来说，每项研究的异质性均较大，因此每次将一项纳入研究剔除后，将剩余研究进行合并，分析单项研究对合并结果的影响，发现逐一剔除敏感性分析中置信区间重叠率较小的文献后，异质性明显下降（I2=50.3%、0、0、0、45.9%）。在B组的纳入文献中，PCT、IL-6，D-dimer均只有两项研究，因此无法进行敏感性分析降低异质性，而CRP和LYM无论剔除哪一篇文献，异质性均较大，分析原因可能是患者的病情严重程度不同结合年龄差异（如有些重型患者年龄较大，有些非重型患者年龄较大）这两个因素的综合作用，导致纳入研究之间的预后指标值差异均较大，因而异质性无法降低。

作者贡献：王继婷、李亚玲进行文章的构思与设计、撰写论文；王继婷、李俊进行研究的实施与可行性分析；王继婷、田塬进行数据收集；田塬进行数据整理；王继婷进行统计学处理；李俊进行结果的分析与解释，论文的修订；李亚玲负责文章的质量控制及审校，对文章整体负责，监督管理。

本文无利益冲突。