Eredeti cikk dátuma: 2021. március 1.
Eredeti cikk címe: Outcomes of COVID-19 With the MayoClinic Model of Care and Research
Eredeti cikk szerzői: John CharlesO’HoroMD, MPH James R.CerhanMD, PhD Elliot J.Cahn BA, Philippe R.BauerMD, PhD ZelalemTemesgenMD, JonEbbertMD, AndyAbril MD, Omar M.Abu Saleh MBBS, Mariam Assi MD, Elie F.Berbari MD, Dennis M.Bierle MD, Wendelyn Bosch MD, Charles D.Burger MD, Edison J.Cano Cevallos MD, Casey M.Clements MD, PhD Eva M.Carmona Porquera MD, PhD Natalia E.Castillo Almeida MD, Douglas W.Challener MD, SupavitChesdachai MD, Isin Y.Comba MD, Cristina G.Corsini Campioli MD, Sarah J.Crane MD, Ala S.Dababneh MD, Mark J.Enzler MD, Hind J.Fadel MD, PhD Ravindra Ganesh MBBS, MD Alice Gallo De Moraes MD, John R.Go MD, Joel E.Gordon MD, Pooja R.Gurram MBBS, Pramod K.Guru MBBS, MD, Erika L.Halverson APRN, CNP Michael F.Harrison MD, PhD Heather A.Heaton MD, MS RyanHurt MD, Mary J.Kasten MD, Augustine S.Lee MD, Emily R.Levy MD, Claudia R.Libertin MD, Jorge M.MalleaMD, William F.Marshall III MD, Gautam Matcha MD, Anne M.Meehan MB, BCh, PhD Pablo Moreno Franco MD, William G.MoriceII MD, PhDlJennifer J.O’Brien MD, PhD Richard Oeckler MD, PhD Steve Ommen MD, Caitlin P.Oravec PA-C, MS Robert Orenstein DO Natalie J.Ough PA-C Raj Palraj MBBS, MD Bhavesh M.Patel MD, Vincent S.Pureza MD, PhD BrianPickering MB, BCh David M.Phelan MD, Raymund Razonable MD,Stacey Rizza MD, Priya Sampathkumar MD, Devang K.Sanghavi MBBS, MD Ayan Sen MD, Jason L.Siegel MD, KaiSingbartl MD, Aditya S.Shah MBBS , FNU Shweta MBBS Leigh L.Speicher MD, MPH Gina Suh MD, HussamTabaja Jr.MD, AaronTande MD, Henry H.Ting MD, MBA Russell C.Tontz III MD, MPH James J.Vaillant MD, MS Paschalis Vergidis MD, Mohamed Y.Warsame MB, ChB Zachary A.Yetmar MD, Catherine (Cate) D.Zomok PA-C Amy W.Williams MD, Andrew D.Badley MD
Eredeti cikk elérhetősége: https://www.sciencedirect.com/science/article/pii/S0025619620314622
Eredeti cikk státusza: Végleges
Fordító(k): dr. Szilassy Tekla
Lektor(ok): dr. Serly Julianna
Nyelvi lektor(ok): Rét Anna
Szerkesztő(k): Csornainé Nagy Ágnes

Figyelem! Az oldalon megjelenő cikkek esetenként politikai jellegű megnyilvánulásokat is tartalmazhatnak. Ezek nem tekinthetők a fordítócsoport politikai állásfoglalásának, kizárólag az eredeti cikk írójának véleményét tükrözik. Fordítócsoportunk szigorúan politikamentes, a cikkekben esetlegesen fellelhető politikai tartalommal kapcsolatosan semmiféle felelősséget nem vállal, diskurzust, vitát, bizonyítást vagy cáfolatot nem tesz közzé.

Az oldalon található információk nem helyettesítik a szakemberrel történő személyes konzultációt és kivizsgálást, ezért kérjük, minden esetben forduljon szakorvoshoz!


Absztrakt

Célkitűzés

Jelentés a Mayo Klinika tapasztalatairól a COVID19-betegség kimenetelével összefüggésben. 

Módszerek

A COVID19-cel diagnosztizált, a Mayo Klinika bármelyik részlegén 2020. március 1. és 2020. július 31. között kezelt betegek kórlapjainak retrospektív áttekintését végeztük. Kiemeltük a betegekre vonatkozó jellemzőket, mint például az életkort, a nemet, a testtömegindexet, a Charlson komorbiditási – index (CCI) változóit és az alkalmazott kezeléseket. A kórházi kezeléshez és a halálozáshoz kapcsolódó tényezőket egy- és többváltozós modellekben értékeltük. 

Eredmények

A Mayo Klinikán a vizsgált időszakban összesen 7891 igazolt COVID19-beteg kapott ellátást, akinek a kutatási hozzájárulása rendelkezésre állt. Közülük 7217 beteg legalább 18 éves felnőtt volt, akiket tovább elemeztünk. 897 (11,3%) beteg szorult kórházi kezelésre, és 354 (4,5%) beteg részesült ellátásban az intenzív osztályon (ITO). Az összes kórházban kezelt beteget áttekintette a COVID19-kezelést áttekintő bizottság, és a fekvőbetegek 77,5%-a részesült COVID19-ellenes terápiában. Az összesített halálozás 1,1% volt, 7,1%-os halálozással a kórházi betegeknél és 11,9%-kal az ITO-ellátást igénylő betegeknél. 

Következtetés

A Mayo Klinikán ellátott COVID19-betegek állapotának kimenetele az intenzív osztályon, a kórházban és a közösségben kedvezően viszonyul az országosan jelentetthez. Ez valószínűleg tükrözi a szakmaközi multidiszciplináris csoportok értékelésének hatását, a klinikai vizsgálatok és az elérhető kezelések hatékony kihasználását, a távfelügyeleti eszközök bevezetését és a túlterhelés elkerülése érdekében kialakított megfelelő működési kapacitás fenntartásának a hatását.  Ezek a bevált gyakorlatok segíthetnek más egészségügyi rendszereknek megfelelő iránymutatást nyújtani a COVID19-világjárványra adott folyamatos reagálás során.

Rövidítések

APACHE IV – Akut élettani és krónikus egészségügyi állapotértékelés IV

ARDS – akut légzési distressz szindróma

BMI – testtömegindex

ECMO – extrakorporális membránoxigenizáció

EHR – elektronikus egészségügyi nyilvántartás

CCI Charlson komorbiditási index

ITO – intenzív terápiás osztály

Bevezetés

Mire az Egészségügyi Világszervezet a 2019-es koronavírus-betegséget (COVID19) világjárvánnyá nyilvánította, a betegség már soha nem látott kihívást jelentett az egészségügyi rendszereknek. A kínai Vuhanból származó kezdeti jelentések szerint a súlyos akut légzőszervi tünetegyüttest okozó koronavírus 2 (SARS-CoV-2) nagyon fertőző volt, és súlyos kihívásokat jelentett a megelőzéssel, az elszigeteléssel és a kezeléssel kapcsolatban. Olaszországból, Spanyolországból, Seattle-ből és New Yorkból származó későbbi tapasztalatok megerősítették ezeket a kihívásokat, és a kórházi rendszereknek világszerte fel kellett készülniük a COVID19 hatására.

A Mayo Klinika telephelyei Phoenix/Scottsdale-ben, Arizónában, Jacksonville-ben, Floridában, Rochesterben és Minnesotában vannak, valamint további kórházak tartoznak hozzá Minnesotában és Wisconsinban. A Mayo Klinika-csoport 2680 engedélyezett kórházi ággyal és 392 állandó intenzív terápiás ággyal rendelkezik, amelyek 4 állam 20 egyetemét fedik le. A klinika tavaly 1,2 millió beteget látott el. A pandémia elején a gyakorlatban bekövetkezett jelentős változásokra számítva a Mayo Klinika vezetése aktiválta a kórházi események parancsnoki rendszerét, és több olyan csapatot és munkacsoportot hívott össze, amelyek feladata a folyamatok és a protokollok kidolgozása volt a világjárvány sokoldalú kezelésére, ideértve a várható esetszám-emelkedést is1

A Klinikán többszintű, integrált megközelítést alkalmaztak a COVID19-világjárvány kezelésére. Szakmaközi munkacsoportokat alakítottak ki több érintett szakterületen, hogy értékeljék az újonnan megjelenő szakirodalmat olyan témákban, mint a tesztelési stratégiák2 és a trombózismegelőzés3. A szervspecifikus szövődmények terén speciális szakértelmet igénylő területek, például a nefrológia, a hematológia és a neurológia képviselői kaptak meghívást, hogy részt vegyenek a csoportban, és felkérték őket, hogy nyújtsanak segítséget a kezelési algoritmusok kidolgozásához és továbbfejlesztéséhez. Ezeket a legjobb gyakorlatokat a Mayo Klinika gyakorlatát szolgáló klinikai tudásforrás, az AskMayoExpert platformon keresztül állították össze és osztották meg valós időben a Mayo Klinika munkatársaival. A Mayo Klinika COVID19-adatkezelési munkacsoportja monitorozóeszközöket hozott létre, hogy tájékoztassa a gyakorló orvosokat az erőforrás-felhasználásról és a COVID19-hez kapcsolódó igények előrejelzéséről. Ez lehetővé tette a várható COVID19-esetek kezelését és a szükséges orvosi ellátásokat.

COVID19-kutatási munkacsoportot hoztak létre a klinikai kezelési vizsgálatok kiválasztására és végrehajtására, a biológiaiminta-gyűjtés koordinálására, adatbázisok létrehozására és kibővített, mesterséges intelligenciával támogatott elemzések elősegítésére a preklinikai, biológiai felfedezőtudomány előtérbe helyezésére az immunológiában, a virológiában, valamint a vakcinafejlesztésében és a COVID19 által aránytalanul érintett csoportok szükségleteinek kielégítésére4. Felismerték, hogy a COVID19 kezelési módszerei és terápiás irányelvei idővel változnak, ezért különböző eljárásokat alkalmaztak, hogy olyan következetes rendszer hozzanak létre, amelyben a betegeket szűrték az esetleges klinikai vizsgálati részvétel céljából a járó- és fekvőbeteg-ellátásban.

A Mayo Klinikán az első COVID19-esetet 2020 márciusában látták el, és minden régió aktívan részt vett a COVID19-betegek ellátásában március végéig. A kórházainkba felvett COVID19-betegeket az egyes helyszíneken a kezelést áttekintő bizottságok vizsgálták. Ez a multidiszciplináris csoport ajánlásokat fogalmazott meg arra, hogy mely klinikai vizsgálatok és újonnan hozzáférhető terápiák lennének a legelőnyösebbek a COVID19-betegek számára. A bizottságok naponta kétszer, szükség szerint gyakrabban ültek össze. Minden beteget felmértek a kórházi felvételkor, és a konszenzusos ajánlások a klinikai vizsgálatok, a vészhelyzeti használati engedély (EUA) kiterjesztett hozzáférési programjai (EAP) vagy az indikáción túli felhasználással rendelkezésre álló kezelési lehetőségeken alapultak. A klinikai vizsgálatok és a programok kezdési ideje változó volt a Mayo Klinikán, és a bizottságok áttekintették a betegeket az olyan szerek helyi rendelkezésre állása és protokollja alapján, mint a remdesivir és a konvaleszcens plazma. A bizottság irányította a vírusellenes és az immunmoduláló kezeléseket, valamint a szövődmények kezelését. A közös döntéshozatali eljárás során ajánlásokat kaptak az elsődleges kezelőcsapatok és a beteg/a beteg törvényesen felhatalmazott képviselője4. A kezelést áttekintő bizottság emellett heti internetes közvetítéseket is elérhetővé tett minden egészségügyi dolgozó számára, hogy naprakész tájékoztatást nyújtson az adatok megjelenésekor.

A Mayo Klinika emellett kialakított egy COVID19-frontvonalbeli ápolócsapatot vagy COVID virtuális klinikát a járóbeteg-ellátáshoz, amely egy ápolót jelent telefonos kapcsolattal, aki a betegeket a betegség súlyossága alapján telefonon triázsolva küldte tesztelésre az „autós áthajtásos” létesítményekbe vagy a sürgősségi osztályra5. Intézményeinkben minden pozitív SARS-CoV-2-teszttel rendelkező járóbeteget a központosított orvos- és ápolócsoporthoz irányítottak azzal a céllal, hogy kevesebb mint 10 órán belül kapcsolatba lépjenek velük. A magas kockázatúnak ítélt betegeknek távfelügyeletet ajánlottak fel bluetoothon kommunikáló pulzoximéterrel, vérnyomásmérővel és lázmérőkkel. Minden beteget először egy ápoló hívott fel, aki elmagyarázta, mennyire fontos a karantén betartása, majd telefonhívásokkal követték nyomon (a 2., a 7. és a 14. napon) a betegség lehetséges progressziójának monitorozása érdekében. Amikor a jelek a tünetek súlyosbodására utaltak, orvosok értékelték az ellátás fokozásának szükségességét6. Azokat a betegeket, akik elutasították a távfelügyeletet vagy alacsonyabb kockázatúak voltak, képzett ápolócsoport hívta fel az állapotuk követése céljából.

Ebben a cikkben a Mayo Klinika COVID19-cel kapcsolatos tapasztalatait tekintjük át 2020 márciusa és 2020 júliusa között, hogy megértsük ennek az integrált megközelítésnek az eredményeit, és meghatározzuk a legjobb gyakorlatokat és a tapasztalatainkból levonható tanulságokat.

Módszerek

A vizsgálat elrendezése és a betegek

Retrospektív kohorszvizsgálatot végeztünk minden COVID19-beteggel 2020. március 1. és 2020. július 31. között a Mayo Klinika mindegyik helyszínén. Minden Mayo-telephely az Epic Systems Corporation (Verona, WI) elektronikus egészségügyi nyilvántartását (EHR) használja.  A Mayo Klinika intézményi felülvizsgálati testülete engedélyezte ezt a retrospektív vizsgálatot, amely nem tartalmazott betegkontaktust, mivel a minimális kockázati protokoll elérésére lemondtak a betegbeleegyező nyilatkozatról.  Azokat a betegeket, akik nem egyeztek bele a kutatásban való részvételbe, kizárták a vizsgálatból.

Az esetazonosítást az EHR „Healthy Planet” eszközében létrehozott nyilvántartás segítségével hajtották végre. Ez a nyilvántartás „aktív” fertőzöttnek minősítette a betegeket, ha a COVID19 klinikai diagnózisa felkerült a problémalistára, vagy ha a SARS-CoV-2 polimeráz-láncreakció (PCR) teszt pozitív volt az EHR-ben. A laboratóriumi megerősítés nélküli személyeket megvizsgáltuk, hogy a beválogatás megfelelő legyen (pl. ha egy külső laboratóriumi eredmény nem volt látható a diagramunkon). A külső helyről származó eredmények is kielégíthetik a nyilvántartási mutatókat, ha az EHR-en belüli adatmegosztás közös keretrendszerében, a Care Anywhere-ben azonosíthatók (Epic Systems Corporation, Verona, WI).  Minden eredményt és előrejelző változót az EHR-ből nyertünk ki. 

Kimenetelek

A SARS-CoV-2-fertőzés epizódjának kezdetét a következők szerint határoztuk meg: amikor először kaptuk meg a pozitív teszt eredményét vagy amikor először írtak klinikai diagnózist a táblázatba. Az epizód vagy 30 nappal a pozitív teszt után, vagy kórházba kerülés esetén 30 nappal az utolsó COVID19 miatti kórházi tartózkodás után törlődött.

A kórházi betegek szövődményeit ICD-10 kódok segítségével állapítottuk meg, amelyek a következők voltak: akut légzési distressz szindróma (ARDS), szeptikus sokk, akut vesekárosodás, pangásos szívelégtelenség (CHF) vagy tromboembóliás betegség, beleértve az akut szív- és cerebrovaszkuláris tromboembóliás eseményeket a COVID19 epizódja alatt (lásd az 1. függeléket). A fertőzés szövődményeit új diagnózisként úgy határoztunk meg, ha az ICD-10 kódokat a COVID19-epizód kezdete (azaz az első klinikai diagnózis vagy a pozitív mintavétel) és a diagnózis után 30 nappal vagy az utolsó COVID miatti kórházi kezelés utáni hazabocsátást követő 30 nappal rögzítették, ha a beteg kórházi felvételt vagy visszavételt igényelt.

A felülfertőződést, amelyet a SARS-CoV-2-fertőzéssel egyidejűleg vagy azt követően egy másik kórokozó által okozott fertőzésként definiáltunk, vér- és légzőszervi mintákból származó pozitív tenyészetek alapján állapítottuk meg. A közönséges kommenzalista mikroorganizmusok okozta (valószínűleg kontaminált) egyszeri pozitív hemokultúrákat a National Healthcare Safety Network (NHSN) egészségügyi hálózat laboratóriumilag igazolt vérárami fertőzésekben alkalmazott kritériumai szerint elvetettük7. Ehhez hasonlóan a légzőszervi mintákból származó „normál flóra” és az „élesztőgomba” nem került pozitív kategóriába ezen elemzés céljából.

A halálozás kimenetelét a SARS-CoV-2-fertőzés epizódja során bármely okból bekövetkező halálozás alapján értékeltük, és utánkövettük a járóbetegeket. Ezen túlmenően a betegeket a legrosszabb pontszámuk alapján értékeltük a National Institute of Health ordinális skálájával (NIHOS), a leíró elemzéshez az adaptív COVID19-kezelési vizsgálatot (ACTT) használva8. Az NIHOS a következőképpen osztályoz: 

1) Halál

2) Kórházban kezelt, invazív gépi lélegeztetésre vagy extrakorporális membránoxigenizációra szorul (ECMO).

3) Kórházban kezelt, nem invazív lélegeztetést vagy magas áramlású oxigénpótlást igényel.

4) Kórházban kezelt, kiegészítő oxigénterápiát igényel.

5) Kórházban kezelt, nincs szüksége oxigénterápiára, de folyamatos orvosi ellátásra szorul (a COVID19 miatt vagy valamilyen más okból). 

6) Kórházban kezelt, nem igényel kiegészítő oxigént – már nem igényel folyamatos orvosi ellátást. 

7) Nincs kórházban, limitált otthoni aktivitás és/vagy otthoni oxigénigény. 

8) Nincs kórházban, nem limitált az otthoni aktivitás.

Mivel a COVID19 epizódja során a betegek legrosszabb pontszámát vettük alapul, a 6. szinten és afelett egyetlen beteget sem jegyeztünk fel, mivel valamennyi kórházi beteg folyamatos orvosi ellátást igényelt.

Előrejelző változók

A demográfiai változókat (kor, nem, rassz és spanyol etnikum), a magasságot, a testtömeget és a dohányzási előzményt az EHR-ből nyertük ki.  A Charlson komorbiditási index (CCI)9 adatait digitálisan kivonatoltuk az EHR adatai és a Mayo Klinika Unified Data Platform egységesített adatbázis adatainak kombinálásával, hogy megszerezzük az ICD-910 és az ICD-10 kódokat a betegek COVID19-epizódjainak megkezdése előtt11

A laboratóriumi értékeket a fekvőbetegek felvétele napján előforduló „legrosszabb” érték alapján elemeztük. Ez a meghatározás a legrosszabb értéknek tekintette a legmagasabb alanin-aminotranszferáz-, aszpartát-aminotranszferáz-, bilirubin-, kreatinin-, C-reaktív protein- és ferritinszintet, valamint a neutrofil-limfocita arányt (NLR) és a legalacsonyabb vérlemezkeszámot.  A modellezéshez a laboratóriumi változókat normál és kóros tartományba soroltuk a laboratóriumi referenciatartományaink alapján meghatározott, nemekre jellemző határértékek szerint.

Az intenzív osztályra (ITO) felvett betegek adatkészletét kiegészítettük az ITO-specifikus adatmintából nyert változókkal12. Az ITO-adatlapok részletes kezelési és ITO-specifikus beavatkozási adatokat, a Sequential Organ Failure Assessment (SOFA) pontszámot13, az Acute Physiology and Chronic Health Evaluation (APACHE) IV pontszámot, valamint az APACHE IV által előrejelzett halálozást és kórházi tartózkodási időt tartalmazzák14.

Statisztikai elemzés

Leíró statisztikákat (a folytonos változók mediánja és interkvartilis tartománya, a kategorikus változók száma és százalékos eloszlása) használtunk a betegek minden kohorszának jellemzésére: gyermekkorúak (< 18 évesek) és felnőttek (legalább 18 évesek) esetében egyaránt.  Felnőtt betegeknél a járóbetegeket a kórházi betegektől külön csoportba soroltuk, és a kórházi betegek körében az ITO-felvételt a COVID19-kezelés részeként értékeltük (lásd 1. ábra).  A hiányzó adatokat nem vettük fel, és a kategorikus változók esetében létrehoztunk egy hiányos kategóriát.

1. ábra: Kiválasztási folyamatábra. * Kórházi kezelés alatti, vagy a hazaengedéstől számított 30 napon belüli (kórházban kezelt beteg), vagy a COVID19 diagnózistól számított 30 napon belüli (járóbeteg) halálozás.

A kórházi felvételhez kapcsolódó tényezők azonosításához nem kondicionált logisztikus regressziót alkalmaztunk az esélyhányados (OR) és a 95%-os konfidenciaintervallum (CI) becsléséhez, az egyváltozós elemzésben minden szignifikánsnak talált változót (p < 0,05) egy többváltozós modellbe illesztettük, amely szintén igazodott a Mayo-régióhoz és a Mayo-rendszerben történt előzetes regisztrációhoz, tehát figyelembe vette a hiányos komorbiditási adatokat a pandémia miatt újonnan regisztrált betegeinknél, akiknek kevesebb komorbiditási adata volt a rendszerünkben.  A kórházi kezelés kockázata szempontjából ezek a változók tartalmazták a demográfiai tényezőket, a BMI-t15,a dohányzási előzményeket16 és a CCI-t17.  Logisztikai regressziót is alkalmaztunk a kórházi betegek körében az ITO-felvétellel összefüggő tényezők azonosítására.  Az ITO-felvétel kockázatának becsléséhez a kórházi betegek körében értékeltük a kórházba (vagy ha közvetlenül oda kerültek, az ITO-ra) történő első felvételkor mért laboratóriumi értékeket.  Az ITO-felvételhez kapcsolódó tényezőket, amelyek statisztikailag szignifikánsak voltak az egyváltozós elemzésben, többváltozós modellben modelleztük, amely szintén igazodott a Mayo-centrumhoz és a Mayo-rendszerbeli előzetes regisztrációhoz.  Végül felnőtt kórházi betegek esetében túlélési vizsgálatot is végeztünk.  Az események időpontját napokban mértük a kórházi felvételtől a bármely okból bekövetkezett halál dátumáig vagy az utolsó követés dátumáig.  Cox-regressziót használtunk a veszélyhányados (HR) és a 95% CI becslésére az egyváltozós elemzés során. A statisztikailag szignifikáns változókat ezután többváltozós elemzésbe vontuk be azzal a különbséggel, hogy az egyes CCI-társbetegségek helyett összefoglaló Charlson-pontszámot (0–1 vs 2+) használtunk a kovariánsok számának csökkentésére a többváltozós modellben, tekintettel a halálozások korlátozott számára (N = 64) az elemzésben.  A statisztikai elemzéseket a 4.0.2 verziószámú R-szoftverrel végeztük.

Eredmények

2020. március 1. és 2020. július 31. között a Mayo Klinika összesen 8512 COVID19-beteget látott el. Közülük 621-et kizártak a vizsgálatból, mert a kutatási engedély nem állt rendelkezésre. A fennmaradó 7891 COVID19-beteg közül 674 volt 18 évesnél fiatalabb, 7217 pedig legalább 18 éves (1. ábra).   

A legtöbb eset 2020. június 1. és 2020. július 31. között fordult elő, ezek a vizsgált időszak összes esetének 87,5%-át tették ki.  A Középnyugati Mayo Klinikán a COVID19-betegek 59%-át, az arizonai Mayo Klinikán a 23%-át, a floridai Mayo Klinikán pedig 18%-át látták el ebben az időszakban. A betegek területi eloszlása: Minnesota (N = 3633), Arizóna (N = 1761), Florida (N = 1404), Wisconsin (N = 769), Iowa (N = 94) államok és 32 egyéb állam (összesen N < 34). Az államokat az esetekkel a 2. ábra mutatja. Az elsődleges nyelv az angol volt, ettől eltérő nyelv a betegek 11,9%-ánál és a kórházi felvételek 13,4%-ánál fordult elő. 





2. ábra. A COVID19-esetek földrajzi eloszlása (N = 7891), Mayo Klinika, 2020. március–július
Mayo-esetek százaléka

Gyermekpopuláció

A vizsgálati időszak alatt összesen 674 18 évnél fiatalabb beteget láttak el COVID19 miatt, az 1. táblázatban összefoglalt jellemzőkkel. A vizsgált időszakban ellátott gyermekkorú betegek mediánéletkora 13 év volt (tartomány: 1–17 év). A rasszt és etnikumot tekintve a betegek 36,9%-a nem spanyol fehér, 23,4%-a spanyol (minden rassz) és 9,9%-a fekete, nem spanyol. A vizsgálati populáció nagyobb része (54,2%) férfi volt. A legtöbbeknek (97,8%) nem szerepelt társbetegsége a CCI központi nyilvántartásban. Összesen 70 beteg (10,4%) BMI-je érte el a 25-öt. A vizsgálati időszak alatt 13 gyermeket vittek kórházba (3-at a gyermek ITO-ra). Egyiküknek sem volt szüksége gépi lélegeztetésre, vazopresszorokra vagy ECMO-támogatásra.  Nem fordult elő gyermekhalálozás.  Mivel a gyermekpopulációban alacsony a szövődmények száma, kizártuk őket a további elemzésekből. 

1. táblázat. A 18 évesnél fiatalabb COVID19-betegek jellemzői, Mayo Klinika, 2020. március–július. Az értékek számok (százalékok), hacsak másként nem jelezzük.

Kórházba kerülés kockázata

Összesen 7217 felnőtt beteget vontunk be elemzéseinkbe. A felnőttek közül 6320 (87,6%) beteg nem igényelt kórházi kezelést. E járóbetegek közül 30-an (0,5%) haltak meg, köztük olyanok, akik hospice ellátásban és ápolóintézetekben hunytak el. Hatvannégy (7,1%) kórházi beteg a fent meghatározott követési periódus alatt halt meg.

A felnőttek demográfiai adatait, társbetegségeit és a kórházi elhelyezésük valószínűségét a 2. táblázat foglalja össze. A felnőttek körében az ápolt betegek mediánéletkora 59 év (18–99 év) volt. A kórházi betegek idősebbek voltak, és az életkor előrehaladtával a kórházi felvétel kockázata meredeken nőtt. Például a 75 éves és idősebb betegeknél a kórházi ápolás esélye 24-szer nagyobb, mint a 18–34 éves betegeknél (nem korrigált OR = 23,92, 95% CI 18,2–31,60).  Valamivel több (50,8%) felnőtt férfi beteg volt, mint nő (49,0%), és a férfiaknál nagyobb volt a kórházi kezelés kockázata (nem korrigált OR 1,19, 95% CI; 1,03–1,37). A vizsgálati időszak alatt diagnosztizált betegek többségét nem hispán fehérként azonosították (56,8%). A többi csoport így alakult: hispánok minden rasszból (15,8%), illetve fekete, nem hispán (9,3%), ázsiai (4,2%) és minden egyéb (14,0%).  Összehasonlítva a nem hispán fehérekkel, mind a hispánoknak (nem korrigált OR 1,31, 95% CI, 1,08–1,58), mind az ázsiaiaknak (nem korrigált OR 1,49, 95% CI, 1,07–2,03) nagyobb volt az esélye a kórházba kerülésre. 

2. táblázat. A 18 évesnél idősebb COVID19-betegek kockázata a kórházi felvételre, Mayo Klinika, 2020. március–július. Az értékek számok (százalékok), hacsak másként nem jelezzük.

A társbetegségek közül a leggyakoribb volt a krónikus obstruktív tüdőbetegség (COPD, 11,8%), a cukorbetegség (9,4%; ebből 98,7% volt 2-es típusú), a vesebetegség (6,5%) és a perifériás érbetegség (PVD, 6,2%); a többi társbetegség prevalenciája 6,0% vagy alacsonyabb volt.  Minden egyes társbetegség szignifikáns összefüggésben állt a kórházba kerülés valószínűségével, a PVD-ben szenvedő betegeknél erős összefüggést lehetett kimutatni (nem korrigált OR = 9,64, 95% CI, 7,88–11,81).   

Azon betegek közül, akiknek a BMI-adatai rendelkezésre álltak, 27,1%-a volt elhízott (BMI ≥ 30,0 kg/m2). A túlsúlyos személyeknek (25,1 kg/m2 < BMI < 29,9 kg/m2) 1,60-szorosára nőtt az esélye kórházba kerülésre (95% CI, 1,29–1,99), összehasonlítva a normál BMI-értékűekkel (18,5 kg/m2 < BMI < 25,0 kg/m2). Ez fokozatosan nőtt az elhízott egyének esetében (OR 2,32, 95% CI, 1,89–2,86) és a kórosan elhízott egyéneknél (BMI > 35 kg/m2) (OR 2,86, 95% CI, 2,21–3,70).  A legtöbb beteg (60,8%) soha nem vagy csak korábban (26,8%) dohányzott, és a dohányzás nem társult a kórházba kerülés kockázatával, bár ez a változó gyakran hiányzott a járóbetegeknél.

Egy többváltozós modellben az életkor növekedése, az elhízás, a rasszbeli/etnikai hovatartozás és a CCI egyes komponenseinek többsége szignifikáns összefüggést mutatott a kórházba kerülés megnövekedett esélyével. A diagnózis hónapja szintén szignifikáns együttes változó volt, mivel a felvétel esélye alacsonyabb volt májusban, júniusban és júliusban márciushoz és áprilishoz képest. A legnagyobb hatású tényezők (legmagasabb OR) a 75 év feletti kor (korrigált OR 8,31, 95% CI, 5,69–12,1), 65–74 év közötti kor (korrigált OR 5,26, 95% CI, 3,74–7,39), és a diabétesz mellitusz (OR 2,5, 95% CI, 1,99–3,13), a hispán etnikum (OR 2,14, 95% CI, 1,66–2,75) és az ázsiai rassz (OR 2,56, 95% CI, 1,7–3,86) voltak.

ITO-felvétel kockázata

 A 897 kórházi felvételt igénylő esetből 354-nek (39,5%) volt szüksége ITO-felvételre. Az ITO-felvétel kockázata az életkorral volt összefüggésben, a legmagasabb kockázat az 55–74 éves korosztályban volt (OR 2,27, 95% CI, 1,33–3,57). Bár az ITO-ra több férfit vettek fel (55,6%), ez nem volt statisztikailag szignifikáns kockázati tényező. A fekete rasszhoz magasabb ITO-felvételi arány társult (nem korrigált OR 1,93, CI 1,23–3,04), az ázsiai rasszhoz pedig az ITO-felvétel legnagyobb kockázata társult a többváltozós modellben (2,84, 95% CI, 1,35–6,13). Az elsődleges nyelv az angol volt, ettől eltérő nyelv a betegek 11,9%-ánál és a kórházi felvételek 13,4%-ánál fordult elő. Feltűnő, hogy 150 (42,4%) ITO-ra felvett beteg jelölt meg angoltól eltérő nyelvet elsődleges nyelvként.

A GPT-emelkedés nélküli emelkedett GOT, az emelkedett kreatinin és a neutrofil-limfocita arány az ITO-felvétel magasabb kockázatával járt együtt. A teljes vérkép egyéb jellemzői, mint a limfociták, a neutrofilek és az eozinofilek abszolút száma nem volt összefüggésben a kimenetellel. A betegek jellemzőit az 3. táblázatban, valamint az 1. és a 2. kiegészítő táblázatban foglaltuk össze.

3. táblázat. A COVID19-cel kórházba került 18 éves és annál idősebb betegek jellemzői összességében és ITO-státusz szerint, Mayo Klinika, 2020 március–július. Az értékek számok (százalékok), hacsak másként nem jelezzük.

Kritikus súlyosságú betegség kimenetele           

Összesen 354 beteget vettek fel az intenzív osztályra a COVID19 kezelésére a kórházcsoport bármely részén. Az intenzív osztályos tartózkodás (LOS, length of stay) mediánja 6,19 nap volt (0,24–76,4). Az ITO betegeinek 30,5%-a magas áramlású orrkanülön volt kórházi tartózkodása egy részében, 23,2%-uk nem invazív gépi lélegeztetést, 29,9%-uk invazív gépi lélegeztetést, 4,5%-uk pedig extrakorporális membránoxigenizációt (ECMO) igényelt. A medián APACHE IV-pontszám 57 (9–180 tartomány) és a medián SOFA pontszám a felvételkor 2 (0–18 tartomány) volt. Az összes halálozás 11,9%, az átlagos ITO-tartózkodás 9,1 nap volt. Az APACHE IV-modell által előre jelzett halálozás 13,2%, az LOS átlagosan 5,2 nap volt, ami alapján a standardizált mortalitási arány 0,90. 

Terápiák

 A terápiákat szinte kizárólag kórházban kezelt betegeknél alkalmazták. Összesen 695 (77,5%) beteg részesült közvetlenül a COVID19-et célzó kezelésben, az ITO-betegek nagyobb arányban (89,3%) kaptak ilyen kezelést.

 Összesen 370 (41,2%) beteg kapott antivirális szert, 433 (48,3%) szisztémás szteroidot, 153 (17,1%) immunmoduláló monoklonális antitestet és 192 (21,4%) konvaleszcens plazmát. Összességében 507 beteget (56,5%) vontak be klinikai vizsgálatba. 

 Számos beteg kapott kombinált terápiát; 32 (3,5%) részesült ezen terápiák mindegyikében, 119 (13%) hármas kombinációban, 242 (24,3%) pedig kétféle terápiát kapott.  A leggyakoribb kombináció a szteroid párosítása a többi kezeléssel, leggyakrabban antivirális szerekkel, és a kezelési lehetőségek összes kombinációját alkalmazták.

Szövődmények

ARDS 152 (16,9%) betegnél fordult elő, amit úgy határoztunk meg, hogy a kórházi tartózkodásuk alatt feljegyezték a betegproblémák listájára. Akut vesekárosodás 185 fekvőbetegnél (20,6%) fordult elő a COVID19 epizódja alatt. A diagnosztizált trombózisos és embóliás szövődmények szintén gyakoriak voltak, 127 (14,2%) betegnél fordultak elő. 141 (5,7%) betegnél mutattak ki légúti, tenyésztéssel igazolt bakteriális felülfertőzést. Vérárami fertőzés 29 (3,2%) betegnél volt jelen. Minden szövődmény gyakoribb volt az ITO-ra felvett betegeknél (4. táblázat).

4. táblázat. A COVID19-cel kórházba került 18 éves és annál idősebb betegek szövődményei a tartózkodási idő, a halálozás összességében és az ITO-státuszuk szerint, Mayo Klinika, 2020. március–július. Az értékek számok (százalékok), hacsak másként nem jelezzük.

NIH kimeneteli skála 

A teljes kohorsz esetében a havonkénti kimenetelek vizsgálata az NIH ordinális skáláját használva a legsúlyosabb végeredmények (1–5. szint, kórházi ápolás szükséges) csökkenését jelezte júliusig (3. ábra). A teljes kohorszvizsgálat során 94 beteg halt meg. 




3. ábra. A NIH ordinális skála kimenetelének (1–5) nyers aránya havonta 7891 betegre, Mayo Klinika, 2020. március–július

Túlélési elemzés

Túlélési elemzést végeztünk kórházban kezelt betegek körében, kiszámítva a 30 napos halálozási arányokat (Kaplan–Meier-becslések alapján) a kiválasztott betegjellemzőkre, ezt az 5. táblázat és az 1. kiegészítő táblázat foglalja össze az egyes CCI-elemekre vonatkozóan. A többváltozós modellben az idősebb kor, a diagnózis korábbi hónapja, a magas (≥ 2) CCI-pontszám, a bármikori dohányzás, az emelkedett kreatininszint és a magasabb NLR mind alacsonyabb túlélési arányhoz kapcsolódtak. 

5. táblázat. A halál kockázata a COVID19-cel kórházba került 18 éves és annál idősebb betegeknél, Mayo Klinika, 2020. március–július. Az értékek számok (százalékok), hacsak másként nem jelezzük.

Megbeszélés

Összesen 7891 megerősített COVID19-ben szenvedő beteg részesült ellátásban a Mayo Klinikán 2020. március 1. és 2020. július 31. között. E betegek közül 897-nek (11,3%) volt szüksége kórházi kezelésre, 354-nek (4,5%) pedig ITO-ellátásra. Az általános halálozási arányt 1,1%-nak észleltük, a fekvőbetegek halálozását 7,1%-nak és az ITO-halálozást 11,9%-nak. 

Megfigyelt halálozási rátánk alacsonyabb, mint az országos átlag, és alacsonyabb, mint amit az ország különböző megfigyelési kohorszai, nagy klinikai vizsgálatok és kiterjesztett hozzáférési programok jelentettek. Betegeink állapotának súlyossága, amint azt az APACHE IV-pontszámok mutatják, közepesen súlyos volt, de a standardizált mortalitási arány a várthoz képest mérsékelten csökkent halálozást jelez. 2020. szeptember 4-ig összesen 6 132 074 COVID19-esetet jelentettek az Egyesült Államokban, 186 173 halállal (3%)18.

A kórházi betegeknél jelentett halálozási arányok nagymértékben változnak, de folyamatosan magasabbak voltak, mint amit itt megfigyeltünk. Egy 12 államban található egészségügyi szervezet 92 kórházára kiterjedő kohorszvizsgálatban 11 210 megerősített felnőtt COVID19-beteg közül 7139 (63%) beteg igényelt kórházi kezelést; e kórházi betegek közül 2866-nak (40%) volt szüksége ITO-kezelésre. Összesen 20,3%-os kórházi halálozásról és 34,7%-os halálozási arányról számoltak be az ITO-n tartózkodók körében19. Egy New York-i egészségügyi szervezet prospektív kohorszvizsgálata számolt be arról, hogy a betegek 51,9%-ának kórházi kezelésre, 36,1%-ának ITO-ra volt szüksége, és az összhalálozás 24,3% volt20. Egy másik New York-i tanulmány 21%-os összhalálozást21 jelentett és 22%-os halálozást22 a kórházi betegek körében. Connecticutból 13,5%-os halálozásról számoltak be egy kórházi kutatásban23.

Országosan a multicentrikus, nyílt elrendezésű, konvaleszcens plazmával kapcsolatos kiterjesztett hozzáférésű programba a COVID19 miatt kórházban kezelt felnőttek körében 35 322 beteget vontak be, akik 1089 helyszínen részesültek ellátásban az Egyesült Államokban. Ebben a vizsgálatban a kórházi betegek 30 napos halálozása 24,5% volt a vizsgálati időszak alatt. A kettős vak, randomizált, placebokontrollos vizsgálatban, amelynek során az intravénás remdesivirt vizsgálták, a COVID19 miatt kórházba került felnőtteknél a következő halálozási arányokat jelentették a 14. napon: összességében 86/1059 (8%); placebokar 54/521 (10%); remdesivirkar 32/538 (6%)8. A mortalitás államonkénti vizsgálata alapján az életkori demográfiai adatok különbségeiből adódott a halálozási arányokban megfigyelt eltérések többsége. Ebben a tanulmányban a halálesetek aránya a 34 éves kor alatti korosztályban mért 0,002% és a 85 évesek vagy annál idősebbek körében mért 28,3% között mozgott;24 az általunk megfigyelt halálozás alacsonyabb volt minden korcsoportban. 

Az idővel korreláló halálozásban megfigyelt csökkenést már korábban leírták. Ennek egyik lehetséges magyarázata, hogy a szelekciós torzítást tükrözi: a járvány korai szakaszában a tesztelés a specifikus tünetekkel küzdőknek jobban elérhető volt, ezáltal a súlyosabb betegségben szenvedőket nagyobb eséllyel választották ki. A járványban később tünetmentes egyéneket is teszteltek, akik várhatóan kevésbé súlyos betegségben szenvedtek. Másodszor, mivel a Mayo-helyszínek nem vettek részt a fertőzések kezdeti hullámában Észak-Amerikában, előnyünk volt, hogy tanultunk kollégáink világszerte szerzett klinikai tapasztalataiból és meglátásaiból. Valójában a fent említett összehasonlítások többsége a keleti parton és különösen New Yorkban zajlott, amelyet az első hullám súlyosan érintett, a helyi egészségügyi ellátás minden részének megzavarásával. 

Egy másik tényező lehet, hogy rendelkezésünkre álltak a COVID19-járóbeteg-kezelő csoportok és a távfelügyeleti lehetőségek, amelyek lehetővé teszik a szövődmények és az állapotromlás korábbi észlelését és a beavatkozások időbeni alkalmazását. Mivel betegeink magas arányban tudtak részt venni ezekben a programokban, ez valószínűleg hozzájárult eredményeinkhez.

Az idő múlásával bekövetkező halálozásbeli csökkenés egyik lehetséges oka a maszkok és a fizikai távolságtartás csillapító hatása volt, csökkentve az expozíciót és potenciálisan csökkentve a betegség súlyosságát25. Ugyancsak feltételeztük a különböző SARS-CoV-2-törzsek miatti eltérő halálozást, de a különböző altörzsek hatása a populációban a betegség átlagos kimenetelére és a törzsek időbeli és térbeli mozgására még nem ismert26

Végezetül, az intenzív terápia legjobb gyakorlatát és a kiváló multidiszciplináris ITO-ellátást folytattuk a Mayo ellátási modellje szerint. A járvány korai szakaszában a korai intubáció általánosabb gyakorlat volt, ami azon a feltételezésen alapult, hogy a betegek állapota mindig gyorsan romlik 27, valamint azért, hogy így csökkentsék az egészségügyi dolgozók kitettségét az aeroszolgeneráló eljárásoknak28.  Azt azonban nagyon gyorsan megtudtuk, hogy bár egyes betegek állapota gyorsan romlott és intubációt igényeltek, legtöbbjüket korán helyezik magas áramlású orrkanülre, ritkábban nem invazív lélegeztetésre, és hasra fordulásra ösztönözik őket, és végül nem igényelnek intubációt, bár ennek a kapcsolt megközelítésnek az egyes aspektusait nem lehet itt elemezni, és egyes elemei nemrégiben viták tárgyát képezték29.  Az intubáltak körében korán ösztönözték a legjobb támogató ellátás betartását30. Különös hangsúlyt fektettek a tüdővédő stratégiára, a korai hasra fektetésre, a konzervatív folyadékstratégiára, a nyugtató és neuromuszkuláris blokkolószerek megfontolt használatára és a hiperkoaguabilis állapot3 kezelésére, valamint a módosított ABCDEF-elvek betartására.31 (ABCDEF-rendszer: Assess – vizsgáld, előzd meg és kezeld a fájdalmat, Breathing – spontán felébredés és légzés vizsgálata, Choice of analgesia and sedation – fájdalomcsillapítás és szedáció, Delirium – vizsgáld, előzd meg és kezeld a delíriumot, Early – korai mobilizálás és gyógytorna, Family – család bevonása és támogatása.) Bár az ECMO használata nem volt gyakori, de ezután megállapították, hogy az ECMO korai alkalmazása szintén hozzájárulhatott ehhez.

Kiemelten fontos a kimenetel szempontjából, hogy a mintavételt követően 12–24 órán belül gyorsan megerősítsük a COVID19 diagnózisát. Ezért a betegeket COVID19-betegségük korai szakaszában értékelték. A kórházi ápolásra nem szoruló betegeket otthonról szorosan figyelemmel kísérték egy strukturált telemedicina-rendszerrel.  Minden egyes kórházi beteget áttekintett a multidiszciplináris kezelést áttekintő bizottság, amely az elsődleges csapattal együttműködésben ajánlásokat tett a legjobb támogató ellátásra a bizonyítékok alapján, amint azok elérhetővé és idővel jobbá váltak8,32, továbbá direkt COVID19-terápiákat, klinikai vizsgálati lehetőségeket, valamint általános fertőző betegséggel kapcsolatos konzultációt ajánlottak fel.  Ezeket a terápiákat egy fertőző betegséget ellátó kommunikálta a pácienssel. Ez a módszer, bár jelentős erőforrásokat igényel, biztosította a magas színvonalú kommunikációt az elsődleges csapatokkal és a rendelkezésre álló legfrissebb bizonyítékok alkalmazását a multidiszciplináris csapat felülvizsgálata alapján.

Korán elérhetők voltak az antivirális terápiás vizsgálatok azon nagy betegpopuláció számára, akik ilyen kezelésben részesültek (a kórházi betegek 41%-a). Annak ellenére, hogy egyénre szabott megközelítéssel törekedtünk a korlátozott használatra azoknál, akiknél a képalkotás, az oxigénellátás vagy a klinikai megjelenés gyorsan romlott, vagy akik erre hajlamosak voltak, vagy akiknek már fennállt a javallat (pl. COPD, asztma, krónikus szerhasználat, terhesség és szeptikus sokk), mégis meglehetősen sokan (50%) kaptak glükokortikoidokat. A konvaleszcens plazma alkalmazása visszafogottabb és gyakoribb volt azoknál, akiknél a remdesivir ellenjavallt volt (pl. kóros májfunkció vagy veseelégtelenség miatt).  Bizonyos esetekben az antivirális szerek alkalmazása korlátozott volt az átmeneti hiány miatt. A specifikus immunmoduláló szerek (pl. az interleukin-6-inhibitorok) alkalmazása korlátozott volt (17%). Eleinte vészhelyzeti felhasználási engedéllyel (eIND) használták, később pedig csak randomizált kontrollvizsgálatokban és ritkán kiterjesztett hozzáférési program keretében alkalmazták33. A kezelést áttekintő bizottság órák alatt rendelkezésre állt, valós idejű útmutatást és szakértelmet nyújtott. Ennek a csoportnak a multidiszciplináris jellege segített abban, hogy a COVID19-cel átfedő differenciáldiagnózisok, például az e-cigaretta vagy a porlasztó használatához kapcsolódó tüdősérülés (EVALI)34 vagy ARDS egy holisztikus kezelési megközelítés részét képezzék.

A vizsgálat korlátai

Ezt a tanulmányt retrospektív jellege korlátozza. Lehet, hogy így bizonyos társbetegségeket kihagytak, ha nem dokumentálták megfelelően, különösen azoknál a betegeknél, akik a COVID19-járvány miatt kerültek a rendszerünkbe, és nem tartozott hozzájuk előzetesen dokumentáció az EHR-ben. Betegbázisunk földrajzi eloszlása azt is jelenti, hogy leírásunk és eredményeink nem fordíthatók le az Egyesült Államok más populációira, akik különböző társbetegségekben szenvednek és más erőforrások állnak rendelkezésükre. Ha nagyon kritikusak akarunk lenni, az is elmondható, hogy ebben az időszakban a rendszerünk egyetlen helyén sem fordult elő olyan túlterhelés, mint amilyen New York városában.

 A tanulmány általánosíthatóságának másik korlátja, hogy vállalkozásunk egy konzorcium, amely több harmadfokú beutaló központból áll. Előfordulhat, hogy más egészségügyi szervezeteknek nincs lehetőségük a szakértelem bővítésére, valamint a logisztikai és tervezési támogatás államok közötti megosztására a harmadfokú központokban.

Következtetés

A COVID19 agresszív diagnosztikai lehetőségekkel és járóbeteg-monitorozással kiegészített multidiszciplináris csoport alapú konszenzusvezérelt kezelési megközelítései alacsony arányú kórházi kezeléssel és halálozással járnak. Ezek az idővel elsajátított legjobb gyakorlatok mintaként szolgálhatnak a járványra adott hatékony, folyamatos válaszra.

Köszönetnyilvánítás

Köszönetet szeretnénk mondani Dr. Nathan W. Cumminsnak, Dr. Gianrico Farrugianak, Dr. Gregory J. Goresnak, Dr. Bobbie S. Gostoutnak, Dr. Richard J. Graynek és Dr. Kent R. Thielennek a kézirat átdolgozásához nyújtott segítségükért.

Ezúton is szeretnénk köszönetet mondani minden egészségügyi szolgáltatónak, kutatónak, betegnek és családnak, akik lehetővé tették ezeket az eredményeket. 

Kiegészítő anyagok

Hivatkozások

  1. Berbari EF, Williams AW, Williamson MJ, Caine NA, Nath KA, Farrugia G. Mayo Clinic Strategies for COVID-19: Introduction. Mayo Clinic Proceedings. 2020.
  2. Shah AS, Tande AJ, Challener DW, O’Horo JC, Binnicker MJ, Berbari EF. Diagnostic Stewardship: An Essential Element in a Rapidly Evolving COVID-19 Pandemic. Mayo Clinic Proceedings. 2020;95(9):S17-S19.
  3. McBane RD, Torres Roldan VD, Niven AS, et al. Anticoagulation in COVID-19: A Systematic Review, Meta-Analysis and Rapid Guidance From The Mayo Clinic. Mayo Clinic Proceedings. 2020.
  4. Burger CD, Mikhail AE, Orenstein R, Ebbert JO, Vergidis P, Badley AD. Research Response to SARS-CoV-2/COVID-19. Mayo Clinic Proceedings. 2020.
  5. Crane SJ, Ganesh R, Post JA, Jacobson NA. Telemedicine Consultations and Follow-up of Patients With COVID-19. Mayo Clinic Proceedings. 2020;95(9):S33-S34.
  6. Shah A, Challener D, Tande AJ, et al. Drive-Through Testing. Mayo Clinic Proceedings. 2020;95(7):1420-1425.
  7. Centers of Disease Control and Prevention. National Healthcare Safety Network (NHSN) Patient Safety Component Manual. 2020.
  8. Beigel JH, Tomashek KM, Dodd LE, et al. Remdesivir for the Treatment of Covid-19 — Preliminary Report. New England Journal of Medicine. 2020.
  9. Charlson ME, Pompei P, Ales KL, MacKenzie CR. A new method of classifying prognostic comorbidity in longitudinal studies: development and validation. J Chronic Dis. 1987;40(5):373383.
  10. Deyo RA, Cherkin DC, Ciol MA. Adapting a clinical comorbidity index for use with ICD-9-CM administrative databases. J Clin Epidemiol. 1992;45(6):613-619.
  11. Quan H, Sundararajan V, Halfon P, et al. Coding Algorithms for Defining Comorbidities in ICD-9CM and ICD-10 Administrative Data. Medical Care. 2005;43(11):1130-1139.
  12. Herasevich V, Kor DJ, Li M, Pickering BW. ICU data mart: a non-iT approach. A team of clinicians, researchers and informatics personnel at the Mayo Clinic have taken a homegrown approach to building an ICU data mart. Healthc Inform. 2011;28(11):42, 44-45.
  13. Jones AE, Trzeciak S, Kline JA. The Sequential Organ Failure Assessment score for predicting outcome in patients with severe sepsis and evidence of hypoperfusion at the time of emergency department presentation. Crit Care Med. 2009;37(5):1649-1654.
  14. Zimmerman JE, Kramer AA, McNair DS, Malila FM. Acute Physiology and Chronic Health Evaluation (APACHE) IV: hospital mortality assessment for today’s critically ill patients. Crit Care Med. 2006;34(5):1297-1310.
  15. Du Y, Lv Y, Zha W, Zhou N, Hong X. Association of Body mass index (BMI) with Critical COVID-19 and in-hospital Mortality: a dose-response meta-analysis. Metabolism. 2020:154373.
  16. Reddy RK, Charles WN, Sklavounos A, Dutt A, Seed PT, Khajuria A. The effect of smoking on COVID-19 severity: A systematic review and meta-analysis. J Med Virol. 2020:10.1002/jmv.26389.
  17. Ji W, Huh K, Kang M, et al. Effect of Underlying Comorbidities on the Infection and Severity of COVID-19 in Korea: a Nationwide Case-Control Study. J Korean Med Sci. 2020;35(25):e237-e237.
  18. Centers of Disease Control and Prevention. CDC COVID-19 Data Tracker. https://covid.cdc.gov/covid-data-tracker/#cases. Published 2020. Accessed September 4, 2020.
  19. Yehia BR, Winegar A, Fogel R, et al. Association of Race With Mortality Among Patients Hospitalized With Coronavirus Disease 2019 (COVID-19) at 92 US Hospitals. JAMA Network Open. 2020;3(8):e2018039.
  20. Petrilli CM, Jones SA, Yang J, et al. Factors associated with hospital admission and critical illness among 5279 people with coronavirus disease 2019 in New York City: prospective cohort study. BMJ. 2020;369:m1966.
  21. Richardson S, Hirsch JS, Narasimhan M, et al. Presenting Characteristics, Comorbidities, and Outcomes Among 5700 Patients Hospitalized With COVID-19 in the New York City Area. JAMA. 2020;323(20):2052-2059.
  22. Cummings MJ, Baldwin MR, Abrams D, et al. Epidemiology, clinical course, and outcomes of critically ill adults with COVID-19 in New York City: a prospective cohort study. The Lancet. 2020;395(10239):1763-1770.
  23. McPadden J, Warner F, Young HP, et al. Clinical Characteristics and Outcomes for 7,995 Patients with SARS-CoV-2 Infection. medRxiv. 2020:2020.2007.2019.20157305.
  24. Levin AT, Hanage WP, Owusu-Boaitey N, Cochran KB, Walsh SP, Meyerowitz-Katz G. ASSESSING THE AGE SPECIFICITY OF INFECTION FATALITY RATES FOR COVID-19: SYSTEMATIC REVIEW, META-ANALYSIS, AND PUBLIC POLICY IMPLICATIONS. medRxiv. 2020:2020.2007.2023.20160895.
  25. Lu Y-T, Chen P-J, Sheu C-Y, Liu C-L. Viral load and outcome in SARS infection: the role of personal protective equipment in the emergency department. J Emerg Med. 2006;30(1):7-15.
  26. Toyoshima Y, Nemoto K, Matsumoto S, Nakamura Y, Kiyotani K. SARS-CoV-2 genomic variations associated with mortality rate of COVID-19. Journal of Human Genetics. 2020.
  27. Tobin MJ, Laghi F, Jubran A. Caution about early intubation and mechanical ventilation in COVID-19. Annals of Intensive Care. 2020;10(1).
  28. Cheung JC-H, Ho LT, Cheng JV, Cham EYK, Lam KN. Staff safety during emergency airway management for COVID-19 in Hong Kong. The Lancet Respiratory Medicine. 2020;8(4):e19.
  29. Ferrando C, Mellado-Artigas R, Gea A, et al. Awake prone positioning does not reduce the risk of intubation in COVID-19 treated with high-flow nasal oxygen therapy: a multicenter, adjusted cohort study. Critical Care. 2020;24(1).
  30. Alhazzani W, Møller MH, Arabi YM, et al. Surviving Sepsis Campaign: Guidelines on the Management of Critically Ill Adults with Coronavirus Disease 2019 (COVID-19). Critical Care Medicine. 2020;48(6):e440-e469.
  31. Marra A, Ely EW, Pandharipande PP, Patel MB. The ABCDEF Bundle in Critical Care. Crit Care Clin. 2017;33(2):225-243.
  32. Dexamethasone in Hospitalized Patients with Covid-19 — Preliminary Report. New England Journal of Medicine. 2020.
  33. Temesgen Z, Assi M, Vergidis P, et al. First Clinical Use of Lenzilumab to Neutralize GM-CSF in Patients with Severe COVID-19 Pneumonia. medRxiv : the preprint server for health sciences. 2020:2020.2006.2008.20125369.
  34. The Lancet Respiratory M. The EVALI outbreak and vaping in the COVID-19 era. The Lancet Respiratory Medicine. 2020;8(9):831