Predictive role of erythrocytes in assessment of COVID-19 outcomes

Cover Page

Cite item

Full Text

Abstract

Introduction. The search for affordable and accurate predictors of the outcome of COVID-19 is extremely important, as it provides the possibility to effectively correct the patient treatment tactics.

Aim of the study. To develop simple and accurate criteria based on the dynamics of red blood counts that predict the outcome of COVID-19.

Materials and methods. Observations were carried out in 125 patients with severe and extremely severe COVID-19, in whom indicators characterizing the state of red blood were determined in dynamics on days 1, 5, 7, 10, 14 and 21 after the hospitalization. ROC analysis was performed to calculate the threshold predictive values for survival and mortality.

Results. The total number of erythrocytes and the level of hemoglobin in severe and extremely severe patients did not go beyond the acceptable limits, although showed a tendency to decrease in the group of fatal cases. On the 1st and 21st days, the number of MacroR in the deceased patients was reduced compared to those in group of survivors. It has been established that the RDW-CV test can predict the outcome of the COVID-19 with a high degree of probability at a relatively early stage of disease. RDW-SD test can be an additional predictive criterion of COVID-19 outcome.

Conclusion. The RDW-CV test can be used as an effective predictor of disease outcome in patients with severe COVID-19.

About the authors

Yuri N. Smolyakov

Chita State Medical Academy

Email: smolyakov@rambler.ru
ORCID iD: 0000-0001-7920-7642

Candidate of Medical Sciences, Associate Professor, Head. Department of Medical Physics and Informatics

Russian Federation, 672000, Chita

Boris I. Kuznik

Chita State Medical Academy

Email: bi_kuznik@mail.ru
ORCID iD: 0000-0002-2502-9411

Doctor of Medical Sciences, Professor of the Department of Normal Physiology

Russian Federation, 672000, Chita

Elena V. Fefelova

Chita State Medical Academy

Author for correspondence.
Email: fefelova.elena@mail.ru
ORCID iD: 0000-0002-0724-0352

Doctor of Medical Sciences, Associate Professor, Associate Professor of the Department of Pathological Physiology

Russian Federation, 672000, Chita

Lyudmila S. Kazantseva

Regional Clinical Infectious Diseases Hospital

Email: mila-kazantseva93@mail.ru
ORCID iD: 0000-0002-9816-9714

Head of the Department of Resuscitation and Intensive Care

Russian Federation, 672042, Chita

Yuri K. Shapovalov

Chita State Medical Academy

Email: yurashap95@mail.ru
ORCID iD: 0000-0001-6408-239X

Resident of the Department of Otorhinolaryngology

Russian Federation, 672000, Chita

Maria S. Lukyanchuk

Chita State Medical Academy

Email: mary.lukyan4uk@yandex.ru
ORCID iD: 0000-0001-9095-8252

Resident of the Department of Anesthesiology, Resuscitation and Intensive Care

Russian Federation, 672000, Chita

Sergey A. Lukyanov

Chita State Medical Academy

Email: lukyanov-sergei@mail.ru
ORCID iD: 0000-0001-7997-9116

Candidate of Medical Sciences, Associate Professor of the Department of Propaedeutics of Internal Diseases

Russian Federation, 672000, Chita

Konstantin G. Shapovalov

Chita State Medical Academy

Email: shkg26@mail.ru
ORCID iD: 0000-0002-3485-5176

Doctor of Medical Sciences, Professor, Head of the Department of Anesthesiology, Resuscitation and Intensive Care

Russian Federation, 672000, Chita

References

  1. Mehta P., McAuley D.F., Brown M., Sanchez E., Tattersall R.S., Manson J.J. COVID-19: 377 consider cytokine storm syndromes and immunosuppression. Lancet. 2020; 395(10229): 1033–4. https://doi.org/10.1016/S0140-6736(20)30628-0
  2. Bonaventura A., Vecchié A., Dagna L., Martinod K., Dixon D.L., Van Tassell B.W., et al. Endothelial dysfunction and immunothrombosis as key pathogenic mechanisms in COVID-19. Nat. Rev. Immunol. 2021; 21(5): 319–29. https://doi.org/10.1038/s41577-021-00536-9
  3. Tang N., Li D., Wang X., Sun Z. Abnormal coagulation parameters are associated with 379 poor prognosis in patients with novel coronavirus pneumonia. J. Thromb. Haemost. 2020; 18(4): 844–7. https://doi.org/10.1111/jth.14768
  4. Chen N., Zhou M., Dong X., Qu J., Gong F., Han Y., et al. Epidemiological and clinical characteristics of 99 cases of 2019 novel 382 coronavirus pneumonia in Wuhan, China: a descriptive study. Lancet. 2020; 395(10223): 507–13. https://doi.org/10.1016/S0140-6736(20)30211-7
  5. Khavinson V., Linkova N., Dyatlova A., Kuznik B., Umnov R. Peptides: Prospects for Use in the Treatment of COVID-19. Molecules. 2020; 25(19): 4389. https://doi.org/10.3390/molecules25194389
  6. Kubánková M., Hohberger B., Hoffmanns J., Fürst J., Herrmann M., Guck J., et al. Physical phenotype of blood cells is altered in COVID-19. Biophys. J. 2021; 120(14): 2838–47. https://doi.org/10.1016/j.bpj.2021.05.025
  7. Yuan X., Huang W., Ye B., Chen C., Huang R., Wu F., et al. Changes of hematological and immunological parameters in COVID-19 patients. Int. J. Hematol. 2020; 112(4): 553–9. https://doi.org/10.1007/s12185-020-02930-w
  8. Grigor’ev S.G., Lobzin Yu.V., Skripchenko N.V. The role and place of logistic regression and ROC-analysis in solving medical diagnostic task. Zhurnal infektologii. 2016; 8(4): 36–45. EDN: https://www.elibrary.ru/xfwbjt https://doi.org/10.22625/2072-6732-2016-8-4-36-45 (in Russian)
  9. Hughes G., Kopetzky J., McRoberts N. Mutual information as a performance measure for binary predictors characterized by both ROC curve and PROC curve analysis. Entropy (Basel). 2020; 22(9): 938. https://doi.org/10.3390/e22090938
  10. Hosmer S., Lemeshow S.L. Applied Logistic Regression. John Wiley & Sons; 2013.
  11. Faynzil’berg L.S., Zhuk T.N. Guaranteed assessment of the effectiveness of diagnostic tests based on enhanced ROC analysis. Upravlyayushchie sistemy i mashiny. 2009; (5): 3–13. (in Russian)
  12. DeLong E.R., DeLong D.M., Clarke-Pearson D.L. Comparing the areas under two or more correlated receiver operating characteristic curves: a nonparametric approach. Biometrics. 1988; 44(3): 837–45. https://doi.org/10.2307/2531595
  13. Denis P.A. COVID-19-related complications and decompression illness share main features. Could the SARS-CoV2-related complications rely on blood foaming? Med. Hypotheses. 2020; 144: 109918. https://doi.org/10.1016/j.mehy.2020.109918
  14. Kuznik B.I. Cellular and Molecular Mechanisms of Regulation of the Hemostasis System in Norm and Pathology [Kletochnye i molekulyarnye mekhanizmy regulyatsii sistemy gemostaza v norma i patologii]. Chita: Ekspress-izdatelstvo; 2010. (in Russian)
  15. Kuznik B.I., Sturov V.G., Levshin N.Yu., Maksimova O.G., Kudlay D.A. Hemorrhagic and Thrombotic Diseases and Syndromes in Children and Adolescents [Gemorragicheskie i tromboticheskie zabolevaniya i sindromy u detey i podrostkov]. Novosibirsk: Nauka; 2018. (in Russian)
  16. Weisel J.W., Litvinov R.I. Red blood cells: The forgotten player in hemostasis and thrombosis. J. Thromb. Haemost. 2019; 17(2): 271–82. https://doi.org/10.1111/jth.14360
  17. Grobler C., Maphumulo S.C., Grobbelaar L.M., Bredenkamp J.C., Laubscher G.J., Lourens P.J., et al. Covid-19: The rollercoaster of fibrin(ogen), D-dimer, von Willebrand Factor, P-selectin and their interactions with endothelial cells, platelets and erythrocytes. Int. J. Mol. Sci. 2020; 21(14): 5168. https://doi.org/10.3390/ijms21145168
  18. Della Rocca D.G., Magnocavallo M., Lavalle C., Romero J., Forleo G.B., Tarantino N., et al. Evidence of systemic endothelial injury and microthrombosis in hospitalized COVID-19 patients at different stages of the disease. J. Thromb. Thrombolysis. 2020; 51(3): 571–6. https://doi.org/10.1007/s11239-020-02330-1
  19. Thomas T., Stefanoni D., Dzieciatkowska M., Issaian A., Nemkov T., Hill R.C., et al. Evidence of structural protein damage and membrane lipid remodeling in red blood cells journal pre-proof Kub from COVID-19 patients. J. Proteome Res. 2020; 19(11): 4455–69. https://doi.org/10.1021/acs.jproteome.0c00606
  20. Cavezzi A., Troiani E., Corrao S. COVID-19: hemoglobin, iron, and hypoxia beyond inflammation. A narrative review. Clin. Pract. 2020; 10(2): 1271. https://doi.org/10.4081/cp.2020.1271
  21. Orlov Yu.P., Govorova N.V., Lukach V.N., Baytugaeva G.A., Klement’ev A.V., Kakulya E.N. Iron metabolismin conditions of infection. Review. Vestnik intensivnoy terapii im. A.I. Saltanova. 2020; (1): 90–9. https://doi.org/10.21320/1818-474X-2020-1-90-99 EDN: https://www.elibrary.ru/ivbhpx (in Russian)
  22. Gattinoni L., Chiumello D., Caironi P., Busana M., Romitti F., Brazzi L., et al. COVID-19 pneumonia: different respiratory treatments for different phenotypes? Intensive Care Med. 2020; 46(6): 1099–102. https://doi.org/10.1007/s00134-020-06033-2
  23. Anft M., Paniskaki K., Blazquez-Navarro A., Doevelaar A., Seibert F.S., Hölzer B., et al. COVID-19-induced ARDS is associated with decreased frequency of activated memory/effector T Cells expressing CD11a++. Mol. Ther. 2020; 28(12): 2691–702. https://doi.org/10.1016/j.ymthe.2020.10.001
  24. Zhang X., Li S., Niu S. ACE2 and COVID-19 and the resulting ARDS. Postgrad. Med. J. 2020; 96(1137): 403–7. https://doi.org/10.1136/postgradmedj-2020-137935
  25. Navas-Blanco J.R., Dudaryk R. Management of respiratory distress syndrome due to COVID-19 infection. BMC Anesthesiol. 2020; 20(1): 177. https://doi.org/10.1186/s12871-020-01095-7

Supplementary files

Supplementary Files
Action
1. JATS XML
Download
2. Fig. 1. ROC curves for the analysis of the predictive accuracy of the RDW-SD test by days of illness (significance p shows differences in AUC compared to the previous day of control according to the method by E.R. DeLong, et al. [12]).

Download (246KB)
Indexing metadata
3. Fig. 2. ROC curves for the analysis of the predictive accuracy of the RDW-CV test by disease days (significance p shows differences in AUC compared to the previous day of control according to the method by E.R. DeLong, et al. [12]).

Download (235KB)
Indexing metadata

Copyright (c) 2023 Smolyakov Y.N., Kuznik B.I., Fefelova E.V., Kazantseva L.S., Shapovalov Y.K., Lukyanchuk M.S., Lukyanov S.A., Shapovalov K.G.

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».