肺部超声检测COVID-19的诊断价值：系统综述和荟萃分析

封面

如何引用文章

全文:

详细

论证：在评估COVID-19患者病情的严重程度时，主要依赖肺组织损伤的体积。有许多诊断方法允许分析该指标，每一种方法都有一定的局限性。研究的目的和设计，观察患者的特点，设备的可用性，所有这些参数都可以影响最佳方法的选择。

目的是通过对PubMed和Google Scholar数据库中相关英文文章的系统回顾，评估超声作为一种分析COVID-19患者肺损伤程度的方法的敏感性和特异性。关键词：lung ultrasound; chest ultrasound; thoracic ultrasound; ultrasonography; COVID-19; SARS-CoV-2; coronavirus; diagnosis; diagnostic value; specificity; sensitivity该综述仅包括了针对疑似COVID-19患者肺部超声诊断准确性问题的研究。参考方法包括胸部CT、逆转录聚合酶链反应检测病毒RNA、实验室数据等。论文由两位作者独立抽取，填写标准化表格的指定字段，然后对研究质量指标进行评价。为了分析和分组所选研究中肺超声评估肺组织改变体积的敏感性和特异性的数据，使用了随机效应模型。根据规定的纳入标准，适合16项研究，但仅对3例患者根据疾病严重程度划分明确组。通过其他有关材料，为了评估次要结果，使用了肺部超声诊断COVID-19的敏感性和特异性值，而不考虑患者的病情。当研究根据筛查、疾病严重程度评估和患者队列进行分组时，观察到的主要结果和次要结果的异质性得以保持。肺部超声诊断重症冠状病毒感染COVID-19患者肺损害的准确性最高（敏感性为87.6±12.3%，特异性为80.5±7.1%）。同时，该方法在轻度疾病患者中的准确率最低（敏感性为72.8±7.1%，特异性为74.3±2.7%）。

结果。肺部超声检查可用于确诊COVID-19的患者，以检测肺组织的严重损害。该方法评估轻微-中度肺损伤的诊断价值相对较低。

 

作者简介

Natalia Vetsheva

Research and Practical Clinical Center for Diagnostics and Telemedicine Technologies of the Moscow Health Care Department; Moscows regional research clinical institute n.a. M.F. Vladimirskiy

编辑信件的主要联系方式.
Email: vetsheva@npcmr.ru
ORCID iD: 0000-0002-9017-9432
SPIN 代码: 9201-6146

MD, PhD

俄罗斯联邦, Moscow

Roman Reshetnikov

Research and Practical Clinical Center for Diagnostics and Telemedicine Technologies of the Moscow Health Care Department; Sechenov First Moscow State Medical University (Sechenov University)

Email: reshetnikov@fbb.msu.ru
ORCID iD: 0000-0002-9661-0254
SPIN 代码: 8592-0558

PhD

俄罗斯联邦, Moscow

Denis Leonov

Research and Practical Clinical Center for Diagnostics and Telemedicine Technologies of the Moscow Health Care Department

Email: d.leonov@npcmr.ru
ORCID iD: 0000-0003-0916-6552
SPIN 代码: 5510-4075

PhD

俄罗斯联邦, Moscow

Nikolas Kulberg

Research and Practical Clinical Center for Diagnostics and Telemedicine Technologies of the Moscow Health Care Department

Email: kulberg@npcmr.ru
ORCID iD: 0000-0001-7046-7157
SPIN 代码: 2135-9543

PhD

俄罗斯联邦, Moscow

Olesya Mokienko

Research and Practical Clinical Center for Diagnostics and Telemedicine Technologies of the Moscow Health Care Department

Email: o.mokienko@npcmr.ru
ORCID iD: 0000-0002-7826-5135
SPIN 代码: 8088-9921

MD, PhD

俄罗斯联邦, Moscow

参考

  1. WHO coronavirus disease (COVID-19) dashboard. Geneva: World Health Organization; 2020 [cited 2020 Septr 16]. Available from: https://covid19.who.int/
  2. Franco N. Covid-19 Belgium: Extended SEIR-QD model with nursery homes and long-term scenarios-based forecasts from school opening. medRxiv. 2020:2020.09.07.20190108. doi: 10.1101/2020.09.07.20190108
  3. Schwartz F, Lieber D. Israel to enter lockdown again as second Coronavirus wave hits. Wall Street J. [cited 2020 Septr 16]. Available from: https://www.wsj.com/articles/israel-to-shut-down-again-as-second-coronavirus-wave-hits-11600028298
  4. Pujadas E, Chaudhry F, McBride R, et al. SARS-CoV-2 viral load predicts COVID-19 mortality. Lancet Respir Med. 2020;8(9):e70. doi: 10.1016/S2213-2600(20)30354-4
  5. Lippi G, Plebani M, Henry BM. Thrombocytopenia is associated with severe coronavirus disease 2019 (COVID-19) infections: A meta-analysis. Clin Chim Acta. 2020;506:145–148. doi: 10.1016/j.cca.2020.03.022
  6. Paliogiannis P, Mangoni AA, Dettori P, et al. D-Dimer concentrations and COVID-19 severity: a systematic review and meta-analysis. Front Public Heal. 2020;8:432.
  7. Gao L, Jiang D, Wen X, et al. Prognostic value of NT-proBNP in patients with severe COVID-19. Respir Res. 2020;21(1):83. doi: 10.1186/s12931-020-01352-w
  8. World Health Organization Team. Use of chest imaging in COVID-19: a rapid advice guide, 11 June 2020. Available from: https://apps.who.int/iris/handle/10665/332336
  9. Xu B, Xing Y, Peng J, et al. Chest CT for detecting COVID-19: a systematic review and meta-analysis of diagnostic accuracy. Eur Radiol. 2020;30(10):5720–5727. doi: 10.1007/s00330-020-06934-2
  10. Morozov S, Ledikhova N, Panina E, et al. Re: Controversy in coronaViral Imaging and Diagnostics (COVID). Clin Radiol. 2020;75(11):871–872. doi: 10.1016/j.crad.2020.07.023
  11. Di Serafino M, Notaro M, Rea G, et al. The lung ultrasound: facts or artifacts? In the era of COVID-19 outbreak. Radiol Med. 2020;125(8):738–753. doi: 10.1007/s11547-020-01236-5
  12. Mohamed MF, Al-Shokri S, Yousaf Z, et al. Frequency of abnormalities detected by point-of-care lung ultrasound in symptomatic COVID-19 patients: systematic review and meta-analysis. Am J Trop Med Hyg. 2020;103(2):815–821. doi: 10.4269/ajtmh.20-0371
  13. Piscaglia F, Stefanini F, Cantisani V, et al. Benefits, open questions and challenges of the use of ultrasound in the COVID-19 pandemic era. The views of a panel of worldwide international experts. Ultraschall Med. 2020;41(3):228–236. doi: 10.1055/a-1149-9872
  14. Liberati A, Altman DG, Tetzlaff J, et al. The PRISMA statement for reporting systematic reviews and meta-analyses of studies that evaluate health care interventions: explanation and elaboration. PLoS Med. 2009;6(7):e1000100. doi: 10.1371/journal.pmed.1000100
  15. Whiting PF. QUADAS-2: a revised tool for the quality assessment of diagnostic accuracy studies. Ann Intern Med. 2011;155(8):529–536. doi: 10.7326/0003-4819-155-8-201110180-00009
  16. Higgins JP, Thomas J, Chandler J, et al. Cochrane Handbook for Systematic Reviews of Interventions. 2nd ed. Chichester (UK): John Wiley & Sons; 2019.
  17. Harrer M, Cuijpers P, Furukawa TA, Ebert DD. Doing meta-analysis in r: a hands-on guide [cited 2020 Septr 10]. Available from: https://bookdown.org/MathiasHarrer/Doing_Meta_Analysis_in_R
  18. R Core Team. A Language and Environment for Statistical Computing. 2020. Available from: https://www.r-project.org/
  19. Lu W, Zhang S, Chen B, et al. A clinical study of noninvasive assessment of lung lesions in patients with Coronavirus Disease-19 (COVID-19) by bedside ultrasound. Ultraschall Med. 2020;41(3):300–307. doi: 10.1055/a-1154-8795
  20. Zieleskiewicz L, Markarian T, Lopez A, et al. Comparative study of lung ultrasound and chest computed tomography scan in the assessment of severity of confirmed COVID-19 pneumonia. Intensive Care Med. 2020;46(9):1707–1713. doi: 10.1007/s00134-020-06186-0
  21. Pare JR, Camelo I, Mayo KC, et al. Point-of-care lung ultrasound is more sensitive than chest radiograph for evaluation of COVID-19. West J Emerg Med. 2020;21(4):771–778. doi: 10.5811/westjem.2020.5.47743
  22. Peyrony O, Marbeuf-Gueye C, Truong V, et al. Accuracy of emergency department clinical findings for diagnosis of Coronavirus disease 2019. Ann Emerg Med. 2020;76(4):405–412. doi: 10.1016/j.annemergmed.2020.05.022
  23. Tung-Chen Y, Martí de Gracia M, Díez-Tascón A, et al. Correlation between chest computed tomography and lung ultrasonography in patients with Coronavirus disease 2019 (COVID-19). Ultrasound Med Biol. 2020;46(11):2918–2926. doi: 10.1016/j.ultrasmedbio.2020.07.003
  24. Veronese N, Sbrogiò LG, Valle R, et al. Prognostic value of lung ultrasound in older nursing home residents affected by COVID-19. J Am Med Dir Assoc. 2020;21(10):1384–1386. doi: 10.1016/j.jamda.2020.07.034
  25. Yassa M, Mutlu MA, Birol P, et al. Lung ultrasound in pregnant women during the COVID-19 pandemic: an interobserver agreement study among obstetricians. Ultrasonography. 2020;39(4):340–349. doi: 10.14366/usg.20084
  26. Yassa M, Yirmibes C, Cavusoglu G, et al. Outcomes of universal SARS-CoV-2 testing program in pregnant women admitted to hospital and the adjuvant role of lung ultrasound in screening: a prospective cohort study. J Matern Fetal Neonatal Med. 2020;33(22):3820–3826. doi: 10.1080/14767058.2020.1798398
  27. Deng Q, Zhang Y, Wang H, et al. Semiquantitative lung ultrasound scores in the evaluation and follow-up of critically ill patients with COVID-19: a single-center study. Acad Radiol. 2020;27(10):1363–1372. doi: 10.1016/j.acra.2020.07.002
  28. Lichter Y, Topilsky Y, Taieb P, et al. Lung ultrasound predicts clinical course and outcomes in COVID-19 patients. Intensive Care Med. 2020;46(10):1873–1883. doi: 10.1007/s00134-020-06212-1
  29. Zhao L, Yu K, Zhao Q, et al. Lung ultrasound score in evaluating the severity of Coronavirus Disease 2019 (COVID-19) pneumonia. Ultrasound Med Biol. 2020;46(11):2938–2944. doi: 10.1016/j.ultrasmedbio.2020.07.024
  30. Castelao J, Graziani D, Soriano JB, Izquierdo JL. Findings and prognostic value of lung ultrasound in COVID-19 pneumonia. medRxiv. 2020. doi: 10.1101/2020.06.29.20142646
  31. Bar S, Lecourtois A, Diouf M, et al. The association of lung ultrasound images with COVID-19 infection in an emergency room cohort. Anaesthesia. 2020;75(12):1620–1625. doi: 10.1111/anae.15175
  32. Benchoufi M, Bokobza J, Chauvin AA, et al. Lung injury in patients with or suspected COVID-19: a comparison between lung ultrasound and chest CT-scanner severity assessments, an observational study. medRxiv. 2020. doi: 10.1101/2020.04.24.20069633
  33. Favot M, Malik A, Rowland J, et al. Point-of-Care lung ultrasound for detecting severe presentations of Coronavirus disease 2019 in the emergency department: a retrospective analysis. Crit care Explor. 2020;2(8):e0176. doi: 10.1097/CCE.0000000000000176
  34. Hatamabadi H, Shojaee M, Bagheri M, Raoufi M. Lung ultrasound findings compared to chest CT scan in patients with COVID-19 associated pneumonia: a pilot study. Adv J Emerg Med. 2020.
  35. Svajka P. Abstract world map. Grey world map. Isolated on the white background. Shutterstock [cited 2020 Septr 16]. Available from: https://www.shutterstock.com/ru/image-vector/abstract-world-map-grey-isolated-on-1041962431
  36. Böger B, Fachi MM, Vilhena RO, et al. Systematic review with meta-analysis of the accuracy of diagnostic tests for COVID-19. Am J Infect Control. 2020;S0196-6553(20)30693-3. doi: 10.1016/j.ajic.2020.07.011
  37. Xu B, Xing Y, Peng J, et al. Chest CT for detecting COVID-19: a systematic review and meta-analysis of diagnostic accuracy. Eur Radiol. 2020;30(10):5720–5727. doi: 10.1007/s00330-020-06934-2
  38. Driggin E, Madhavan MV, Bikdeli B, et al. Cardiovascular considerations for patients, health care workers, and health systems during the COVID-19 pandemic. J Am Coll Cardiol. 2020;75(18):2352–2371. doi: 10.1016/j.jacc.2020.03.031
  39. Rubin GD, Ryerson CJ, Haramati LB, et al. The role of chest imaging in patient management during the COVID-19 pandemic: a multinational consensus statement from the Fleischner Society. Chest. 2020;158(1):106–116. doi: 10.1016/j.chest.2020.04.003
  40. Sperandeo M, Quarato CM, Rea G. Diagnosis of coronavirus disease 2019 pneumonia in pregnant women: can we rely on lung ultrasound? Am J Obstet Gynecol. 2020;223(4):615. doi: 10.1016/j.ajog.2020.06.028

补充文件

附件文件
动作
1. JATS XML
下载
2. 图 1研究选择图表。

下载 (219KB)
索引源数据
3. 图 2被纳入研究的研究的地理位置。 注：世界地图的图像是在Shutterstock资源上购买的，之后进行更改[35]。

下载 (227KB)
索引源数据
4. 图 3.16项研究的系统误差风险直方图。

下载 (126KB)
索引源数据
5. 图 4按特异性（A）和敏感性（B）分组数据的森林图*和**符号表示M. Yassa等人的研究，分别致力于不同专家结论的一致性[25]和超声在COVID-19筛查中的诊断意义[26]。SMD—标准均数差；CI—置信区间。

下载 (232KB)
索引源数据
6. Video-presentation
预览 
索引源数据

版权所有 © Vetsheva N., Reshetnikov R., Leonov D., Kulberg N., Mokienko O., 2020

Creative Commons License
此作品已接受知识共享署名-非商业性使用-禁止演绎 4.0国际许可协议的许可。

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».