The evolving dynamics of coronavirus disease 2019 (COVID-19) and the increasing infection numbers require diagnostic tools to identify patients at high risk for a severe disease course. Here we evaluate clinical and imaging parameters for estimating the need of intensive care unit (ICU) treatment. We collected clinical, laboratory and imaging data from 65 patients with confirmed COVID-19 infection based on polymerase chain reaction (PCR) testing. Two radiologists evaluated the severity of findings in computed tomography (CT) images on a scale from 1 (no characteristic signs of COVID-19) to 5 (confluent ground glass opacities in over 50% of the lung parenchyma). The volume of affected lung was quantified using commercially available software. Machine learning modelling was performed to estimate the risk for ICU treatment. Patients with a severe course of COVID-19 had significantly increased interleukin (IL)-6, C-reactive protein (CRP), and leukocyte counts and significantly decreased lymphocyte counts. The radiological severity grading was significantly increased in ICU patients. Multivariate random forest modelling showed a mean ± standard deviation sensitivity, specificity and accuracy of 0.72 ± 0.1, 0.86 ± 0.16 and 0.80 ± 0.1 and a receiver operating characteristic-area under curve (ROC-AUC) of 0.79 ± 0.1. The need for ICU treatment is independently associated with affected lung volume, radiological severity score, CRP, and IL-6.
Zusammenfassung: Hintergrund: Seit Ende März wurde deutschlandweit das Gesundheitswesen auf einen Notbetrieb umgestellt, um Ressourcen für die sich ausbreitende Coronavirus-disease-2019-Pandemie (COVID-19-Pandemie) zu schaffen. Ziel der Arbeit ist es, das Aufkommen von Notfallpatienten zur Zeit der Pandemie zu untersuchen, um Rückschlüsse auf den Einfluss der COVID-19-Pandemie auf das Patientenaufkommen in einer Notaufnahme ziehen zu können. Material und Methoden: Im Rahmen einer deskriptiven epidemiologischen Studie wurden in dem Zeitraum vom 01.02. bis zum 30.04.2019 sowie vom 01.02. bis zum 30.04.2020 patientenbezogene Daten von insgesamt 19.357 Fällen in der zentralen Notaufnahme des Klinikums rechts der Isar erhoben und anonymisiert ausgewertet. Ergebnisse: Trotz steigender Patientenzahlen von 2019 auf 2020 kam es von Februar auf März 2020 zu einem deutlichen Abfall der Notfälle bis auf ein Niveau unter das von 2019, der im April weiter anhielt. Dies betraf insbesondere den Fachbereich Unfallchirurgie mit einem Rückgang des mittleren Patientenaufkommens um etwa 40 %. Im Hinblick auf die Beschwerdebilder im März 2020 zeigte sich, dass ein vermehrtes Aufkommen von Unwohlsein (+47 %) und Atemproblemen (+36 %) zu verzeichnen war, wohingegen Rückenschmerzen (−41 %), Wunden (−29 %), thorakale (−24 %) sowie abdominelle Schmerzen (−23 %) deutlich seltener vertreten waren als im Vorjahr. Bezogen auf den Schweregrad der Beschwerden wirkte sich der Rückgang vor allem auf Beschwerdebilder mit niedriger Dringlichkeitsstufe aus. Schlussfolgerung: Im Rahmen der COVID-19-Pandemie kam es zu einem deutlichen Rückgang des Patientenaufkommens in einer der größten Notaufnahmen in München. Dies sollte bei bestehenden Krankenhauskapazitäten vermieden werden, um potenziell gesundheitlichen Schäden durch eine aufgeschobene oder ausbleibende notfallmäßige Vorstellung vorzubeugen.
Lung cancer remains a devastating disease with a poor clinical outcome. A biomarker signature which could distinguish lung cancer from metastatic disease and detect therapeutic failure would significantly improve patient management and allow for individualized, risk-adjusted therapeutic decisions. In this study, circulating Hsp70 levels were measured using ELISA, and the immunophenotype of the peripheral blood lymphocytes were measured using multiparameter flow cytometry, to identify a predictive biomarker signature for lung cancer patients pre- and post-operatively, in patients with lung metastases and in patients with COPD as an inflammatory lung disease. The lowest Hsp70 concentrations were found in the healthy controls followed by the patients with advanced COPD. Hsp70 levels sequentially increased with an advancing tumor stage and metastatic disease. In the early-recurrence patients, Hsp70 levels started to increase within the first three months after surgery, but remained unaltered in the recurrence-free patients. An early recurrence was associated with a significant drop in B cells and an increase in Tregs, whereas the recurrence-free patients had elevated T and NK cell levels. We conclude that circulating Hsp70 concentrations might have the potential to distinguish lung cancer from metastatic disease, and might be able to predict an advanced tumor stage and early recurrence in lung cancer patients. Further studies with larger patient cohorts and longer follow-up periods are needed to validate Hsp70 and immunophenotypic profiles as predictive biomarker signatures.
1 December 2016 in JACC: Cardiovascular Interventions
Zusammenfassung: Hintergrund: IVENA eHealth (IVENA, interdisziplinärer Versorgungsnachweis, mainis IT-Service GmbH, Offenbach am Main, Deutschland) unterstützt die Koordination von Notfallzuweisungen, indem es Echtzeitdaten über Behandlungsmöglichkeiten in Krankenhäusern liefert. Überlastung oder technische Probleme können dazu führen, dass Krankenhäuser Teile der Notaufnahme oder die gesamte Notaufnahme vorübergehend abmelden müssen, was zu Akutbelegungen führen kann. Die COVID-19-Pandemie könnte die Situation weiter verschärft haben, was Gegenstand dieser Untersuchung ist. Methodik: Diese deskriptive Analyse untersuchte mithilfe des IT-Systems IVENA eHealth die Belegungs- und Akutbelegungszahlen im Rettungsdienstbereich München von 2016 bis 2022. Besonderes Augenmerk lag auf den stationären Patienten (SK II) und den Zuweisungen von Schockraumpatienten + in den Fachgebieten Innere Medizin, Neurologie, Unfallchirurgie und Urologie sowie auf der Entwicklung der Akutbelegungen, insbesondere nach der COVID-19-Pandemie. Ergebnisse: Während der COVID-19-Pandemie im Jahr 2020 sank die Zahl der Patienten in den untersuchten Fachbereichen um 23,7 % (2021: −15 % und 2022: −11 % zu 2019). Der Anteil an Akutbelegungen sank 2020 im vgl. zu 2019 (5,9 % Akutbelegungen vs. 6,8 %) und stieg 2021 (7,7 % vs. 6,8 %) und 2022 (24,9 % vs. 6,8 %) überproportional an. Schlussfolgerung: Gründe für die Zunahme an Akutbelegungen sind vielfältig und umfassen unter anderen die Zunahme von stationären Einweisungen, den Engpass bei der Verlegung der Patienten (Exit-Block) sowie den Personalmangel im Gesundheitswesen. Die COVID-19-Pandemie verstärkte einige dieser Probleme, was die Zunahme an Akutbelegungen erklären könnte. Es bedarf jetzt einer Kombination verschiedener Lösungsansätze, um eine adäquate Notfallversorgung zu gewährleisten.