基于CT图像及临床分型探讨新型冠状病毒肺炎患者住院时长的影响因素

摘要：

目的 基于人工智能提取新型冠状病毒肺炎(COVID-19)的影像学特征,初步探索影像学图像特征及临床分型对住院时长的影响.方法 收集2020年在首都医科大学附属北京地坛医院及首都医科大学附属北京佑安医院的接受治疗的首批COVID-19患者影像学及临床数据,包括患者的基本信息、胸部CT数据、临床分型及住院天数等资料.通过秩相关和回归分析初步探索临床分型、性别、影像学数据与住院天数的相关性.结果 共85名资料完整的患者纳入本研究,患者住院天数最短为6 d,最长为96 d.秩相关结果显示临床分型与住院天数呈正相关(r=0.238,P=0.028).通过多项式非线性拟合函数拟合结果显示,患者基线病灶体积占比与住院天数呈曲线相关,模型的截距项(β0)、一次项(β1)和二次项(β2)均具有统计学意义,其中β0=28.09(95％CI:22.32～33.86),β1=1.092(95％CI:0.211～1.973),β2=-0.018(95％CI:-0.034～-0.002).结论 患者临床分型与住院天数呈正相关,即随着临床分型越来越重,住院天数逐渐增加;患者基线病灶体积占比与住院天数呈曲线相关.

关键词：新冠肺炎、住院天数、X线计算机、断层摄影术、人工智能、医疗资源

所属期刊栏目：21

分类号：R563.1;R181.3;R459.7

资助基金：国家自然科学基金;国家自然科学基金;北京市科学技术委员会新型冠状病毒感染肺炎科技防治项目

在线出版日期：2022-06-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：998-1002