CT在早期预测新型冠状病毒肺炎不同临床分型的应用

杨云辉; 何波; 游顶云; 杨俊涛; 高茜

doi:10.12259/j.issn.2095-610X.S20210524

摘要: 目的探讨新型冠状病毒肺炎（COVID-19）不同临床分型的临床及影像学表现及CT在早期预测不同临床分型的应用价值。方法回顾性分析2020年1月至2月云南省确诊的143例COVID-19患者的胸部CT平扫图像及临床资料，根据COVID-19诊疗方案（第7版），将所有患者分为轻型（28例）、普通型（92例）、重型（18例）和危重型（5例），并分析其临床特征及CT表现。比较临床分型与CT表现（病变分布、密度、范围、形态、内部/周围特征、周围血管改变等）间的相关性及各影像特征的预测效能。结果临床表现以发热（60/143，41.9%）、咳嗽（57/143，39.9%）症状为主，重型患者更易出现高热表现。重型和危重型患者更常见于老年患者。危重型患者淋巴细胞总数减低[（0.6±0.2）×10⁹/L]个。除轻型患者外，6例患者CT首诊未见明显异常，余109例中，重型（10.8±4.9）个和危重型（10.8±6.4）个患者首次CT检查肺段累及数目较普通型（5.8±4.6）个多（P < 0.001）。病灶形态为楔形病灶（59/109，54.1%）、榕树冠征（35/109，32.1%）、病变内/周围出现血管增粗（87/109，79.8%）、血管集束征（65/109，59.6%）在重型和危重型患者出现概率较高（P < 0.05）。各型患者中病变数目、病变密度、病变形态（类圆形、不规则形），病变内部/周围特征（铺路石征、晕征、支气管扩张）并未显示差异有统计学意义（P > 0.05）。肺段受累数目及出现楔形病变、榕树冠征有较好的预测效能，AUC分别为0.769、0.759、0.697，血管增粗及血管集束征预测效能稍低，AUC分别为0.626，0.667。多指标联合，其预测效能进一步提高，AUC为0.854。结论 CT不仅在COVID-19的早期诊断起到至关重要的作用，同时能够对患者病情的严重程度及预后进行评估。

关键词:

Abstract: Objective To investigate the clinical and CT image characteristics of COVID-19 pneumonia, and the predictive value of CT in the early stage of different clinical types. Methods Chest CT and clinical data of confirmed 143 patients with COVID-19 pneumonia in January to February 2020 were enrolled. According to the diagnosis and treatment of COVID-19 pneumonia（trial version 7）, all the patients were classified into the mild （n = 28）, common （n = 92）, severe （n = 36）, and critical （n = 5） type, and their clinical findings and CT findings were analyzed. CT features included lesions' distribution, density, extension, shape, interior/ periphery features, vascular changes. Then the prediction performance of image features were analyzed. Results The main clinical manifestations were fever （60/143, 41.9%） and cough （57/143, 39.9%）. High fever was more common seen in severe patients. Severe and critical types were more common in elderly patients. And the total number of lymphocytes reduced （0.6±0.2x10^9/L） in critical patients. Except for mild patients, there were 6 cases without the obvious abnormality in the first CT diagnosis. In the remaining 109 cases, the number of pulmonary segments involved in the first CT examination of severe patients was significantly higher than that of common patients （5.88 ± 6）（P < 0.001）. Severe and critical COVID-19 showed wedge-shape （59/109, 54.1%） or Ficus crown sign （35/109, 32.1%） lesions more frequently than in common COVID-19 and the thickening of blood vessels （87/109, 79.8%） and vascular clustering signs （65/109, 59.6%） in / around the lesions were more likely to occur in severe and critical types （P < 0.05）. There was no significant difference in the number of lesions, lesion density, lesion morphology （round, irregular） and internal/peripheral features of the lesion （crazy-paving sign, halo sign, bronchiectasis）（P > 0.05）. Area under the curve （AUC） of the number of involved lung segments, wedge-shape and Ficus crown sign （AUC: 0.769, 0.759, 0.697, respectively） were higher compared with that of thickening of blood vessels and vascular clustering signs （AUC: 0.626, 0.667, respectively）. Combined model resulted in a further increased diagnostic performance （AUC: 0.854）. Conclusion Chest CT findings not only play an important role in the early diagnosis of COVID-19, but also can evaluate the severity and prognosis of patients.

Key words:

自2019年12月起，中国湖北省武汉市陆续出现不明原因肺炎的病例，2020年1月7日，经病毒分型检测为一种新型冠状病毒^[1]（2019-new coronal virus，2019-nCoV），随后相关国际组织和研究机构对于这种疾病和引起它的病毒又有了新的命名，分别为COVID-19^[2]（corona virus disease 2019）和SARS-CoV-2^[3]（severe acute respiratory syndrome coronavirus 2）。经呼吸道飞沫和密切接触传播是SARS-CoV-2主要的传播途径，在相对封闭的环境中长时间暴露于高浓度气溶胶情况下存在经气溶胶传播的可能。目前，中国境内疫情上升的势头得到一定程度的遏制，但境外的发病人数呈上升态势。据最新统计资料^[4]，截止2020年3月6日，全球累积确诊超过10万人。COVID-19肺炎传染性强，发病率高，病情进展较快，中老年人或有基础疾病人群死亡率高。

影像学检查是COVID-19肺炎的诊疗过程中至关重要的环节。不同临床分型患者临床结局可能不同。笔者回顾性分析143例COVID-19肺炎患者的临床及首次CT影像资料，以探讨不同临床分型患者首次影像特征，通过首次影像表现是否能对病情发展进行预测。

1. 资料与方法

1.1 临床资料

回顾性分析2020年1月至2020年2月云南省的143例COVID-19肺炎患者临床及影像资料，包括年龄、性别、临床病史及胸部CT影像学资料。所有患者诊断均符合《新型冠状病毒感染的肺炎诊疗方案（试行第七版）》的诊断标准^[5]，并根据该方案标准，将患者分为轻型、普通型、重型及危重型，分析其临床特征，并均行外周血血常规（白细胞计数和淋巴细胞计数）检查。患者呼吸道标本经实时荧光定量PCR检测确诊为SARS-CoV-2核酸阳性。

1.2 CT检查

所有患者均行胸部CT检查。CT检查影像数据来源于云南省内30家医疗机构，均为16层以上CT机，管电压100～110 kV，管电流80～100 mAs，自动管电流调制，采用容积扫描，扫描层厚5～8 mm，重建为1 mm薄层。

1.3 图像分析

由2名从事胸部影像5 a以上的影像科医生对患者首次CT检查1 mm薄层图像分别阅片，如果无法达成一致，则由第3名从事胸部影像诊断10 a以上的医师进行评判，最终达成一致。

对这143例患者的首次CT检查病变如下特征进行分析：（1）病变数目（单发或多发）；（2）病变密度（单纯GGO病灶、GGO与实变混合病灶、全实变病灶）；（3）病变范围（外周胸膜下或周边和中心同时受累）；（4）病变累及肺段数目（共18段）；（5）病变形态（类圆形、楔形或不规则形）；（6）病变内部/周围特征（铺路石征、晕征、榕树冠征、支气管扩张）；（7）周围血管改变（血管增粗、血管集束征）；（8）纵隔淋巴结增大（横径≥1 cm）；（9）胸腔积液。磨玻璃密度影定义为在高分辨率CT（high resolution CT，HRCT）上肺密度云雾状增高，其内支气管及血管束仍可见；实变定义为不透明密度增高区，血管束显示不清，内可见充气支气管影。

1.4 统计学处理

采用SPSS25.0软件进行统计学分析。用Kolmogorov-Smirnov检验作正态性检验，计量资料且符合正态分布则用均值±标准差表示，偏态分布资料以中位数（上、下四分位数）表示，多组间计量资料比较采用one-way-ANOVA检验（方差不齐时用近似的稳健方差分析Welch法），组间两两比较用LSD（方差齐）或Dunnett’ s T3（方差不齐）法进行显著性检验。计数资料以比率表示，多个分类资料间的比较采用行×列表的χ²检验或Fisher精确概率法比较。绘制受试者工作特征曲线（receiver-operating characteristic curve，ROC），通过曲线下面积（areaundercurve，AUC）判断各影像特征及多影像指标联合的诊断价值，P < 0.05为差异有统计学意义。

2. 结果

2.1 不同临床分型COVID-19患者临床特征

143例患者中男性70例，女性73例，年龄3～79（42.1±18.9）岁，其中轻型患者28例，普通型92例，重型患者18例，危重型患者5例。除2例患者暴露史不明外，其余患者均有武汉旅居史或与确诊患者密切接触史。首发症状包括发热（41.9%）、乏力（13.3%）、头痛（4.2%）、咳嗽（39.9%）、肌肉酸痛（7%），2例（1.4%）患者以呕吐、腹泻为首发症状，32例（22.4%）无明显症状。在重型和危重型患者中更容易出现发热，且重型患者多出现中、高热，体温（38.1±1.2）℃，而轻型（37.1±0.5）℃、普通型（37.2±0.8）℃和危重型（37.9±0.8）℃则以低、中热多见。轻型和普通型患者都有一部分无明显自觉症状，重型和危重型患者起病均已有临床症状。130例（90.9%）患者首次核酸检测阳性，13例（9.1%）首次核酸检测为阴性。不同分型患者性别、流行病学史、首发症状、首次核酸检测结果差异无统计学意义；轻型患者多为年轻人，重型和危重型患者多为中老年人，差异有统计学意义（P < 0.05）；淋巴细胞总数在危重型患者中明显减低，白细胞总数在危重型患者未见明显升高。不同临床分型患者临床特征，见表1。

表 1 不同临床分型患者临床特征[$\bar x \pm s$/n（%）]

Table 1. Clinical features of different clinical types of COVID -19 pneumonia [$\bar x \pm s$/n（%）]

参数	总计（n = 143）	轻型（n = 28）	普通型（n = 92）	重型（n = 18）	危重型（n = 5）	F/χ²	P
性别
男	70（48.9）	12	46	9	3	0.709	0.871
女	73（51.1）	16	46	9	2	0.709	0.871
年龄（岁）	42.1 ± 18.9	26.4 ± 16.7^bcd	42.7 ± 16.8^acd	55.3 ± 13.5^ab	71.2 ± 4.6^ab	18.173	< 0.001^*
流行病学史
湖北武汉旅居史	107（74.8）	18	71	15	3	3.196	0.306
与确诊病人密切接触史	34（23.8）	10	20	2	2
暴露史不明	2（1.4）	0	1	1	0
首发症状
发烧	60（41.9）	6	37	15	2	17.621	0.001^*
乏力	19（13.3）	1	14	2	2	5.762	0.113
头痛	6（4.2）	2	3	1	0	1.107	0.557
咳嗽	57（39.9）	10	37	8	2	0.364	0.943
肌肉酸痛	10（7.0）	1	5	3	1	4.738	0.134
呕吐、腹泻	2（1.4）	0	1	0	1	6.135	0.121
无明显症状	32（22.4）	11	21	0	0	11.250	0.011^*
发病到首次CT检查时间（d）	3.3 ± 4.6	3.0 ± 3.6	3.4 ± 5.1	3.8 ± 3.4	1.8 ± 2.9	0.283	0.837
首次核酸检测
阳性	130（90.9）	26	84	15	5	1.896	0.593
阴性	13（9.1）	2	8	3	0	1.896	0.593
白细胞总数（×10⁹/L）	5.65 ± 2.54	6.6 ± 2.4^b	5.2 ± 1.7^ac	6.8 ± 4.9^b	4.7 ± 1.0	3.703	0.014^*
淋巴细胞总数（×10⁹/L）	1.33 ± 0.61	1.7 ± 0.7^bcd	1.3 ± 0.5^ad	1.2 ± 0.5^a	0.6 ± 0.2^ab	6.191	0.001^*
与轻型组比较，^aP < 0.05；与普通型组比较，^bP < 0.05；与重型组比较，^cP < 0.05；与危重型组比较，^dP < 0.05；4组间比较，^*P < 0.05。

下载: 导出CSV

| 显示表格

2.2 不同临床分型COVID-19肺炎患者CT影像表现

28例轻型患者无肺炎表现（图1A、B），5例普通型患者和1例重型患者首次CT检查未见异常。因此笔者分析了109例CT首次异常患者的影像学表现。不同分型的COVID-19肺炎患者以多发病变为主，97例患者出现以单纯GGO表现的病灶，69例患者病变位于肺野外带胸膜下，40例周边及中心同时受累，但在各组间差异无统计学意义。重型和危重型患者首次CT检查肺段累及数目较普通型多，差异有统计学意义（P < 0.05）。109名患者中90例出现类圆形病灶（图1C、D），59例楔形病灶（图1E、F），63例出现不规则形病灶。病变内部出现铺路石征者32例，出现晕征55例，出现榕树冠征（图1G、H）35例，出现支气管扩张14例。87例患者出现病变内/周围血管增粗，65例出现血管集束征。其中楔形病灶、榕树冠征在重型和危重型患者出现概率较高，差异有统计学意义，而病变内/周围血管增粗、出现血管集束征在各组间差异有统计学意义（P < 0.05）。其余病灶内及周围特征各组间差异无统计学意义（P > 0.05）。

图 1 不同分型的COVID-19患者影像特征

图A、B轻型COVID-19，女，36岁，发热当天就诊，CT轴位（A）和冠状位（B）未见肺炎表现。图C、D普通型COVID-19，男，46岁，咳嗽、发热6 d就诊，CT轴位（C）和冠状位（D）肺窗示右肺下叶及左肺上叶舌段类圆形或不规则磨玻璃密度影，以胸膜下多见。图E、F重型COVID-19，女，64岁，发热、畏寒1 d就诊，首次核酸检测为阴性。CT轴位（E）示双肺下叶背段片状楔形磨玻璃及实性混合密度影，其内可见“铺路石”征，病灶内血管增粗及血管集束征（箭头），冠状位（F）示多个肺叶受累。图G、H危重型COVID-19，男，76岁，发热、咳嗽10 d就诊，CT轴位（G）可见双肺上叶大片状融合磨玻璃密度为主病变，右肺病灶内可见血管增粗及血管集束征（箭头），呈“榕树冠”征表现，冠状面；（H）示双肺广泛病灶。

Figure 1. Image features in different clinical types of COVID -19 pneumonia

下载: 全尺寸图片幻灯片

纵隔淋巴结肿大和胸腔积液均少见。仅1例重型患者出现纵隔淋巴结肿大，3例普通型和1例重型患者早期出现少量胸腔积液。

对不同分型COVID-19患者的影像特征总结见表2。

表 2 不同临床分型COVID-19患者影像特征[$\bar x \pm s$/n（%）]

Table 2. Image features of different clinical types of COVID -19 pneumonia [$\bar x \pm s$/n（%）]

发现	总计（n = 109）	普通型（n = 87）	重型（n = 17）	危重型（n = 5）	F/χ²	P
病变分布
单发	12（11）	12	0	0	2.497	0.280
多发	97（89.0）	75	17	5	2.497	0.280
磨玻璃密度及实变
单纯GGO病灶	97（89.0）	76	17	4	2.753	0.252
GGO与实变混合病灶	51（46.8）	41	7	3	0.570	0.752
全实变病灶	16（14.7）	13	2	1	0.233	0.89
病变范围
外周胸膜下	69（63.3）	57	10	2	1.499	0.473
周边与中心同时受累	40（36.7）	30	7	3	1.499	0.473
肺段受累数目（个）	6.8 ± 5.1	5.8 ± 4.6^bc	10.8 ± 4.9^a	10.8 ± 6.4^a	9.759	< 0.001^*
病变形态和内部/周围特征
类圆形	90（82.6）	74	13	3	2.583	0.275
楔形	59（54.1）	38	16	5	19.013	< 0.001^*
不规则形	63（57.8）	48	11	4	1.589	0.425
铺路石征	32（29.3）	22	9	1	5.465	0.065
晕征	55（50.4）	47	6	2	2.225	0.329
榕树冠征	35（32.1）	21	11	3	12.606	0.002^*
支气管扩张	14（12.8）	8	5	1	5.432	0.066
血管改变
血管增粗	87（79.8）	65	17	5	6.970	0.031^*
血管集束征	65（59.6）	46	14	5	8.681	0.013^*
其他伴随征象
纵隔淋巴结肿大（横径≥1 cm）	1（0.9）	0	1	0		−
胸膜腔积液	4（3.7）	3	1	0		−
与普通型组比较，^bP < 0.05；与重型组比较，^cP < 0.05；与危重型组比较，^dP < 0.05；3组间比较，^*P < 0.05。

下载: 导出CSV

| 显示表格

2.3 不同分型的COVID-19患者影像特征诊断预测效能

将109例患者分为普通型组（n = 87），重型及危重型组（n = 22），选择肺段累及数目、楔形病灶、榕树冠征、血管增粗及血管集束征出现概率这几个影像特征绘制ROC曲线，同时绘制这些影像特征联合诊断的ROC曲线，以判断这些特征对重型及危重型患者的诊断预测效能（图2）。肺段受累数目及出现楔形病变、榕树冠征有较好的诊断预测效能，AUC分别为0.769、0.759、0.697，血管增粗及血管集束征预测效能稍低，AUC分别为0.626，0.667。当这几个影像特征联合，其预测效能进一步提高，AUC为0.854，见表3。

图 2 不同分型的COVID-19患者影像特征ROC曲线

Figure 2. ROC curve of image features in different clinical types of COVID -19 pneumonia

下载: 全尺寸图片幻灯片

表 3 不同分型的COVID-19患者影像特征诊断预测效能

Table 3. Prediction performance of image features in different clinical types of COVID -19 pneumonia

影像特征	肺段受累数	楔形	榕树冠征	血管增粗	血管集束征	多指标联合
曲线下面积	0.769	0.759	0.697	0.626	0.667	0.854
95%CI	0.661～0.877	0.664～0.854	0.569～0.826	0.512～0.741	0.551～0.785	0.782～0.927
敏感度	0.591	0.955	0.636	1.0	0.864	0.909
特异度	0.828	0.563	0.759	0.253	0.471	0.69

下载: 导出CSV

| 显示表格

3. 讨论

COVID-19肺炎是由SARS-CoV-2感染所致。SARS-CoV-2属于β属的冠状病毒。同一病毒家族中的病毒具有相似的肺炎发病机制，并且影像上具有相似的特征。SARS-CoV-2与严重急性呼吸综合征冠状病毒（severe acute respiratory syndrome coronavirus，SARS-CoV）和中东呼吸综合征冠状病毒（middle east respiratory syndrome coronavirus，MERS-CoV）基因同源性分别为79.0%和51.8%^[6]。目前对SARS-CoV-2的病理生理认识多来自于SARS-CoV和MERS-CoV的研究。SARS-CoV-2主要是通过肺泡II型上皮细胞的血管紧张素转化酶2作为受体^[7]，进入支气管上皮细胞内进行复制。病毒颗粒小，经气道吸入后，侵犯细支气管以下分支，引起细支气管炎及周围炎，并朝远端蔓延侵犯肺组织。COVID-19人群普遍易感，且传染性强，对全球公众健康造成巨大威胁。胸部HRCT是该病诊断和随访过程的重要环节之一，不同分型的COVID-19患者其临床转归、预后可能不同，因此，笔者尝试探讨不同分型的COVID-19患者首次CT影像表现，通过首次影像表现是否能对病情发展进行预测。

COVID-19不同临床分型其临床特点有所不同。重型和危重型多见于年纪较大或有基础疾病的患者，当人体免疫力低下时，肺泡出现大范围的炎性浸润性损伤，肺通气功能下降，最终导致呼吸衰竭。在本组病例中，轻型患者平均年龄在26岁左右，普通型患者的平均年龄在43岁左右，重型患者的年龄均值约55岁，而危重型患者年龄均值约71岁，进一步证实了年龄是影响患者预后的一项重要因素。一项最新研究显示^[8]，危重型COVID-19患者死亡率高达49%。41.9%的COVID-19患者首发症状为发热，轻型和普通型以低、中热为主，重型以中、高热为主，这也说明不同临床分型的免疫系统激活程度不同，间接反应病变的严重程度。但在本组患者中，危重型反而以低、中热为主，这可能与这组患者中均为老年人，自身免疫功能低下有关。在本组患者中，白细胞总数均在正常范围内，危重型患者淋巴细胞总数减低，这与既往研究相吻合^[9]。

COVID-19不同临床分型其首次影像特点大部分相似，但也有一些不同特点。各型患者中病变均以多发常见，但在重型和危重型患者病变范围较广，累及肺段数目均值约10.8个，这可能与感染的病毒量和自身免疫功能有关，受累肺段数目越多，意味着更多的肺组织损伤。COVID-19肺炎患者病变形态以类圆形最常见，其次为楔形和不规则形^[10-11]，而楔形病灶在重型和危重型患者中更容易看到，这可能是由于SARS-CoV-2早期广泛攻击细支气管以下分支，致弥漫性肺泡损伤，随着病情进展出现黏膜溃疡，透明膜形成、肺泡出血及纤维蛋白渗出，病变相互融合呈片，并向肺门区进展，形成楔形病变^[12]。楔形病灶继续融合，其中出现血管增多、增粗，则表现为“榕树冠”样特征。在COVID-19中，炎性反应使病变区域肺小动脉极度扩张，血流量增多，同时肺静脉回流阻力增高，引起肺淤血，肺静脉扩张，因此在CT上，笔者可以观察到病变区域多发增粗血管影，并向病灶聚集，形成血管增粗及血管集束征。在本研究中，笔者还对特异性影像征象对COVID-19肺炎的疾病进展和分型的预测效能进行了评价，发现首诊CT表现中受累肺段数目，出现楔形病灶的预测效能较好，AUC分别为0.769，0.759，其次出现榕树冠征也有较好的预测效能，AUC为0.697，当联合了受累肺段数目、楔形病灶、榕树冠征、血管增粗及血管集束征这几个影像特点，则预测效能进一步提高，AUC达0.854，说明早期出现这几个特征，患者的疾病进程更有可能发展为重型和危重型。

在本研究中，不同临床分型患者的病变密度差异无统计学意义，各分型患者中均可出现单纯GGO、全实变和混合密度病灶，这与黄璐等^[13]研究结果有所不同，这可能是由于本研究中从出现症状到首次CT检查时间间隔较短，病理生理改变处于较早期阶段。另外，本组病例中有13例（9.1%）首次核酸检测结果阴性，但首次CT检查均发现肺部病变，其中1例重型患者首次CT检查肺部病变就以多发肺野外周的楔形病变为主，同时出现了血管增粗及血管集束征，这说明当核酸检测阴性而又高度怀疑COVID-19患者，早期行CT检查的必要性，同时也提示早期出现楔形病灶及血管改变的患者，更有可能发展为重型或危重型患者。5例普通型患者和1例重型患者首次CT检查未见异常，平均3 d后复查CT，均出现了肺部病变，因此首次检查患者如肺部表现正常，需密切随访动态观察肺部变化。

综上所述，COVID-19不同临床分型患者的早期影像学表现各有不同，特别是病灶累及肺段的数目、病灶的楔形形态、榕树冠征及血管增粗、血管集束对重型和危重型患者的鉴别有一定的价值，CT不仅在COVID-19的早期诊断起到至关重要的作用，也能对核酸检测这一金标准进行有效补充，同时能够对患者病程及预后进行评估。

图 1 不同分型的COVID-19患者影像特征

图A、B轻型COVID-19，女，36岁，发热当天就诊，CT轴位（A）和冠状位（B）未见肺炎表现。图C、D普通型COVID-19，男，46岁，咳嗽、发热6 d就诊，CT轴位（C）和冠状位（D）肺窗示右肺下叶及左肺上叶舌段类圆形或不规则磨玻璃密度影，以胸膜下多见。图E、F重型COVID-19，女，64岁，发热、畏寒1 d就诊，首次核酸检测为阴性。CT轴位（E）示双肺下叶背段片状楔形磨玻璃及实性混合密度影，其内可见“铺路石”征，病灶内血管增粗及血管集束征（箭头），冠状位（F）示多个肺叶受累。图G、H危重型COVID-19，男，76岁，发热、咳嗽10 d就诊，CT轴位（G）可见双肺上叶大片状融合磨玻璃密度为主病变，右肺病灶内可见血管增粗及血管集束征（箭头），呈“榕树冠”征表现，冠状面；（H）示双肺广泛病灶。

Figure 1. Image features in different clinical types of COVID -19 pneumonia

下载: 全尺寸图片幻灯片

图 2 不同分型的COVID-19患者影像特征ROC曲线

Figure 2. ROC curve of image features in different clinical types of COVID -19 pneumonia

下载: 全尺寸图片幻灯片

表 1 不同临床分型患者临床特征[$\bar x \pm s$/n（%）]

Table 1. Clinical features of different clinical types of COVID -19 pneumonia [$\bar x \pm s$/n（%）]

参数	总计（n = 143）	轻型（n = 28）	普通型（n = 92）	重型（n = 18）	危重型（n = 5）	F/χ²	P
性别
男	70（48.9）	12	46	9	3	0.709	0.871
女	73（51.1）	16	46	9	2	0.709	0.871
年龄（岁）	42.1 ± 18.9	26.4 ± 16.7^bcd	42.7 ± 16.8^acd	55.3 ± 13.5^ab	71.2 ± 4.6^ab	18.173	< 0.001^*
流行病学史
湖北武汉旅居史	107（74.8）	18	71	15	3	3.196	0.306
与确诊病人密切接触史	34（23.8）	10	20	2	2
暴露史不明	2（1.4）	0	1	1	0
首发症状
发烧	60（41.9）	6	37	15	2	17.621	0.001^*
乏力	19（13.3）	1	14	2	2	5.762	0.113
头痛	6（4.2）	2	3	1	0	1.107	0.557
咳嗽	57（39.9）	10	37	8	2	0.364	0.943
肌肉酸痛	10（7.0）	1	5	3	1	4.738	0.134
呕吐、腹泻	2（1.4）	0	1	0	1	6.135	0.121
无明显症状	32（22.4）	11	21	0	0	11.250	0.011^*
发病到首次CT检查时间（d）	3.3 ± 4.6	3.0 ± 3.6	3.4 ± 5.1	3.8 ± 3.4	1.8 ± 2.9	0.283	0.837
首次核酸检测
阳性	130（90.9）	26	84	15	5	1.896	0.593
阴性	13（9.1）	2	8	3	0	1.896	0.593
白细胞总数（×10⁹/L）	5.65 ± 2.54	6.6 ± 2.4^b	5.2 ± 1.7^ac	6.8 ± 4.9^b	4.7 ± 1.0	3.703	0.014^*
淋巴细胞总数（×10⁹/L）	1.33 ± 0.61	1.7 ± 0.7^bcd	1.3 ± 0.5^ad	1.2 ± 0.5^a	0.6 ± 0.2^ab	6.191	0.001^*
与轻型组比较，^aP < 0.05；与普通型组比较，^bP < 0.05；与重型组比较，^cP < 0.05；与危重型组比较，^dP < 0.05；4组间比较，^*P < 0.05。

下载: 导出CSV

表 2 不同临床分型COVID-19患者影像特征[$\bar x \pm s$/n（%）]

Table 2. Image features of different clinical types of COVID -19 pneumonia [$\bar x \pm s$/n（%）]

发现	总计（n = 109）	普通型（n = 87）	重型（n = 17）	危重型（n = 5）	F/χ²	P
病变分布
单发	12（11）	12	0	0	2.497	0.280
多发	97（89.0）	75	17	5	2.497	0.280
磨玻璃密度及实变
单纯GGO病灶	97（89.0）	76	17	4	2.753	0.252
GGO与实变混合病灶	51（46.8）	41	7	3	0.570	0.752
全实变病灶	16（14.7）	13	2	1	0.233	0.89
病变范围
外周胸膜下	69（63.3）	57	10	2	1.499	0.473
周边与中心同时受累	40（36.7）	30	7	3	1.499	0.473
肺段受累数目（个）	6.8 ± 5.1	5.8 ± 4.6^bc	10.8 ± 4.9^a	10.8 ± 6.4^a	9.759	< 0.001^*
病变形态和内部/周围特征
类圆形	90（82.6）	74	13	3	2.583	0.275
楔形	59（54.1）	38	16	5	19.013	< 0.001^*
不规则形	63（57.8）	48	11	4	1.589	0.425
铺路石征	32（29.3）	22	9	1	5.465	0.065
晕征	55（50.4）	47	6	2	2.225	0.329
榕树冠征	35（32.1）	21	11	3	12.606	0.002^*
支气管扩张	14（12.8）	8	5	1	5.432	0.066
血管改变
血管增粗	87（79.8）	65	17	5	6.970	0.031^*
血管集束征	65（59.6）	46	14	5	8.681	0.013^*
其他伴随征象
纵隔淋巴结肿大（横径≥1 cm）	1（0.9）	0	1	0		−
胸膜腔积液	4（3.7）	3	1	0		−
与普通型组比较，^bP < 0.05；与重型组比较，^cP < 0.05；与危重型组比较，^dP < 0.05；3组间比较，^*P < 0.05。

下载: 导出CSV

表 3 不同分型的COVID-19患者影像特征诊断预测效能

Table 3. Prediction performance of image features in different clinical types of COVID -19 pneumonia

影像特征	肺段受累数	楔形	榕树冠征	血管增粗	血管集束征	多指标联合
曲线下面积	0.769	0.759	0.697	0.626	0.667	0.854
95%CI	0.661～0.877	0.664～0.854	0.569～0.826	0.512～0.741	0.551～0.785	0.782～0.927
敏感度	0.591	0.955	0.636	1.0	0.864	0.909
特异度	0.828	0.563	0.759	0.253	0.471	0.69

下载: 导出CSV

[1]	Xu X,Chen P,Wang J,et al. Evolution of the novel coronavirus from the ongoing Wuhan outbreak and modeling of its spike protein for risk of human transmission[J]. Sci China life sci,2020,63(3):457-460. doi: 10.1007/s11427-020-1637-5
[2]	World Health Organization. WHO Director - General’ s remarks at the media briefing on 2019-nCoV on 11 February 2020[EB/OL].（2020-02-11）[2020-02-12]. https://www.who.int/dg/speeches/detail/who-director-gen-eral-s-remarks-at-the-media-briefing-on-2019-ncov-on-11-february-2020.
[3]	Coronaviridae Study Group of the International Committee on Taxonomy of Viruses. The species severe acute respiratory syndrome-related coronavirus:Classifying 2019-nCoV and naming it SARS-CoV-2[J]. Nat Microbiol,2020,5(4):536-544. doi: 10.1038/s41564-020-0695-z
[4]	国家卫生健康委员会卫生应急办公室. 截至3月6日24时新型冠状病毒肺炎疫情最新情况[EB/OL]. http://www.nhc.gov.cn/yjb/s7860/202003/4cda391851a544279cb36f334944ca6e.shtml
[5]	国家卫生健康委员会. 新型冠状病毒感染的肺炎诊疗方案（试行第七版）[EB/OL]. http://www.nhc.gov.cn/yzygj/s7653p/202003/46c9294a7dfe4cef80dc7f5912eb1989.shtml
[6]	Ren LL,Wang YM,Wu ZQ,et al. Identification of a novel coronavirus causing severe pneumonia in human:a descriptive study[J]. Chin Med J(Engl),2020,133(9):1015-1024. doi: 10.1097/CM9.0000000000000722
[7]	Wan Y, Shang J, Graham R, et al. Receptor recognition by novel coronavirus from Wuhan: an analysis based on decade-long structural studies of SARS[J/OL]. J Virol, 2020, 94（7）: e00127-20.
[8]	中国疾病预防控制中心新型冠状病毒肺炎应急响应机制流行病学组. 新型冠状病毒肺炎流行病学特征分析[J]. 中华流行病学杂志,2020,41(2):145-151. doi: 10.3760/cma.j.issn.0254-6450.2020.02.003
[9]	Huang C, Wang Y, Li X, et al. Clinical features of patients infected with 2019 novel coronavirus in Wuhan, China[J/OL]. Lancet, 2020, 395（10223）: 497-506.
[10]	Chung M, Bernheim A, Mei X, et al. CT imaging features of 2019 novel coronavirus（2019-nCoV）[J/OL]. Radiology, 2020, 295（1）: 202-207.
[11]	Lei J, Li J, Xiaolong Q. CT Imaging of the 2019 Novel Coronavirus（2019-nCoV）Pneumonia[J/OL]. Radiology, 2020, 295（1）: 18.
[12]	Xu Z, Shi L, Wang Y, et al. Pathological findings of COVID-19 associated with acute respiratory distress syndrome[J/OL]. Lancet Respir Med, 2020, 8（4）: 420-422.
[13]	黄璐,韩瑞,于朋鑫,等. 新型冠状病毒肺炎不同临床分型间CT和临床表现的相关性研究[J]. 中华放射学杂志,2020,54(4):300-304. doi: 10.3760/cma.j.cn112149-20200205-00087

[1]	章敏慧, 尹维丹, 胡竹林, 黎铧, 张利伟, 任玉玲. 新型冠状病毒感染相关急性黄斑神经视网膜病变的临床特征及预后, 昆明医科大学学报.
[2]	李茜茜, 马子雪, 肖洁, 李佩谦, 谢雪妮, 张金娇, 罗筱, 黄莹. 丽江市、大理市新冠疫情期间中小学生筛查性近视分析, 昆明医科大学学报. doi: 10.12259/j.issn.2095-610X.S20240407
[3]	刘记宏, 马志强, 王霖, 王晓燕, 田伟光, 李保萍, 董睿, 吕玉佳. 肺结核患者感染新冠病毒免疫功能的相关性分析, 昆明医科大学学报. doi: 10.12259/j.issn.2095-610X.S20240423
[4]	罗娅, 余彦廷, 张雪, 王重娟. 托珠单抗治疗COVID-19导致继发感染风险的Meta分析, 昆明医科大学学报. doi: 10.12259/j.issn.2095-610X.S20240208
[5]	赵汉青, 钱石兵, 王孟琪, 杨镕羽, 段开文. 新型冠状病毒感染相关口腔损害, 昆明医科大学学报. doi: 10.12259/j.issn.2095-610X.S20220831
[6]	李冬玲, 李丽华, 普冬, 王红英, 余婷婷, 白经. 昆明地区COVID-19患者多种生物样本的病毒核酸检测结果, 昆明医科大学学报. doi: 10.12259/j.issn.2095-610X.S20220106
[7]	代软仙, 孟强, 陈国兵, 韩斌, 杨德兴, 关万高. 昆明市某综合性三甲医院2020年急诊分诊患者流行病学特征, 昆明医科大学学报. doi: 10.12259/j.issn.2095-610X.S20220811
[8]	缪希松, 余珊. 某高校医学生新冠肺炎疫情期间睡眠障碍调查分析, 昆明医科大学学报. doi: 10.12259/j.issn.2095-610X.S20210338
[9]	祁飞, 夏加伟, 张乐, 刘莉, 杨亚涛, 唐理斌, 刘晖, 沈含章. COVID-19患者急性期T淋巴细胞亚群及血常规的变化, 昆明医科大学学报.
[10]	马志强, 王霖, 罗煜, 瞿春燕, 李保萍, 马云珊, 董睿, 吴艳蓉, 赵金花, 许娅琳. COVID-19患者粪便核酸检测结果特征及其临床意义, 昆明医科大学学报.
[11]	龚卫锋, 张养民, 李珊. 陕西地区丙肝患者分型与疗效分析, 昆明医科大学学报.
[12]	姚金勇, 胡利平, 聂爱婷, 黄仁武, 邱建波, 张秀峰, 饶旼, 聂胜洁. MAOA μ-VNTR多态性荧光标记自动分型方法的建立及应用, 昆明医科大学学报.
[13]	罗珺, 李彬, 倪慧霞, 胡继红. 数字乳腺X线摄影平均腺体剂量与乳腺分型及压迫厚度的关系, 昆明医科大学学报.
[14]	孙洵. 心脏死亡供肾肾移植19例临床分析, 昆明医科大学学报.
[15]	陈阳. 血浆游离DNA的STR分型检测研究, 昆明医科大学学报.
[16]	由丽娜. 静脉性脑梗死19例临床诊治体会, 昆明医科大学学报.
[17]	张镱严. 剖宫产术后疤痕妊娠19例临床分析, 昆明医科大学学报.
[18]	由丽娜. 静脉性脑梗死19例临床诊治体会, 昆明医科大学学报.
[19]	袁道明. 肾细胞癌的CT影像特点及病理分型, 昆明医科大学学报.
[20]	韩胜斌. 19例肺动脉栓塞诊治的临床分析, 昆明医科大学学报.

期刊类型引用(1)

1.

宋丽君，颜颖，魏巍，魏璇，杨正汉，王振常. 新型冠状病毒肺炎患者核酸结果及临床分型与影像指标关系的研究. 临床和实验医学杂志. 2022(13): 1430-1433 .

百度学术

其他类型引用(0)

姓名
邮箱
手机号码
标题
留言内容
验证码

留言板

CT在早期预测新型冠状病毒肺炎不同临床分型的应用

doi: 10.12259/j.issn.2095-610X.S20210524

作者简介:
杨云辉（1980～），男，云南景洪人，医学学士，副主任医师，主要从事胸部、肌骨、乳腺影像诊断及CT引导下介入诊疗工作

通讯作者:
高茜，E-mail：81125365@qq.com

计量