吉林大学学报(医学版)  2020, Vol. 46 Issue (04): 867-874     DOI: 10.13481/j.1671-587x.20200433

扩展功能

文章信息

郭飞, 朱林, 许红, 谢宗玉, 张莉, 邓雪飞
GUO Fei, ZHU Lin, XU Hong, XIE Zongyu, ZHANG Li, DENG Xuefei
新型冠状病毒肺炎患者胸部MSCT影像表现与预后的关联性分析
Analysis on correlation between image features of chest MSCT and prognosis in patients with novel coronavirus pneumonia
吉林大学学报(医学版), 2020, 46(04): 867-874
Journal of Jilin University (Medicine Edition), 2020, 46(04): 867-874
10.13481/j.1671-587x.20200433

文章历史

收稿日期: 2020-03-20
新型冠状病毒肺炎患者胸部MSCT影像表现与预后的关联性分析
郭飞1,2 , 朱林1 , 许红2 , 谢宗玉1,2 , 张莉3 , 邓雪飞4     
1. 蚌埠医学院第一附属医院放射科, 安徽 蚌埠 233004;
2. 蚌埠医学院医学影像学院医学影像诊断教研室, 安徽 蚌埠 233004;
3. 蚌埠医学院医学影像学院医学影像设备学教研室, 安徽 蚌埠 233004;
4. 安徽医科大学基础医学院人体解剖学教研室, 安徽 合肥 230032
[摘要]: 目的 探讨不同预后的新型冠状病毒肺炎(COVID-19)患者多层螺旋计算机体层摄影术(MSCT)的影像表现,分析COVID-19患者预后的影响因素。方法 回顾性分析2020年1月22日—3月8日蚌埠医学院第一附属医院收治的79例COVID-19确诊患者的临床资料和胸部MSCT容积扫描资料,根据患者出院或死亡时MSCT影像有无广泛纤维化表现,分为预后不良组和预后较好组,比较不同预后患者入院时MSCT表现、一般资料和临床及实验室指标的差异。结果 79例患者中,治愈74例,死亡5例,病死率6.3%。患者出院或死亡时MSCT影像表现分为消散或磨玻璃影(27例,34.2%)、混合影(41例,51.9%)和广泛纤维化(11例,13.9%)。单因素分析,与预后较好组比较,预后不良组患者累及肺段数明显增加(P < 0.05),体温明显升高(P < 0.05),病灶弥漫分布患者比例、重型患者所占比例和白细胞升高患者所占比例明显升高(P < 0.05)。其中累及肺段数的临界值为9.5个时,其评估患者预后不良的灵敏度和特异度分别为72.7%和80.9%;体温的临界值为39.1℃时,其评估患者预后不良的灵敏度和特异度分别为54.5%和92.6%。Logistic回归分析,累及肺段数和体温是COVID-19患者预后不良的独立危险因素。结论 COVID-19患者入院时MSCT影像中的病灶累及肺段数和体温与患者预后有密切关联,累及肺段数达9个、体温39.1℃以上提示COVID-19患者容易出现肺广泛纤维化,预后不良。
关键词: 新型冠状病毒肺炎    计算机体层摄影术    预后    灵敏度    特异度    
Analysis on correlation between image features of chest MSCT and prognosis in patients with novel coronavirus pneumonia
GUO Fei1,2 , ZHU Lin1 , XU Hong2 , XIE Zongyu1,2 , ZHANG Li3 , DENG Xuefei4     
1. Department of Radiology, First Affiliated Hospital, Bengbu Medical College, Bengbu 230004, China;
2. Department of Medical Imaging Diagnosis, School of Medical Imaging, Bengbu Medical College, Bengbu 230004, China;
3. Department of Medical Imaging Equipment, School of Medical Imaging, Bengbu Medical College, Bengbu 230004, China;
4. Department of Human Anatomy, School of Basic Medical Sciences, Anhui Medical University, Hefei 230032, China
[ABSTRACT]: Objective To investigate the imaging features of multi-slice spiral computed tomography (MSCT) in the novel coronavirus pneumonia (COVID-19) patients with different prognosis, and to clarify the influencing factors of the prognosis of COVID-19. Methods The clinical data and the chest MSCT volume scan data of 79 COVID-19 patients, who were admitted in the First Affiliated Hospital of Bengbu Medical College from January 22 to March 8, 2020, were retrospectively analyzed. According to whether there was extensive fibrosis on the MSCT images at discharge or death, the patients were divided into poor prognosis group and well prognosis group. The differences in the MSCT features, the general data and the clinical and laboratory indexes of the patients with different prognosis were compared. Results There were 74 cases cured in 79 patients, and 5 cases died and the morbidity was 6.3%. The MSCT features at discharge or death were dissipation or ground glass shadow (27 cases, 34.2%), mixed shadow (41 cases, 51.9%) and extensive fibrosis (11 cases, 13.9%).The results of single factor analysis showed that compared with well prognosis group, the number of involved segments of the lung of the patients in poor prognosis group was increased (P < 0.05), the temperature was increased(P < 0.05), and the percentages of patients with diffuse lesions, the severe patients and the patients with increased white blood cells were increased(P < 0.05). The sensitivity and specificity of the number of involved segments for predicting poor prognosis were 72.7% and 80.9%, respectively, while the cut-off value was 9.5. The sensitivity and specificity of temperature for predicting poor prognosis were 54.5% and 92.6%, respectively, while the cut-off value was 39.1℃.The results of Logistic regression analysis showed that the number of involved segments and temperature were the independent risk factors for the poor prognosis of the COVID-19 patients. Conclusion The number of involved segments in the MSCT images at admission and the temperature are closely related to the prognosis of COVID-19 patients. The number of involved segments more than 9 and the temperature higher than 39.1℃ indicate that the patients are prone to extensive pulmonary fibrosis and poor prognosis.
KEYWORDS: novel coronavirus pneumonia    computed tomography    prognosis    sensitivity    specificity    

2019年12月开始,在我国湖北省武汉市出现了一种由新型冠状病毒感染引起的疾病,即2019冠状病毒病(corona virus disease-19,COVID-19)[1],2020年2月7日,国家卫生健康委员会将该新型冠状病毒感染引起的肺炎命名为新型冠状病毒肺炎[2]。在COVID-19的诊断标准中,流行病学、临床表现、CT影像和核酸检测,四者缺一不可[3]。随着疫情的快速发展和第三、甚至第四代病毒的出现,很多确诊患者并无明确的疫区接触史,临床表现和实验室检查指标与普通病毒感染患者无明显差别;虽然目前核酸检测被认为是确诊COVID-19的金标准,但实际工作中由于诸多因素的影响会出现假阴性结果。多层螺旋计算机体层摄影术(multi-slice spiral computed tomography,MSCT)容积扫描既能显示毫米级磨玻璃阴影,又能对病变所累及的范围和程度进行精确定位及定量,还能重建三维图像,很多学者已达成共识,将CT检查作为COVID-19最简单有效的筛查方法。近期,国内外很多学者[4-20]分析了COVID-19的各种CT征象及其与其他疾病的鉴别诊断。但是,少有文献通过患者不同时期的CT影像表现评价COVID-19患者的病程和预后情况。蚌埠医学院第一附属医院是安徽省蚌埠市COVID-19重症患者定点收治医院,截至2020年3月8日,共收治79例COVID-19患者,其中治愈74例,死亡5例。本研究利用胸部MSCT容积扫描影像表现探讨COVID-19患者的预后情况,并分析患者预后的影响因素。

1 资料与方法 1.1 一般资料

收集2020年1月22日—3月8日蚌埠医学院第一附属医院收治并出院或死亡的COVID-19确诊患者资料。纳入标准:①入院时多次咽拭子COVID-19核酸检测结果呈阳性;②患者住院期间临床资料和所有影像学资料完整;③除死亡患者外,其余患者出院时临床症状消失3 d以上,多次咽拭子COVID-19核酸检测结果呈阴性,MSCT影像表现为病灶消散或明显吸收。排除标准:①临床症状未能完全消失;②MSCT图像质量欠佳。最后本研究共纳入COVID-19患者79例,其中男性44例,女性35例,平均年龄56岁(21~86岁)。入院时临床分型:普通型48例,重症型27例,危重症型4例。

1.2 MSCT检查方法

扫描时使用GE Lightspeed 64排螺旋CT机,患者仰卧位,从胸廓入口扫描到双侧肋膈角,扫描电压100 kV、电流50 mA,层厚设定为0.625 mm。图像自动上传至GE ADW 4.4工作站。分别由2名有3年以上工作经验的主治医师对患者的原始薄层轴位图像进行分析和后处理,包括多平面重组技术显示病灶的细微结构和最小密度投影技术显示全面立体病灶,评价资料包括病灶侧别、累及肺段数、分布类型和密度等。若评价意见不一致则请第3名副高级以上职称的影像科医师进行重新评估,直至取得一致意见。

1.3 统计学分析

数据输入Excel 2007中进行整理,采用IBM SPSS 25.0统计软件进行统计学分析。患者年龄、住院时间、发病至入院时间、累及肺段数、病灶数和体温为定量资料,经Shapiro-Wilk正态性检验,其中累及肺段数、病灶数、体温和年龄符合正态分布,其余数据不符合正态分布,均以中位数和四分位数间距[M(P25, P75)]表示;性别构成、不同临床和影像表现患者例数为计数资料,以百分率表示。

患者出院前后累及肺段数、病灶分布和病灶数比较采用两配对样本非参数检验(Wilcoxon符号秩和检验)或配对χ2检验(McNemar检验)。患者年龄、住院时间、发病至入院时间、累及肺段数、病灶数和体温组间比较采用两独立样本非参数检验(Mann-Whitney U检验)。建立受试者工作特征曲线(receiver operating characteristic curve, ROC),计算相应的曲线下面积(area under curve,AUC),评价各指标对患者预后不良的预测价值,并计算最佳临界值、灵敏度和特异度;计数资料组间比较采用χ2检验或Fisher确切概率法。将单因素分析中存在明显差异的变量进行二分类Logistic回归分析(向前逐步回归法),分析COVID-19患者预后不良的独立危险因素。以P < 0.05为差异有统计学意义。

2 结果 2.1 COVID-19患者胸部MSCT影像表现

本组79例患者中,治愈出院74例,死亡5例,病死率为6.3%。2例(2.5%)患者出院时出现了胸腔积液(图 1);2例(2.5%)患者入院时MSCT检查结果未见异常,入院后复查出现磨玻璃影(图 2);2例(2.5%)患者入院时为普通型,出院时CT显示病灶完全消散(图 3);2例普通型患者病情发展迅速,死亡前床旁胸片显示肺广泛纤维化(图 4);6例患者肺内表现为广泛性纤维化。

A-D: MSCT images at admission (extensive ground glass shadows in bilateral lungs); E-H: MSCT images at discharge (extensive mixed density shadows in bilateral lungs and a small amount of pleural effusion on the right side). 图 1 入院和出院时存在胸腔积液COVID-19患者胸部MSCT影像表现 Fig. 1 Chest MSCT image features of a COVID-19 patient with pleural effusion at admission and at discharge
A: First CT image; B-D: Scattered ground glass shadows in bilateral lungs after admission. 图 2 首诊胸部MSCT阴性COVID-19患者入院后影像表现 Fig. 2 Image features after admission of a COVID-19 patient with negative features in first chest MSCT
A-C: MSCT images at admission (subpleural consolidation of bilateral lower lungs); D: MSCT images at discharge (complete absorption and dissipation of lesion). 图 3 出院时病灶完全消散COVID-19患者胸部MSCT影像表现 Fig. 3 Chest MSCT image features of a COVID-19 patient with complete disappearance of lesions at discharge
A-C: MSCT images at admission (scattered ground glass shadows in bilateral lungs); D-G: MSCT images 2 d after admission(larger and more numerouslesions); H: Chest radiograph beside bed before death (diffuse mixed density shadow in bilaternal lungs, white lung). 图 4 死亡COVID-19患者胸部MSCT影像表现 Fig. 4 Chest MSCT image features of a dead patient with COVID-19

患者入院时肺部两侧共累及肺段数6.0 (4.0, 10.0)个(包括MSCT检查未见异常患者),患者出院或死亡时累及肺段数6.0 (4.0, 13.0)个(包括MSCT病灶消散病例),患者入院时与出院或死亡时累及肺段数比较差异有统计学意义(Z=2.853,P=0.004);进一步分析显示:与入院时比较,出院或死亡时25例患者累及肺段数下降1~6个肺段,7例累及肺段数不变,其余47例累及肺段数增加1~13个。

肺部病灶分布结果显示:入院时肺部病灶呈弥漫分布患者19例(24.1%),散在分布患者58例(73.4%),肺部未见异常患者2例(2.5%);出院或死亡时肺部病灶呈弥漫分布患者29例(36.7%),散在分布患者48例(60.8%),肺部病灶完全消散患者2例(2.5%);与入院时比较,出院或死亡时患者病灶弥漫分布的比例稍高(P=0.021);进一步分析显示:入院时19例肺部病灶呈弥漫分布患者中有3例转为散在分布;入院时58例肺部病灶呈散在分布患者中有2例完全消散,13例转为弥漫分布,43例仍为散在分布;入院时2例肺部无病灶患者转为病灶呈散在分布。

除病灶呈弥漫分布的患者外,入院时患者肺部病灶数为6.0 (4.0, 10.0)个,出院或死亡时患者肺部病灶数为6.0 (4.0, 9.8)个,入院时与出院或死亡时病灶数比较差异无统计学意义(Z=0.120,P=0.904)。

病灶密度分布结果显示:入院时肺部MSCT影像表现为磨玻璃影患者34例(44.2%),混合型患者36例(46.8%),实变患者7例(9.1%);出院或死亡时肺部MSCT影像表现为磨玻璃影或消散患者27例(34.2%),混合型患者41例(51.9%),纤维化患者11例(13.9%)。

2.2 不同预后COVID-19患者入院时胸部MSCT影像表现

COVID-19患者根据出院或死亡时的MSCT表现分为预后较好组和预后不良组,预后较好组患者68例(MSCT表现为消散或磨玻璃影、混合影),预后不良组患者11例(MSCT表现为肺广泛纤维化)。有2例患者首诊MSCT影像阴性,故在后续的首诊影像资料统计中删除,其余77例患者预后与入院MSCT影像中的病灶侧别、累及肺段数、病灶分布、病灶数和病灶密度的关系见表 1。预后不良组患者入院MSCT影像中病灶弥漫性分布比例明显高于预后较好组(54.5% vs 19.7%,P < 0.05),累及肺段数更多(10.0个vs 6.0个,P < 0.05),不同预后组患者的病灶侧别、病灶数和病灶密度比较差异均无统计学意义(P > 0.05)。见表 1

表 1 不同预后COVID-19患者入院时胸部MSCT影像表现 Tab. 1 Chest MSCT image features of COVID-19 patients with different prognosis at admission
Group n Side [n(η/%)] Number of involved segments (n) Distribution [n(η/%)] Number of lesions(n) Density [n(η/%)]
Left Right Bilateral Scatter Diffuse Ground glass opacity Consolidation Max
Well prognosis 66 1(1.5) 6(9.1) 59(89.4) 6.0(4.0, 8.3) 53(80.3) 13(19.7) 8.0(4.0, 11.0) 31(47.0) 6(9.1) 29(43.9)
Poor prognosis 11 0(0.0) 0(0.0) 11(100.0) 10.0(6.0, 16.0) 5(45.5) 6(54.5) 7.5(4.0, 10.0) 3(27.3) 1(9.1) 7(63.6)
Z/χ2 - 2.954 6.160 0.184 -
P 0.644 0.003 0.013 0.854 0.443
Note: Two patients with negative expression in first MSCT scan were excluded in the statistics. “-”: No statistical value in Fisher exact probability test.
2.3 不同预后COVID-19患者的临床指标

COVID-19患者比较常见的临床表现为发热、咳嗽、乏力、呼吸困难和胸闷。COVID-19患者预后与入院时的临床分型、体温和白细胞计数有关联。其中,预后较好组患者最常见的临床分型为普通型,预后不良组患者临床分型最常见为重型。与预后较好组比较,预后不良组患者体温明显升高(39.2℃ vs 38.0℃, P < 0.05),白细胞升高患者所占比例明显升高(36.4% vs 7.4%, P < 0.05);不同预后组患者年龄、性别、住院时间、发病至入院时间、基础疾病、临床表现(咳嗽、乏力、呼吸困难和胸闷)、淋巴细胞计数、C反应蛋白(C reaction protein, CRP)水平和血沉(erythrocyte sedimentation rate, ESR)比较差异均无统计学意义(P > 0.05)。见表 2表 3

表 2 不同预后COVID-19患者的临床资料 Tab. 2 Clinical materials of COVID-19 patients with different prognosis
Group n Clinical classification [n(η/%)] Age(year) Gender [n(η/%)] Time of hospitalization (t/d) Time from onset to admission(t/d) Underlying disease [n(η/%)]
Common Severe Critical Male Female
Well prognosis 68 45(66.2) 21(30.9) 2(2.9) 55.0(47.0, 63.0) 36(52.9) 32(47.1) 14.5(11.0, 18.5) 9.5(7.0, 13.0) 30(44.1)
Poor prognosis 11 3(27.3) 6(54.5) 2(18.2) 61.0(51.0, 79.0) 8(72.7) 3(27.3) 15.0(3.0, 21.0) 10.0(7.0, 18.0) 7(63.6)
Z/χ2 - 1.467 1.502 0.305 0.923 1.449
P 0.020 0.142 0.220 0.760 0.356 0.229
“-”: No statistical value in Fisher exact probability test.
表 3 不同预后COVID-19患者的临床症状和实验室指标 Tab. 3 Clinical symptoms and laboratory indexes in COVID-19 patients with different prognosis
Group n Temperature (θ/℃) Cough [n(η/%)] Fatigue [n(η/%)] Dyspnea [n(η/%)] Distress [n(η/%)] Increased WBC [n(η/%)] Increased lymphocyte [n(η/%)] Increased CRP [n(η/%)] Accelerated ESR [n(η/%)]
Well prognosis 68 38.0(37.6, 38.5) 45(66.2) 29(42.6) 10(14.7) 16(23.5) 5(7.4) 33(48.5) 49(81.7) 21(87.5)
Poor prognosis 11 39.2(38.0, 39.5) 9(81.8) 2(18.2) 2(18.2) 1(9.1) 4(36.4) 3(30.0) 10(100.0) 3(100.0)
Z/χ2 2.486 1.071 2.377 0.089 1.169 7.894 1.204 2.175 -
P 0.013 0.301 0.123 0.766 0.280 0.005 0.272 0.140 1.000
Note: The data were missed in 1 case of lymphocyte count, 9 cases of CRP and 52 cases of ESR. “-”: No statistical value in Fisher exact probability test.
2.4 各定量指标评估COVID-19患者预后不良的ROC曲线分析

将上述定量数据作为检验变量,采用ROC曲线评价各指标是否能作为COVID-19患者预后不良的客观指标,结果显示:入院时患者累及肺段数、病灶数、年龄、住院时间、发病至入院时间和体温的AUC分别为0.785(P=0.003)、0.520(P=0.854)、0.638(P=0.143)、0.529(P=0.761)、0.587(P=0.357)和0.733(P=0.013);累及肺段数的临界值为9.5个时,其评估COVID-19患者预后不良的灵敏度和特异度分别为72.7%和80.9%;体温的临界值为39.1℃时,其评估COVID-19患者预后不良的灵敏度和特异度分别为54.5%和92.6%。见图 5

图 5 累及肺段数和体温预测COVID-19患者预后不良的ROC曲线 Fig. 5 ROC curves of number of involved segments and temperature in prediction of poor prognosis of patients with COVID-19
2.5 评价COVID-19患者预后不良的多因素分析

以上述单因素分析中存在明显差异的因素作为因变量进行二分类Logistic回归分析,包括累及肺段数、病灶分布、临床分型、体温和白细胞计数5个指标(其中累及肺段数和体温按上述临界值转换为定性数据),结果显示:累及肺段数和体温是COVID-19患者预后不良的独立危险因素(P=0.014,P=0.003)。见表 4

表 4 COVID-19患者预后不良影响因素的Logistic回归分析 Tab. 4 Logistic regression analysis on influencing factors of poor prognosis in patients with COVID-19
Factor β SE Wald OR 95%CI P
Number of involved segments 3.079 1.256 6.006 21.741 1.853-255.133 0.014
Distribution 0.248 1.273 2.110 6.354 0.524-77.038 0.146
Clinical classification 1.242 0.868 2.046 3.461 0.631-18.975 0.153
Temperature 3.263 1.096 8.867 26.130 3.050-223.828 0.003
WBC 0.342 1.296 0.070 0.710 0.056-9.009 0.792
3 讨论

虽然目前COVID-19的确诊需要进行核酸检测,但由于实际工作中诸多因素的影响,核酸检测结果敏感性较低。目前在COVID-19的诊断中,MSCT容积扫描发挥了重要作用,其不仅能够清晰显示病灶,准确定位,而且结合多种后处理技术,如最小密度投影、容积再现和多平面重组等,可综合分析病灶范围、大小、形态、边缘、数目、密度、肺外表现以及病灶体积,对COVID-19的筛查、诊断、病程变化和预后判断起到指导作用[21]。本组有2例核酸检测为阳性的患者首诊时CT扫描未发现病灶,但入院后复检CT时均表现为多发磨玻璃影,考虑与患者发病时间较短有关。

COVID-19患者肺部CT表现具有特征性, 早期主要表现为两侧中下肺野中外带紧贴胸膜下的磨玻璃影[22],与SARS影像表现(磨玻璃影并发不同程度实变,多分布在两肺下叶外带[23])相似,该表现与两者感染机制有关,病毒均通过S-蛋白与人血管紧张素转化酶2(angiotensin-converting enzyme 2, ACE2)相互作用后感染人呼吸道上皮细胞[24]。当病灶进入进展期时会出现“铺路石”征和“马赛克”征,提示肺间质内存在很多液体和细胞渗出,小叶间隔增厚, 肺泡过度充气,肺泡壁破坏。当病情进展到危重期时,短期内可发生急性呼吸窘迫综合征,表现为“白肺”样改变。本组有5例患者死亡,其病理机制可能为大量组织细胞和增生的纤维组织形成细胞团栓,堵塞小气道和气腔,引起通气障碍[25]

从本组出院患者的肺部病灶密度看,MSCT影像为消散或磨玻璃影、混合影患者的肺部炎症可以逐渐吸收,预后较好;有6例患者肺部表现为弥漫性纤维化,胸膜广泛性增厚,提示该类患者的肺功能已受到严重影响,预后不良。本研究进一步分析了COVID-19患者预后不良的影响因素,单因素分析显示:患者预后与其入院时的MSCT影像表现有密切关联,病灶呈弥漫性分布和累及肺段数较多的患者预后不良,与更多的肺组织受到侵犯有关。病灶分布和累及肺段数是影响COVID-19患者临床分型的重要因素[26],尽早对患者进行MSCT影像检查不仅可以评估疾病当时的严重程度,还能够对患者的预后进行评估。临床指标方面,重型患者容易预后不良,这与疾病的进展有关。虽然患者的年龄与疾病临床分型有关[26],但是本研究结果并未显示患者年龄与预后之间存在直接联系。在临床症状和实验室指标方面,高热和白细胞计数升高意味着COVID-19患者容易发生广泛性肺纤维化,可能与患者的免疫功能有关联,但还需要进一步研究。

本研究采用ROC曲线进一步分析了各定量指标对于预测COVID-19患者预后不良的价值,结果显示:累及肺段数和体温能有效预测COVID-19患者的预后情况,累及肺段数的临界值为9.5个时,其评估预后不良的灵敏度和特异度分别为72.7%和80.9%;体温的临界值为39.1℃时,其评估预后不良的灵敏度和特异度分别为54.5%和92.6%。按临界值将累及肺段数和体温转换为定性数据,对单因素分析中存在明显差异的全部因素进行二分类Logistic回归分析,结果显示:仅累及肺段数和体温是COVID-19患者预后不良的独立危险因素。熊娟等[27]在研究中也未发现COVID-19患者预后与临床分型有关,表明重症患者只要进行及时的治疗仍能获得较好的预后。本文作者之前的研究[26]显示:累及肺段多的患者更容易表现为重症,因此在对COVID-19患者的预后评价中,应重点关注累及肺段数这一客观指标。

综上所述,通过对79例COVID-19出院或死亡病例的分析可见:COVID-19患者不同临床分型、入院时不同胸部MSCT影像表现、不同临床症状及实验室指标,对其预后均有不同程度的影响。尤其是COVID-19患者入院时病灶累及肺段数和体温与预后关系最为密切,累及肺段达9个、体温在39.1℃以上意味着患者容易出现肺广泛纤维化,预后不良。MSCT是对核酸检测金标准的有效补充,不仅能对COVID-19患者进行早期诊断,而且其早期影像表现也能预测COVID-19患者的预后。

参考文献
[1]
WORLD HEALTH ORGANIZATION. WHO director-generals remarks at the media briefing on 2019-nCoV on 11 February 2020[EB/OL]. (2020-02-11)[2020-03-01].http://www.who.int/dg/speeches/detail/who-director-general-s-remark-at-the-media-briefing-on-2019-ncov-on-2011-february-2020.
[2]
国家卫生健康委.关于新型冠状病毒肺炎暂命名事宜的通知[EB/OL]. (2020-02-08)[2020-03-10]. http://www.nhc.gov.cn/xcs/zhengcwj/202002/202018c202001bb243965a4492907957875de4492907957802ae4492907957877.shtml.
[3]
国家卫生健康委.新型冠状病毒肺炎诊疗方案(试行第七版)[EB/OL]. (2020-03-04)[2020-03-09].http://www.govcn/zhengce/zhengceku/2020-03/04/content_5486705.htm.
[4]
汪锴, 康嗣如, 田荣华, 等. 新型冠状病毒肺炎胸部CT影像学特征分析[J]. 中国临床医学, 2020, 27(1): 1-5.
[5]
姬广海, 黄满华, 张庆, 等. 新型冠状病毒肺炎CT表现及动态变化[J]. 中国医学影像技术, 2020, 36(2): 242-247.
[6]
李小虎, 潘红利, 束晶苇, 等. 输入性新型冠状病毒肺炎临床和CT特征[J]. 中国医学影像技术, 2020, 36(2): 248-251.
[7]
KIM H. Outbreak of novel coronavirus (COVID-19):What is the role of radiologists?[J]. Eur Radiol, 2020, 30(6): 3266-3267.
[8]
PAN Y, GUAN H, ZHOU S, et al. Initial CT findings and temporal changes in patients with the novel coronavirus pneumonia (2019-nCoV):a study of 63 patients in Wuhan, China[J]. Eur Radiol, 2020, 30(6): 3306-3309.
[9]
CHUNG M, BERNHEIM A, MEI X, et al. CT imaging features of 2019 novel coronavirus (2019-nCoV)[J]. Radiology, 2020, 295(1): 202-207.
[10]
DUAN Y N, QIN J. Pre- and post-treatment chest CT findings:2019 novel coronavirus (2019-nCoV) pneumonia[J]. Radiology, 2020, 295(1): 21.
[11]
KANNE J P. Chest CT findings in 2019 novel coronavirus (2019-nCoV) infections from Wuhan, China:Key Points for the Radiologist[J]. Radiology, 2020, 295(1): 16-17.
[12]
LEI J, LI J, LI X, et al. CT imaging of the 2019 novel coronavirus (2019-nCoV) pneumonia[J]. Radiology, 2020, 295(1): 18.
[13]
PAN F, YE T, SUN P, et al. Time course of lung changes on chest CT during recovery from 2019 novel coronavirus (COVID-19) pneumonia[J]. Radiology, 2020, 295(3): 715-721.
[14]
XIE X, ZHONG Z, ZHAO W, et al. Chest CT for typical 2019-nCoV pneumonia: relationship to negative RT-PCR testing[J/OL]. Radiology, 2020. [DOI:10.1148/radiol.2020200343].
[15]
管汉雄, 熊颖, 申楠茜, 等. 新型冠状病毒肺炎(COVID-19)临床影像学特征[J]. 放射学实践, 2020, 35(2): 125-130.
[16]
刘发明, 丁惠玲, 龚晓明, 等. 新型冠状病毒肺炎(COVID-19)的胸部CT表现与临床特点[J]. 放射学实践, 2020, 35(3): 266-268.
[17]
史河水, 韩小雨, 樊艳青, 等. 新型冠状病毒(2019-nCoV)感染的肺炎临床特征及影像学表现[J]. 临床放射学杂志, 2020, 39(1): 8-11.
[18]
廖星男, 周军, 曹佳, 等. 新型冠状病毒肺炎与细菌性肺炎的胸部CT特征比较[J]. 武汉大学学报(医学版), 2020, 41(3): 349-352.
[19]
钟飞扬, 张寒菲, 王彬宸, 等. 新型冠状病毒肺炎的CT影像学表现[J]. 武汉大学学报(医学版), 2020, 41(3): 345-348.
[20]
王锦程, 刘锦鹏, 王园园, 等. 2019冠状病毒病(COVID-19)患者胸部CT影像学动态变化[J]. 浙江大学学报(医学版), 2020, 49(2): 191-197.
[21]
肖慧娟, 谷艳博, 梁盼, 等. CT征象及动态变化对COVID-19疑似病例鉴别诊断的价值[J/OL].郑州大学学报(医学版), 2020. [DOI:10.13705/j.issnV1671-6825.2020.03.021].
[22]
高璐, 张静平, 杜永浩, 等. 输入性新型冠状病毒肺炎的CT表现[J]. 西安交通大学学报(医学版), 2020, 41(3): 429-434.
[23]
WONG K T, ANTONIO G E, HUI D S, et al. Thin-section CT of severe acute respiratory syndrome:evaluation of 73 patients exposed to or with the disease[J]. Radiology, 2003, 228(2): 395-400.
[24]
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.
[25]
龚晓明, 李航, 宋璐, 等. 新型冠状病毒肺炎(COVID-19)CT表现初步探讨[J]. 放射学实践, 2020, 35(3): 261-265.
[26]
郭飞, 朱林, 许红, 等. 新型冠状病毒肺炎临床分型与MSCT容积扫描间的相关性研究[J]. 南方医科大学学报, 2020, 40(3): 321-326.
[27]
熊娟, 江万里, 周倩, 等. 新型冠状病毒肺炎89例临床特征、治疗及预后分析[J]. 武汉大学学报(医学版), 2020, 41(4): 542-546.