Grote meta-analyse onthult voorspellende factoren voor COVID-19-uitkomst

Een grote systematische review en meta-analyse van alle studies naar prognostische factoren voor COVID-19-uitkomsten heeft diverse factoren geïdentificeerd die kunnen worden ingezet bij het bouwen van prognostische modellen om de uitkomst van individuele patiënten te voorspellen. Al vroeg in de pandemie werden factoren met een negatief effect ontdekt, zoals overgewicht, mannelijk geslacht en comorbiditeit, maar het bleef onduidelijk welke factoren de risico's voor een individuele patiënt nauwkeurig kunnen voorspellen. De onderzoekers verzamelden alle literatuur tot en met juli 2020 en identificeerden 428 geschikte publicaties uit ruim 36.000 gescreende artikelen, die zij onderwierpen aan een gevalideerde en gestandaardiseerde methodiek en een risk of bias assessment.

Het risico op bias was aanzienlijk, met 99% van de artikelen met een hoog risico in minstens 1 domein. De onderzoekers evalueerden 91 unieke prognostische factoren, verdeeld in zeven groepen: biomarkers, comorbiditeiten, beeldvormingsmarkers, demografische kenmerken, omgevingsfactoren, medicatie en symptomen of klinische kenmerken, en bestudeerden hun associaties met 11 bekende uitkomsten. Onder meer ACE-remmers, slaapapneu, keelpijn, voorgeschiedenis van trombose, geslacht, coronairlijden, kanker, chronische leveraandoeningen, COPD, dementie, gebruik van immunosuppressiva, perifeer vaatlijden, reumatologische aandoening en roken waren geassocieerd met minstens 1 uitkomst en kwamen meer dan 1000 keer voor.

Volgens de onderzoekers kwamen al deze factoren sterk naar voren en kunnen zij worden ingezet voor het bouwen van een valide prognostisch model, dat kan helpen om patiënten beter te selecteren voor klinisch onderzoek en om de uitkomsten van COVID-19 op individueel niveau nauwkeuriger te voorspellen.