MARATTO

article · Annales Africaines de Medecine

Prédicteurs biologiques de mortalité chez les patients atteints de la Covid-19 : Etude observationnelle de suivi historique monocentrique à Kinshasa

20242 citationsOpen accessUniversité de Kinshasa (UNIKIN)

Abstract

Context and objective : Biological prognostic parameters in SARS-CoV-2 viral infection are poorly documented. The aim of the present study was to identify biological predictors of mortality in Congolese Covid-19 patients.
 Methods: This was a historical follow-up study of Covid-19 patients conducted at Monkole Hospital Center, between April 2020 and December 2021. The endpoint was all-cause mortality. Survival was described by the Kaplan-Meier method. Predictors of mortality were identified using multivariate Cox regression.
 Results: A total of 477 patients (mean age 55.5 ± 17.2 years, male sex 61%) were included. The mortality rate was 14.3%. Patients who died were significantly older and in respiratory distress. Mean values for N/L ratio, blood urea and creatinine, SGOT, LDH and CRP were significantly higher in patients who died than in those who recovered (p<0.001). Overall survival at 7 days, 21 days and 36 days was 89.6%, 74.2% and 66% respectively. Predictors of mortality included age >60 years [aHR = 2.75 (1.332 - 5.674); p = 0.006], respiratory distress [HRa = 0.138 (068 - 0.279); p <0.000], the N/L Ratio [aHR = 1.064 (1.013 - 1.117); p = 0.013], transaminases [aHR = 1.010 (1.002 - 1.018); p = 0.010], LDH [aHR = 1.001 (1.000 - 1.002); p = 0.001] and urea [aHR= 1.009 (1.000 - 1.019); p = 0.039] blood concentrations.
 Conclusion: In the present study, Covid-19-related death was predicted by the high N/L Ratio, pathological values of cell lysis markers (SGOT and LDH) and those of urea. Abnormalities in the biological parameters of patients treated for Covid-19 therefore have prognostic value in our environment, and can guide the management of these patients.
 Contexte et objectif :Les paramètres biologiques pronostiques dans l’infection virale à SARS-Cov 2 sont peu documentés. L’objectif de la présente étude était d’identifier les prédicteurs biologiques de mortalité chez les patients congolais Covid-19.
 Méthodes: Il s’agissait d’une étude de suivi historique des patients Covid-19 réalisée au Centre hospitalier Monkole, entre avril 2020 et décembre 2021. Le critère de jugement était la mortalité toute cause. La survie a été décrite par la méthode de Kaplan -Meier. Les prédicteurs de mortalité ont été identifiés par la méthode régression multivariée de Cox.
 Résultats: Au total, 477 patients (âge moyen 55, 5 ± 17,2 ans, sexe masculin 61 %) étaient inclus. Le taux de mortalité était de 14,3 %. Les patients décédés étaient significativement plus âgés et en détresse respiratoire. Les valeurs moyennes du ratio N/L, de l’urée et créatinine sanguines, de SGOT, de LDH, de CRP étaient significativement plus élevés chez les patients décédés que chez les guéris (p<0,001). La survie globale à 7 jours, 21 jours et 36 jours étaient respectivement, de 89,6 %, 74,2 %, et 66 %. Les prédicteurs de mortalité englobaient l’âge >60 ans [HRa = 2.75 (1.332 - 5.674) ; p = 0.006], la détresse respiratoire [HRa = 0.138 (068 - 0.279); p<0.000], le Ratio N/L [HRa = 1.064 (1.013 - 1.117); p = 0.013], les transaminases [HRa = 1.010 (1.002 - 1.018); p = 0.010], la concentration sanguine des LDH [HRa = 1.001 (1.000 - 1.002); p = 0.001] et celle de l’urée [HRa = 1.009 (1.000 - 1.019); p = 0.039]
 Conclusion : Le décès lié à la Covid-19 dans la présente étude était prédit par le Ratio N/L élevé, les valeurs pathologiques de marqueurs de lyse cellulaire (SGOT et LDH) et celles de l’urée. Les anomalies des paramètres biologiques des patients traités pour Covid-19 ont donc une valeur pronostique dans notre milieu, et peuvent guider la prise en charge de ces patients.

Research topics

  • COVID-19 Clinical Research Studies

Sustainable Development Goals

Read the original research

This page summarises published work. The authoritative version sits with the publisher.

DOI: 10.4314/aamed.v17i1.2

Is something wrong with this record? Report it or request removal.

Discussion

Discuss this research

Have you built on this work, tried to replicate it, or seen it applied in practice? Share what you know. Verified researchers and MARATTO™ domain experts can open a discussion, and any member can reply. Contributions are reviewed before they appear.

No discussion yet. Open the first thread.