Введение.Введение. При острой респираторной инфекции COVID-19, вызываемой коронавирусом SARS-CoV-2 (2019-nCov), поражение лёгких имеет различные варианты течения, которые до настоящего времени не изучены в полном объёме.Цель исследования.Цель исследования: определить варианты течения вирусной пневмонии COVID-19 (ВП) на основании анализа динамики поражения лёгких, оцениваемой количественно по данным компьютерной томографии.Материал и методы.Материал и методы. Выполнен количественный анализ данных компьютерной томографии (КТ) грудной клетки 144 пациентов с ВП с помощью программного приложения 3D Slicer. Проводился кластерный и сравнительный непараметрический анализы показателей степени тяжести поражения лёгких (КТ1, КТ2, КТЗ, КТ4) и общего объёма поражённых лёгких ([%]), полученных при первичном и двух повторных КТ-исследованиях в динамике (пКТ, 1дКТ и 2дКТ) в программе «Statistica 12».Результаты.Результаты. При стабильном течении общий объём поражённых лёгких постоянен, находится в пределах одной степени тяжести: КТ1 - у 23,6 [%], КТ2 -у 14,6 [%], КТЗ - у 5,6 [%], КТ4 - у 8,3 [%]. При прогредиентном течении объём поражения лёгких постепенно увеличивается от минимального к максимальному КТ1-КТ2-КТЗ - у 3,5 [%], или увеличивается до максимального уровня на 1 дКТ, оставаясь стабильным на 2дКТ исследовании (КТ2-КТЗ-КТЗ) - у 4,2 [%]. При регредиентном течении объём поражения лёгких изменяется от максимального на пКТ к минимальному на 2дКТ: постепенно от КТ4 через КТЗ к КТ2 - у 4,2 [%], или на одну степень тяжести КТЗ-КТ2-КТ2 - у 9,7 [%], КТЗ-КТЗ-КТ2 - у 9,0 [%]. При прогредиентно-регредиентном течении объём поражения лёгких сначала достигает максимума на 1 дКТ, минимума на 2дКТ - КТ2-КТЗ-КТ2 - у 17,4 [%]. Внутригрупповое сравнение трёх повторных, зависимых показателей общего объёма поражённых лёгких и межгрупповое сравнение на пКТ, 1 дКТ и 2дКТ показало динамическое статистически значимое их различие для вариантов течения ВП (р < 0,05).Выводы.Выводы. Кластерный анализ общего объёма поражённых лёгких на серии из трёх КТ исследований в динамике позволил выделить пять вариантов течения вирусной пневмонии COVID-19 - стабильно-лёгкое, стабильно-тяжёлое, прогредиентное, регредиентное, прогредиентно-регредиентное.
Bernheim A., Mei X., Huang М., Yang У., Fayad Z.A., Zhang N., et al. Chest CT Findings in Coronavirus Disease-19 (COVID-19): Relationship to Duration of Infection. Radiology. 2020;295(3):200463. https://doi.Org/10.1148/radiol.2020200463.
DOI: 10.1148/radiol.2020200463
Pan F., Ye T., Sun P., Gui S., Liang B., Li L., et al. Time Course of Lung Changes at Chest CT during Recovery from Coronavirus Disease 2019 (COVID-19). Radiology. 2020;295(3):715-721. https://doi.org/10.1148/radiol.2020200370.
DOI: 10.1148/radiol.2020200370
Wang Y., Dong C., Hu Y., Li C., Ren Q., Zhang X., et al. Temporal Changes of CT Findings in 90 Patients with COVID-19 Pneumonia: A Longitudinal Study. Radiology. 2020;296(2):E55-E64. https://doi.org/10.1148/radiol.2020200843.
DOI: 10.1148/radiol.2020200843
Zhang H., Liu X., Yu P., Cheng M., Wang W., Sun Y., et al. Dynamic CT assessment of disease change and prognosis of patients with moderate COVID-19 pneumonia. JXray Sci Techno!. 2020;28(5):851-861. https://doi.org/10.3233/XST-200711.
DOI: 10.3233/XST-200711
Zhou S., Wang Y., Zhu T., Xia L. CT Features of Coronavirus Disease 2019 (COVID-19) Pneumonia in 62 Patients in Wuhan, China. AJRAm J Roentgenol. 2020;214(6):1287-1294. https://doi.org/10.2214/AJR.20.22975.
DOI: 10.2214/AJR.20.22975
Grassi R., Cappabianca S., Urraro F., Granata V., Giacobbe G., Magliocchetti S., et al. Evolution of CT Findings and Lung Residue in Patients with COVID-19 Pneumonia: Quantitative Analysis of the Disease with a Computer Automatic Tool. J Pers Med. 2021; 11 (7):641. https://doi.Org/10.3390/jpm11070641.
DOI: 10.3390/jpm11070641
Морозов С.П. Проценко Д.Н., Сметанина С.В., Андрейченко А. Е., Амброси О. Е., Баланюк Э. А., и др. Лучевая диагностика коронавирусной болезни (COVID-19): организация, методология, интерпретация результатов: препринт N° ЦДТ-2020-ll. Версия 2 от 17.04.2020. /сост. Серия «лучшие практики лучевой и инструментальной диагностики». Выпуск 65. Москва, ГБУЗ «НПКЦ ДиТ ДЗМ», 2020. 60 с.
Гашев C.H., Бетляев Ф.Х., Лупинос М.Ю. Математические методы в биологии: анализ биологических данных в системе “Statistica”. Тюмень, Издательство Тюменского государственного университета, 2014. 208 с.
Халафян A.A. Современные статистические методы медицинских исследований. Изд. 3. URSS, 2014. 396 с.
Боровиков В.П. Популярное введение в современный анализ данных в системе STATISTICA. Учебное пособие для вузов. Москва, Горячая линия - Телеком, 2018. 288 с.
Бурков А. Машинное обучение без лишних слов. Санкт-Петербург, Питер, 2020. 192 с.
Кобзарь А.И. Прикладная математическая статистика. Для инженеров и научных работников. Москва, ФИЗМАТЛИТ, 2006. 816 с.
Сыса А.Г. Статистический анализ в биологии и медицине. Минск, ИВЦ Минфина, 2018. 140 с.
Zhou S., Zhu T., Wang Y., Xia L. Imaging features and evolution on CT in 100 COVID-19 pneumonia patients in Wuhan, China. Eur Radiol. 2020;30(10):5446-5454. https://doi.org/10.1007/s00330-020-06879-6.
DOI: 10.1007/s00330-020-06879-6
Zhan J., Li H., Yu H., Liu X., Zeng X., Peng D., et al. 2019 novel coronavirus (COVID-19) pneumonia: CT manifestations and pattern of evolution in 110 patients in Jiangxi, China. Eur Radiol. 2021 ;31 (2)4 059-1068. https://doi.org/10.1007/s00330-020-07201-0.
DOI: 10.1007/s00330-020-07201-0
Петриков C.C., Попова И.Е., Муслимов Р.Ш., Попугаев К.А., Кислухина Е.В., Коков Л.С. Возможности компьютерной томографии в оценке степени поражения лёгких у больных COVID-19 в условиях динамического наблюдения. REJR. 202040(2)4 4-26. https://doi.org/10.21569/2222-7415-2020-10-2-14-26.
DOI: 10.21569/2222-7415-2020-10-2-14-26