急诊科CT检查未显示COVID-19大流行初期存在早期病毒传播:一项多中心流行病学研究
该多中心回顾性研究分析了法国61家急诊中心2019年9月1日至2020年3月16日期间49,311例连续胸部CT报告,通过文本挖掘和时间序列分析发现2020年2月17日出现影像特征显著断点,但专家复核的146例靶CT中仅22例(15.1%)为典型COVID-19表现,且2020年2月前仅4例(2.7%)有典型表现,其中3例有流感A或支原体感染证据。结论提示SARS-CoV-2在法国官方疫情开始前未在参与中心覆盖区域活跃传播。
要点
- 法国61家急诊中心大样本CT报告显示,2020年2月17日为影像特征周时间序列显著断点。
- 146例靶CT中专家复核仅22例(15.1%)为典型COVID-19表现,2020年2月前仅4例(2.7%)。
- 低流行期CT表现非特异,支原体、流感A与SARS-CoV-2肺部感染CT表现高度相似。
核心结论
- 研究结果提示SARS-CoV-2在法国官方疫情开始前未在61家急诊中心覆盖区域传播。
- 急诊患者中支原体、流感A与SARS-CoV-2肺部感染CT表现高度相似,低流行期CT表现非特异。
研究设计与样本
- 多中心观察性回顾性研究,纳入法国61家IMADIS远程放射学合作医院急诊流程中2019年9月1日至2020年3月16日连续胸部CT患者49,311例。
- CT图像由167名认证放射科医生解读,其中急诊影像经验至少2.5年。
- 靶CT由7名资深放射科医生回顾性复核,每例由3名不同医生分析,盲于初始报告和其他医生结果。
- 采用文本挖掘自动标注报告,并以随机抽取100份报告进行质量控制,算法错误率需低于10%。
关键影像表现/征象
- 靶CT中GGO初始报告与3名医生共识一致率为98.6%(144/146),Kappa=0.98(95%CI=0.96–1,p<0.0001)。
- 靶CT中网状影初始报告与共识一致率为41.1%(60/146),Kappa=0.256(95%CI=0.104–0.399,p=0.0008)。
- SFR分类的观察者间一致性αK=0.656(95%CI=0.601–0.717),GGO的αK=0.904(95%CI=0.885–0.923),支气管炎综合征的αK=0.275(95%CI=0.188–0.382)。
诊断标准与关键数值
- 靶CT定义为报告同时标注GGO阳性和胸膜下异常阳性,其发表阳性预测值为0.81。
- 高度疑似COVID-19定义为至少3名复核医生分类为SFR-IV及以上,包括至少两个SFR-V评分(即SFR-V-V-V和SFR-IV-V-V)。
- SFR-SIT诊断评分分为I级无病理发现、II级非SARS-CoV-2感染、III级不确定、IV级兼容COVID-19、V级典型COVID-19表现。
- 文本挖掘算法准确率从胸膜下标注的93%(95%CI=86.1–97.1%)到网状影标注的99%(95%CI=94.6–100%),AUROC从0.93(95%CI=0.89–0.98)到0.99(95%CI=0.97–1)。
- Step-LR模型预测概率在SFR-V-V-V患者中为0.926±0.045,在其他患者中为0.568±0.223(Mann–Whitney p<0.0001)。
临床应用与阅片要点
- 在低流行期,急诊胸部CT报告中出现GGO和胸膜下异常需注意与流感A、支原体肺炎等感染鉴别,其CT表现高度相似。
- 采用结构化报告术语(GGO、网状影、双侧、胸膜下)有助于文本挖掘和大规模流行病学监测。
- SFR-SIT诊断评分可用于标准化描述COVID-19疑似病例的CT表现,但观察者间一致性在支气管炎综合征等征象上较低。
局限性
- 原文未报告局限性
全文中译19 节 · 点击展开
背景
2019冠状病毒病(COVID-19)已在全球成为地方性流行病。关于COVID-19的最新影像学研究显示,奥密克戎毒株,尤其是严重急性呼吸综合征冠状病毒2(SARS-CoV-2)较新的奥密克戎变异株(BA.5),导致了更高的传播率和更低的感染严重程度,随后表现为一种地方性病毒感染 [1–3]。为更好地预判下一次大流行,卫生机构调查了COVID-19暴发最初几周的情况。
法国首批经生物学证实感染SARS-CoV-2的患者于2020年1月24日被诊断 [4, 5]。2月期间疾病传播似乎得到控制,但3月迅速增加,从2020年3月1日的37例RT-PCR阳性患者增至3月28日的4611例患者 [4, 5]。这一数字可能被低估,因为检测方法由法国国家参考中心于1月底开发,并从3月起在医院可用。因此,关于COVID-19大流行的起始时间出现了争议。对2019年12月和2020年1月巴黎地区重症监护病房(ICU)流感样症状患者储存样本进行的回顾性RT-PCR鉴定出1例阳性患者 [6]。Carrat等人在2019年11月至2020年1月期间从CONSTANCES队列中鉴定出11例阳性患者 [7]。总体而言,这些研究表明SARS-CoV-2在首批官方病例之前数周已在法国传播。
远程放射学使用可互操作的信息工具进行影像申请、报告和存储,能够从与特定合作伙伴合作的所有中心快速收集数据。IMADIS完全致力于法国全国急诊影像的远程判读。我们曾显示,在专门用于COVID-19的工作流程中进行的胸部CT数量与因确诊COVID-19感染住院、入住ICU以及COVID-19相关死亡的患者数量强烈相关 [8]。此外,多项研究强调了胸部CT对COVID-19的诊断准确性及其评估疾病范围的能力 [9–12],自2020年4月起,这已被放射学会推广为诊断和严重程度评分 [1, 13, 14]。根据法国放射学会–法国胸部影像学会(SFR-SIT)诊断评分,典型胸部CT诊断SARS-CoV-2 RT-PCR阳性的准确性为83–87.9%,兼容或典型胸部CT的准确性为84–88.1% [9]。将语义放射学特征整合到预测模型中可改善这些性能 [15, 16]。
因此,鉴于胸部CT诊断COVID-19的准确性,我们的目标是从影像学角度补充生物学调查 [6, 7]。利用官方暴发前数月法国全国进行的大量胸部CT报告集合,我们的目的是调查典型的COVID-19胸部CT是否已经流行,以及生物学分析能否证实放射学怀疑。
材料与方法
研究设计与数据收集
这项多中心观察性回顾性研究经SFR机构审查委员会批准(CRM-2103–147)。
我们连续纳入所有具备可用放射学报告的患者,这些患者在2019年9月1日至2020年3月16日(第一次封锁前一天)期间,在IMADIS远程放射学的61家法国合作医院的急诊工作流程中接受了覆盖全部或部分胸部的CT扫描。图1显示了流程图。
IMADIS远程放射学是一家法国医疗公司,致力于为法国各地的私立和公立急诊科进行医学影像解读。远程放射学解读方案符合法国远程放射学实践建议。急诊医师的请求由合作医院发送至我们的远程放射学中心(研究期间为里昂、波尔多和马赛),使用远程放射学软件(ITIS,Deeplink Medical,法国里昂)。图像通过虚拟专用网络安全传输至本地图像归档和通信系统进行解读(Carestream Health 12,美国纽约州罗切斯特)。随后,图像由研究期间在IMADIS工作的167名委员会认证放射科医师之一进行解读。这些放射科医师背景各异,但至少具有2.5年的急诊影像经验。他们在值班期间于远程放射学中心的专用急诊阅片室分析图像。CT方案被自动且前瞻性地编码入IMADIS数据库,从而能够筛选完全包括胸部的观察结果,以及部分覆盖胸部的观察结果,即背柱、腹部-盆腔(胸部下部)和主动脉上干CT血管造影(胸部上部)。
数据收集包括患者年龄、性别、CT解读日期、成像方案(覆盖范围和对比剂使用)、合作科室的位置以及该科室是否位于COVID-19最初传播的法国地区(即“大东部”“法兰西岛”“勃艮第-弗朗什-孔泰”“奥弗涅-罗讷-阿尔卑斯”或“普罗旺斯-阿尔卑斯-蓝色海岸”,如图2所示)[5]。这些中心的年就诊人次和这些中心所覆盖地区的居民人数根据各医院提供的数据进行估算。
我们还从data.gouv.fr提供的流行病学数据集中收集了研究期间的COVID-19患者数量,该数据集是由法国当局和“法国公共卫生”(SPF数据集)推动的开源平台[5]。必须指出,SPF数据集和IMADIS放射学数据集是相互独立的。
标注原始文本
首先,我们使用文本挖掘对每份放射学报告进行标注,以识别那些放射科医师在结果和/或结论部分记录了磨玻璃影(GGO)、小叶内网状影或双侧及胸膜下肺部异常的報告。接下来,将文本导入R(v4.1.0,维也纳,奥地利),并使用‘stringr’包(github.com/tidyverse/stringr,v1.5.0)进行预处理。去除法语重音符号,并将字母转换为小写。
为在文本报告中检测GGO,我们首先捕获包含法语“GGO”单数或复数形式(包括最常见的拼写错误)的完整句子。我们通过查找法语中相当于“无”、“不”、“两者均不”、“没有”或“缺乏”的表述,来识别捕获句子中GGO之前是否使用了否定表述。如果未发现否定表述,则将报告标记为“GGO阳性”(否则标记为“阴性”)。
对“网状影”采用相同方法,以识别“网状影阳性”报告。
关于双侧异常,我们捕获包含“双侧”一词的句子。由于双侧异常发现可见于胸部以外且与COVID-19无关,我们识别了“双侧”与法语中相当于“网状影”、“GGO”、“纤维化”、“纤维化的”、“实变”、“带”、“影”、“衰减”或“蜂窝状”的词语同时出现的句子。我们剔除了“双侧”之前带有否定表述的句子。符合这些限制条件的报告被标记为“双侧阳性”。
关于胸膜下异常,采用与“双侧”异常相同的方法,不同之处在于我们捕获包含以下变体的法语对应词的句子:“sub pleura”、“subpleura”或“sub-pleura”。匹配的报告被标记为“胸膜下阳性”。
标注的质量控制
为验证这些算法的准确性,我们进行了质量控制。对于四个放射学变量中的每一个,我们从全部报告语料库中随机抽取100份不同的报告(50/100 [50%]为阳性标签,50/100 [50%]为阴性标签)。这100份报告由一名资深放射科医师(A.Cr.,委员会认证后具有5年急诊放射学经验)在不知晓算法标签的情况下仔细阅读,以便为四个放射学变量提供参考,并确认算法的错误率< 10%(即准确性≥ 90%)。若报告中句子描述存疑,该放射科医师可查阅CT图像。
我们还计算了四种标注算法的灵敏度、特异度、阴性预测值(NPV)、阳性预测值(PPV)和受试者工作特征曲线下面积(AUROC)及其95%置信区间(CI)。
随后,我们创建了一个名为“阳性特征数量”的新变量,根据“GGO阳性”、“网状影阳性”、“双侧阳性”和“胸膜下阳性”标签的数量,其范围为0至4。
识别目标CT扫描
下一步是识别需由专家放射科医师复核的CT扫描,以检测那些高度怀疑为COVID-19的扫描。由于胸膜下GGO的存在一直被描述为具有特异性,我们筛选了同时具有“GGO阳性”和“胸膜下阳性”标签的观察结果,并将其命名为“目标CT扫描”(已发表的PPV = 0.81)[9]。
目标CT扫描的放射学分析
七名放射科医师审阅了目标CT扫描:C.D.、A.Co.、H.N.、G.G.、F.C.、N.F.和T.J.,分别具有1、5、3、12、2、7和6年急诊影像学高级放射科医师经验。此外,A.Co.、H.N.、F.C.、N.F.和T.J.在获得委员会认证后,曾在法国大学医院胸部影像科接受至少2年的专业培训,具有胸部影像学专长。CT扫描被随机分配,使三名不同的放射科医师分析每份扫描。他们在对初始报告和其他放射科医师结果设盲的情况下报告了以下影像学特征(均为二分类,分类为“是”或“否”):(1) 磨玻璃影(GGO);(2) 带状实变;(3) 小叶内网状影;(4) GGO为主要模式;(5) 胸膜下区域为异常发现的主要位置;(6) 异常发现累及≥2个肺叶;(7) 支气管炎综合征;(8) SFR-SIT诊断评分(分类为I:无病理发现,II:非SARS-CoV-2感染,III:不确定,IV:发现与COVID-19相符,V:发现为COVID-19典型表现;图3)[1]。对于每个二分类影像学变量(1–7),共识结果对应于3名放射科医师中最常见的发现。
放射科医师还被要求提出可能的替代兼容诊断。
高度疑似COVID-19患者的临床和生物学检查
如果审阅放射科医师将CT扫描分类为至少SFR-IV,包括至少两个SFR-V评分(即SFR-V-V-V和SFR-IV-V-V),则患者被认为具有高度疑似胸部CT。在我们分析时,大多数随访数据可在我们的共享信息系统中获取,使我们能够获得补充血清学或RT-PCR的结果。
算法预测
基于7名放射科医师的分析,我们根据两种公开可用的算法计算了SARS-COV-2 RT-PCR阳性的概率,一种基于分类与回归树(CART),第二种基于逐步逻辑回归(Step-LR)[16]。关于模型的详细信息见补充数据S1。
统计分析
统计分析使用R软件(v4.1.0,奥地利维也纳)进行。所有检验均为双侧检验。p值<0.05被认为具有统计学意义。
时间序列分析
每周,我们计算(i)解读的CT扫描总数,(ii)通过文本挖掘识别出1、2、3和4个阳性特征的CT扫描数量,以及(iii)目标CT扫描数量。使用‘xts’包(github.com/joshuaulrich/xts,v0.12.1)将该数据框转换为时间序列。然后,我们应用‘strucchange’包中的breakpoints函数来研究研究期间是否以及何时发生了显著的结构性变化和断点(github.com/cran/strucchange,v1.5–2)。该函数使用动态规划算法,并根据贝叶斯信息准则(BIC)确定时间序列中最优的断点数量(考虑分段线性模型),使残差平方和(RSS)和模型中的参数数量最小化[17]。
此外,我们比较了2019年9月至2019年11月(含)患者与2019年12月至2020年2月(即COVID-19大流行开始后)患者的年龄、性别、位置、影像学特征及阳性影像学特征数量。根据D’Agostino峰度正态性检验(适用于超过5000个观测值的数据集,与经典Shapiro–Wilk正态性检验不同),对分类变量使用卡方检验,对数值变量使用非配对t检验或Mann–Whitney检验。2020年3月纳入的患者被排除,因为当时已知SARS-CoV-2在法国 actively 传播[5]。
目标CT扫描中影像学分析和算法预测的观察者间可重复性
由于多名阅片者分析了目标CT扫描的不同子集,我们使用‘irr’包(github.com/staudlex/irr,v0.84.1)中的Krippendorff‘s alpha(αK)[18]。95%置信区间通过对总体进行1000次重复的 bootstrap 计算得出。
目标CT扫描初次和二次阅读之间的一致性
我们计算了初次前瞻性CT扫描报告与二次回顾性阅读之间在磨玻璃影(GGOs)和网状影存在方面的一致百分比和Kappa指数。
结果
队列特征和文本注释
在研究期间IMADIS数据库中的72,690名患者(因MRI或CT扫描就诊)中,最终纳入来自61个合作中心的49,311名患者,其CT扫描由167名放射科医师解读(图1)。患者中位年龄为60岁(范围:0–100)。女性患者为23,636/49,311(47.9%)(表1)。
补充数据S2显示了用于采集的不同CT扫描仪。关于合作中心,42/61(68.9%)位于疫情暴发的法国地区(图2),占所有纳入检查的31,793/49,311(64.5%)。这些中心每年约代表2,159,515人次患者就诊,覆盖5,744,088居民的人口流域。
基于规则的算法自动注释报告的性能见表2。其准确率从‘胸膜下’标注的93%(95%CI = 86.1–97.1%)到‘网状影’标注的99%(95%CI = 94.6–100%)。同样,其AUROC从‘胸膜下’标注的0.93(95%CI = 0.89–0.98)到‘网状影’标注的0.99(95%CI = 0.97–1)(图4)。
共1721/49,311(3.5%)份报告磨玻璃影(GGO)阳性,263/49,311(0.5%)网状影阳性,1324/49,311(2.7%)和438/49,311(0.9%)分别为双肺异常和胸膜下肺异常阳性。总体而言,2539/49,311(5.1%)份报告呈现这4种特征中的一种,494/49,311(1%)呈现两种特征,65/49,311(0.1%)呈现三种特征,6/49,311(0.01%)呈现四种特征。
合并GGO和胸膜下肺异常共得到147/49,311(0.3%)例CT扫描。其中1例因无法提取图像而被排除,最终得到146例目标CT扫描。全部人群及目标CT扫描亚组的特征亦见表1。
时间序列分析
CT扫描数量最高出现在2020年2月24日(n = 2031)。目标CT扫描数量最高出现在研究最后一周(分别为n = 34、160、49和14例观察)。补充数据S3显示了原始时间序列。
图5展示了每周报告总数以及具有1、2和≥ 3种阳性特征报告的数量。对于后3个变量,2020年2月17日当周存在显著断点(该周最低BIC = 257.1、200.4和133.01),但报告总数无显著断点。事实上,相应时间序列的趋势(图5B–D)总体平缓,随后至纳入期结束呈显著上升,与SPF记录的RT-PCR阳性病例的显著增加相符(图5E)。
对2019年9月至2019年11月纳入患者与2019年12月至2020年2月纳入患者的比较显示,除以下两项外无显著结果:(1)患者年龄(p = 0.0098),第二个时间段患者平均略年长(57.4 ± 22.7岁 vs. 57.9 ± 22.7岁);(2)网状影存在情况(p = 0.0307),2019年12月至2020年2月间患者比例较低(103/24,018 [0.4%] vs. 122/21,154 [0.6%])(表3)。
目标患者的放射学分析
我们通过将原始文本与提供的标签进行比较,确认了文本挖掘方法的准确性。在146份入选报告中,我们未发现错误(即四个影像学特征的准确率=100%)。
其次,我们将初始影像学判读与3次回顾性判读的共识进行比较(表4):磨玻璃影(GGOs)的一致性为98.6%(144/146);有2例患者仅3名放射科医师中的1名判定存在GGOs(Kappa=0.98,95%CI=0.96–1,p<0.0001)。然而,在该亚组中,网状影的一致性为60/146(41.1%)(Kappa=0.256,95%CI=0.104–0.399,p=0.0008)。
表4显示了影像学特征的患病率、平均预测值和评估者间一致性。SFR分类的评估者间可重复性较高,αK=0.656(95%CI=0.601–0.717)。评估者间αK最高和最低的二分类变量分别为GGOs的存在(αK=0.904,95%CI=0.885–0.923)和支气管炎综合征(αK=0.275,95%CI=0.188–0.382)。使用Step-LR模型的预测评估者间一致性高于使用CART模型的预测(αK=0.532 vs 0.288)。
总体而言,37/146(25.3%)例患者被至少3名放射科医师分类为SFR-IV(即高度可疑,≥SFR-IV-IV-IV),其中22/146(15.1%)例被3名放射科医师分类为SFR-V(即SFR-V-V-V)。其中,2/22(9.1%)例患者于2019年接受影像检查,2/22(9.1%)例于2020年1月,4/22(18.2%)例于2020年2月,14/22(63.6%)例于2020年3月(表5)。
Step-LR预测概率在SFR-V-V-V患者中显著高于其他比较组(0.926±0.045 vs 0.568±0.223,Mann–Whitney p<0.0001),在被3名放射科医师判定SFR至少为IV的患者中亦显著高于其他患者(0.852±0.118 vs 0.544±0.225,Mann–Whitney p<0.0001)。CART模型也发现了类似的显著结果,但组间差异较小(两项p值均<0.0001,SFR V-V-V的预测概率为0.853±0.038,SFR≥IV-IV-V为0.831±0.057,SFR<IV-IV-IV为0.708±0.148)(表5)。
在提出时,109例剩余患者(即<SFR-IV-IV-IV)的替代诊断包括其他感染性(支气管)肺炎(n=27)、间质性疾病(n=12)、挫伤(n=11)、肺梗死(n=11)、肺水肿(n=5)和通气障碍(n=5),另有38项不一致的提议。
在大流行正式开始前CT扫描高度怀疑COVID-19患者的最终诊断
根据专家判读,4例患者被确定为典型COVID-19胸部CT表现。其中1例患者(胸部CT日期:2020年1月25日)无可用生物学样本,未发现感染。其余3例中,2例甲型流感阳性,1例甲型流感(使用RT-PCR)和支原体肺炎(IgM+)均阳性。其胸部CT见图6。
讨论
我们重新审视了法国急诊科COVID-19疫情暴发的极早期阶段,以调查是否有证据表明SARS-CoV-2在 pandemic“官方”开始之前就已早期传播。我们开发了一种原创的两步互补方法,同时依托放射学报告和图像。我们表明,无论在宏观(人群)层面还是患者层面,均无证据表明在官方 pandemic 开始之前,SARS-CoV-2已在纳入中心所服务的区域内传播。
通过对连续就诊于急诊科的大队列49,311例胸部CT的放射学报告进行文本挖掘,我们的词典和基于规则的方法使我们能够对报告进行标注,以识别四种特征的存在,即磨玻璃影(GGOs)、胸膜下异常、双侧异常和网状影,这些特征在国家指南[19]中被系统性地引用为典型COVID-19胸部CT的定义内容。我们特意研究了完全或部分覆盖胸部的CT扫描而非X线摄影,以提高我们捕获具有提示COVID-19肺部疾病特征的放射学报告的能力。事实上,已知X线摄影在检测COVID-19肺部疾病方面不如胸部CT敏感(根据Borakati等人的数据,敏感性为56%,而根据Kuo等人的数据,在无症状或轻微症状患者中98%的胸部X线摄影为正常)[20, 21]。此外,尽管已知COVID-19肺部疾病以下叶为主,但典型病变在右上叶、右中叶和左上叶也频繁出现(根据Bao等人的数据,在确诊感染患者中分别约占65%、55%和70%)[22]。接下来,我们将至少具有一种、两种、三种和四种特征的报告数量随时间绘制成图,并将时间序列与法国公共卫生部门提供的流行病学时间序列[5]同时进行分析。视觉分析显示,具有至少三种和四种特征的患者(称为“放射学时间序列”)与流行病学时间序列在时间上对齐,但放射学时间序列并未提前于流行病学时间序列。此外,我们确定了2020年2月17日的一个结构性断点,而在此之前没有断点,这突出表明在2020年2月17日之前放射学时间序列未发生显著变化。这些结果通过第二种方法得到了证实,在该方法中,我们比较了2019年9月至2019年11月(即首例报告的SARS-CoV-2患者之前)纳入的患者与2019年12月至2020年2月纳入的患者的临床和文本特征。第二个时间段中患者年龄略大,这并不令人意外,因为它对应法国的冬季,老年人就诊急诊和住院的比例较高。此外,第二个时间段中网状影的存在显著较低。必须指出的是,大多数合作中心(68.9%)和检查(64.5%)采样自已知疫情起始的法国地区[5]。
我们方法的这第一部分还使我们能够自动识别出146例具有双侧异常和磨玻璃影(GGOs)的患者子集。由于这些特征对COVID-19感染缺乏特异性,CT扫描由3名放射科专家根据SFR-SIT系统进行审阅,我们仅纳入由3名放射科医师中的3名均评分为典型CT的22例患者。必须指出,根据SFR-SIT,“COVID-19的典型表现”显示出与COVID-19报告和数据系统(CORADS)最高类别相似的诊断性能(即敏感性=75%,特异性=92%)(即在Islam等人的荟萃分析中敏感性=67%,特异性=91.3%)[9, 23]。为加强我们的怀疑,我们应用了先前发表的机器学习模型,其提供的RT-PCR阳性平均概率为92.6% [16]。其中4例患者在2020年2月之前就诊(2例在2019年12月,2例在2020年1月)。对于3例可分析的患者,确诊为甲型流感感染(伴发支原体肺炎感染)。第四例患者仍未确定感染病原体。然而,其诊断(2020年1月25日)发生在第1例官方COVID-19患者之后1天。必须指出,我们工作的目的不是开发新的机器学习模型来预测SARS-CoV-2的RT-PCR阳性(因为这将需要获得所有纳入患者的RT-PCR状态),而是重新使用先前发表的模型,这些模型易于应用于新数据且具有良好的诊断性能,以加强对目标报告COVID-19的怀疑。
我们的研究强调了在远程放射学结构中使用的常见信息工具的价值,这些结构为广阔区域内多个合作方服务,因为它们可以快速提供可在不同尺度上分析的数据库:(i)宏观上,识别放射学活动和发现的趋势及 breakdowns [8],以及(ii)微观上,识别小群体患者进行特定生物学分析。我们认为,这种两步法——结合(i)文本挖掘以自动注释大型数据库中放射学报告的病理放射学特征和(ii)时间序列分析以检测这些放射学特征使用随时间的异常趋势——可能有助于检测和监测新发和复发性传染病。
在两个层面上,结论相似:没有证据表明SARS-CoV-2已在我们合作医院覆盖的区域内活跃传播。这一发现与Carrat等人和Apolone等人的研究不一致[7, 24, 25]。他们进行了酶联免疫吸附试验(ELISA)以检测纳入CONSTANCES队列(一般人群队列)患者的抗SARS-CoV-2 IgG抗体[26],并辅以中和抗体检测。Carrat等人发现,在2019年11月至2020年1月期间,9144名法国成年人中有353人(3.9%)的SARS-CoV-2 IgG检测呈阳性,其中13例患者基于中和抗体检测得到确认[7]。然而,这些发现已受到Samuel等人从统计学角度的质疑,也可能归因于ELISA假阳性,如普通感冒冠状病毒,以及结果周围的置信区间[27]。
除其他感染性肺炎外,我们的队列中未遇到COVID-19的鉴别诊断,如隐源性机化性肺炎、肺泡蛋白沉积症或肺纤维化急性加重[28, 29]。这可以用以下事实来解释:这些患者通常主要被转诊至专科影像科室而非急诊科。
最后,本研究强调了在低患病率情况下,为疑似SARS-CoV-2感染开发的诊断工具性能较低[9, 30]。根据Ohana等人的研究,尽管无论第一波大流行的上升期、高峰期和下降期,总体准确率均得以保持,但阳性预测值(PPV)似乎受到患病率的强烈影响(即上升期PPV = 76%,患病率为37%;而高峰期PPV = 90.8%,患病率为64%)。
我们的研究存在局限性。首先,尽管研究涉及法国各地61个急诊科,但我们的队列并未代表整个法国领土,一些地区代表性不足。此外,尽管IMADIS专用于值班期间的急诊影像学,但我们无法排除某些患者已经住院的可能性;然而,他们的CT扫描始终是因紧急情况而申请并在急诊环境中进行的。其次,生物样本很少可用于补充分析。事实上,在大流行开始之前,没有理由将血液或支气管样本保存在生物样本库中。第三,在大流行开始后科学出版物、指南和教育材料发布之前,对放射学CT表现的认识较为浅薄。此外,最初解读影像的放射科医生未必是胸部影像学专家,因此他们可能遗漏了细微的胸部放射学表现。这可能导致对实际受影响患者数量的低估。第四,人群水平的方法依赖于对放射学报告文本内容的分析,而非直接基于CT图像,这可能偏倚四种感兴趣放射学特征的真实存在(尤其是如果最初解读影像的放射科医生遗漏了该特征)。然而,招募足够数量的具有胸部影像学专长的资深放射科医生来审阅近50,000份CT几乎不可行。未来的研究可以包括能够自动检测胸部CT图像中感兴趣模式的深度学习模型。然而,假阳性和假阴性结果仍可能存在,而且寻找人力资源来验证数千个观察结果中的错误始终是困难的。第五,本可以研究更复杂的自然语言处理(NLP)模型来自动标注放射学报告,例如文本向量化后进行监督机器学习算法的训练和验证(如随机森林、支持向量机或朴素贝叶斯)或来自变换器的双向编码器表示(BERT)[31]。然而,由于该任务较为简单(即检测某一放射学特征的存在,且用语言解释的可能性有限),并且我们使用基于规则的模型获得了良好的性能,因此训练此类模型似乎并无必要。
结论
总之,我们提出了一种创新方法,利用放射学数据库中存储的文本和影像数据,重新探讨一个有争议的问题,即法国COVID-19大流行的“真正”起点。通过(1)结合文本挖掘、时间序列分析和流行病学数据集的群体层面方法,以及(2)对胸部CT扫描进行仔细回顾性阅读并辅以对与胸部CT同期进行的样本分析的患者层面方法,我们显示没有证据表明SARS-CoV-2在2020年2月之前已在法国活跃传播。
补充信息
附加文件1:补充数据S1。本研究中使用的基于放射学特征的两个预测模型的原理,由Shuster P、Crombé A等人开发[14]。补充数据S2。研究中涉及的CT扫描仪类型。补充数据S3。用于时间序列分析的每周原始数据。
引用
- Crombé A, Dupont C, Casalonga F, et al. Emergency department CT examinations demonstrate no evidence of early viral circulation at the start of the COVID-19 pandemic-a multicentre epidemiological study. Insights Imaging. 2024. PMID: 38228899. doi:10.1186/s13244-023-01590-8
- 全文:PMC10792140(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC10792140/
供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。