Abstract

OBJECTIVES: to develop a risk prediction model for 30-day mortality from COVID‑19 in an Italian cohort aged 40 years or older.
DESIGN: a population-based retrospective cohort study on prospectively collected data was conducted. 
SETTING AND PARTICIPANTS: the cohort included all swab positive cases aged 40 years older (No. 18,286) among residents in the territory of the Milan’s Agency for Health Protection (ATS-MI) up to 27.04.2020. Data on comorbidities were obtained from the ATS administrative database of chronic conditions. 
MAIN OUTCOME MEASURES: to predict 30-day mortality risk, a multivariable logistic regression model, including age, gender, and the selected conditions, was developed following the TRIPOD guidelines. Discrimination and calibration of the model were assessed.
RESULTS: after age and gender, the most important predictors of 30-day mortality were diabetes, tumour in first-line treatment, chronic heart failure, and complicated diabetes. The bootstrap-validated c-index was 0.78, which suggests that this model is useful in predicting death after COVID-19 infection in swab positive cases. The model had good discrimination (Brier score 0.13) and was well calibrated (Index of prediction accuracy of 14.8%). 
CONCLUSIONS: a risk prediction model for 30-day mortality in a large COVID-19 cohort aged 40 years or older was developed. In a new epidemic wave, it would help to define groups at different risk and to identify high-risk subjects to target for specific prevention and therapeutic strategies.

 Keywords: COVID-19, predictors of death from COVID-19, multivariable logistic prediction model, chronic conditions and COVID-19

Riassunto

OBIETTIVI: sviluppare un modello predittivo di morte a 30 giorni per COVID-19 in una coorte italiana di età pari o superiore a 40 anni.
DISEGNO: è stato condotto uno studio di coorte retrospettivo basato sui dati raccolti in modo prospettico.
SETTING E PARTECIPANTI: la coorte includeva tutti i casi positivi al tampone nasofaringeo di età uguale o superiore a 40 anni (n. 18.286) tra i residenti nel territorio dell’Agenzia di tutela della salute (ATS) di Milano registrati sino al 27.04.2020. I dati sulle comorbidità sono stati ottenuti dal database delle patologie croniche dell’ATS stessa.
PRINCIPALI MISURE DI OUTCOME: per prevedere il rischio di mortalità a 30 giorni, è stato sviluppato un modello di regressione logistica multipla, comprendente età, genere e condizioni selezionate, seguendo le linee guida TRIPOD. Sono state valutate la discriminazione e la calibrazione del modello.
RISULTATI: dopo l’età e il genere, i fattori predittivi più importanti di mortalità a 30 giorni si sono rivelati il diabete mellito, il tumore in trattamento di prima linea, l’insufficienza cardiaca cronica e il diabete complicato. Il c-index validato mediante bootstrap è di 0,78, il che suggerisce che questo modello è utile per prevedere la morte dopo infezione da COVID-19 nei casi positivi al tampone. Il modello ha una buona discriminazione (Brier score 0,13) ed è ben calibrato (index of prediction accuracy 14,8%).
CONCLUSIONI: è stato sviluppato un modello predittivo del rischio di mortalità a 30 giorni in un’ampia coorte di soggetti positivi a COVID-19 di età pari o superiore a 40 anni. In nuove ondate epidemiche, sarà utile nel definire gruppi di rischio ed identificare soggetti ad alto rischio.

 Parole chiave: COVID-19, fattori predittivi del rischio di decesso per COVID-19, modello predittivo di regressione logistica multipla, patologie croniche e COVID-19

 23/04/2021   05/05/2021      Visite