监测

对住院患者以下项目开展规律监测，以期及早发现病情恶化，并对并发症进行监测：[2][663]

  • 生命体征（体温、呼吸频率、心率、血压、血氧饱和度）

  • 血液和生化参数

  • 凝血参数（D-二聚体、纤维蛋白原、血小板计数、凝血酶原时间）

  • 心电图 (ECG)

  • 胸部影像学检查

  • 静脉或动脉血栓栓塞征象或症状。

早期预警医学评分

  • 尽可能利用医学早期预警评分，促进对于恶化患者的早期识别和治疗加强（例如国家早期预警评分 2 [National Early Warning Score 2, NEWS2]、儿科早期预警评分[Paediatric Early Warning Signs, PEWS]）。[2]

  • 目前尚无对于初级医疗保健机构 COVID-19 患者使用此类评分价值的信息。[1119]

  • 序贯器官衰竭（sequential organ failure assessment, SOFA）评分在 COVID-19 肺炎气管插管前，对于死亡预测无足够的判别准确性。[1120]

孕妇

  • 对有症状并入院的产妇进行监测，每天监测三至四次生命体征和胎心率。进行胎儿发育超声检查和多普勒评估，监测无症状确诊感染产妇可能出现的宫内生长受限。[719] 症状消退后 14 天进行胎儿生长超声检查。[721]

出院后随访

  • 疑似或确诊 COVID-19，症状呈持续性、新发症状或症状出现变化的患者，应有途径接受随访诊疗。[2]

  • COVID-19 肺炎患者呼吸随访指南已发布。随访流程取决于肺炎严重程度，其中可包括医生或护士进行的临床问诊（当面或电话）和病史回顾、胸部影像学检查、肺功能检查、超声心动图检查、痰液采样、步行检查和氧饱和度评估。[1121]

  • 症状发作后 12 周，超过半数出院患者出现肺功能和胸部影像学检查异常。[1122] 肺功能检查可能呈现弥散功能改变、限制性改变或阻塞性改变。[1123]

预后评分正在开发中

  • 正在针对 COVID-19 研究或开发各种预后和临床风险评分；但是，需要先在各类人群中进行进一步外部验证，然后才可推荐使用。世界卫生组织建议使用临床判断（包括考虑患者价值观和偏好，以及在可行情况下考虑当地和国家政策），而非当前可行的预后预测模型，进行管理决策指导。[2]

    • A-DROP：CURB-65 的改良版，与其他广泛使用的社区获得性肺炎评分相比，入院时预测 COVID-19 肺炎患者院内死亡的准确性更高。[1124] 

    • APACHE II：一种可预测 COVID-19 患者住院死亡率的有效临床工具，其效能优于 SOFA 和 CURB-65 评分。得分达 17 及以上是死亡的早期标志，可能有助于提供指导，以做出进一步临床决策。[1125] 

    • CALL：一种基于以下四个因素对患者进行评分的危险因素评分系统：合并症、年龄、淋巴细胞计数和乳酸脱氢酶水平。一项研究发现，96% 的低 CALL 评分患者并未进展至重症。[1126] 

    • COVID-GRAM：一种基于网络的计算器，用于估计患者进展至危重症的概率，基于以下入院时的 10 个变量：胸部放射影像学检查异常、年龄、咯血、呼吸困难、无意识、合并症数量、癌症史、中性粒细胞-淋巴细胞比值、乳酸脱氢酶水平和直接胆红素水平。需开展更多验证性研究，尤其是在中国之外。[1127] 

    • COVID-19MRS：一种快速、独立于操作者的临床工具，在一项回顾性队列研究中发现该工具可以客观预测死亡率。[1128]

    • COVID-19 SEIMC：根据年龄、低年龄调整性 SaO₂、中性粒细胞/淋巴细胞比、估计肾小球滤过率、呼吸困难和性别等参数，预估事故和急诊科留观患者 30 天死亡率的死亡预测评分。其已通过实验室确诊住院患者的两个大型数据集进行了外部验证，并呈现出较高程度准确性。[1129]

    • QCOVID：一种新型临床风险预测算法，根据年龄、种族、剥夺、体重指数和一系列合并症，估计住院和死亡风险。一项基于人群的队列研究发现，该算法实际应用表现良好，对死亡和住院具有高度可辨性。[1130] 英国正在使用该风险模型帮助临床医生识别具有多重风险因素，从而使其更易感染 COVID-19 的成人，并为疫苗接种队列和屏蔽保护提供决策依据。[1131]

    • SCARP：一种新型风险计算器，基于已知变量（例如脉搏血氧、氧供、呼吸频率、脉搏），对于住院患者是否会进展至重症或出现死亡，提供有意义的临床预测。该计算器已经内部和时间验证，但尚需行进一步研究。[1132]

    • 3F：一种基于以下三个临床特征的死亡率预测模型：年龄、最低血氧饱和度和接诊类型（即住院患者与门诊患者以及远程医疗患者）。一项研究发现，该模型应用于 COVID-19 患者的回顾性和前瞻性数据集时，表现出很高的准确性。[1133]

    • 4C：英国一项针对 COVID-19 成人住院患者前瞻性队列研究开发和验证的一类评分。这一评分会用到入院时获得的患者人口统计学资料、临床观察发现和血液参数，能准确将患者分类为死亡风险低、中、高或极高。该评分要优于其他风险分层工具，展现出了临床决策实用性，且性能与更复杂的模型相近。[1134]

内容使用需遵循免责声明