在COVID-19病毒治疗的研究中，我们急需一种准确的预后评分来预测COVID-19感染成年人的死亡率，以了解谁将从住院和更密集的支持和护理中受益最大。针对这个问题，我院李扬教授开发和验证了一个两步评分系统，用于患者分诊，并使用易于收集的个体信息识别相对低死亡风险的患者。相关成果《Development and Validation of a Two-Step Predictive Risk Stratification Model for Coronavirus Disease 2019 In-hospital Mortality: A Multicenter Retrospective Cohort Study》发表在《Frontiers in Medicine》。文章将来自弗吉尼亚联邦大学的1673名参与者作为推导队列。在重复缺失数据插补后，使用多变量logistic 模型和变量选择程序确定了住院死亡的风险因素。开发了一个两步风险评分以识别较低、中等和较高的死亡风险患者。第一步选择了年龄增长、超过一个既往存在的合并症、心率大于100次/分钟、呼吸率大于等于30次/分钟和SpO2小于93% 进入预测模型。除了年龄和SpO2外，第二步使用血尿素氮、绝对中性粒细胞计数、C-反应蛋白、血小板计数和中性粒细胞与淋巴细胞比率作为预测因子。C-统计量在弗吉尼亚联邦大学进行内部验证时表现出很好的区分度，在其他三个卫生系统进行外部验证时也表现良好。文章还制定了一个一步模型进行比较。总体而言，两步风险评分比一步评分具有更好的性能。这个两步评分系统利用了广泛可用的现场数据，用于COVID-19患者的分诊，并且在实际中可能是一种节省时间和成本的工具。