24272

BIOMED2 230

كارشناسي ارشد

مهندسي پزشكي- بيوالكتريك

فني و مهندسي

18/10/1403

93 ص.

حميدرضا مراتب , عليرضا كريميان

كوويد-19 , ژنوم , مدت زمان بستري , وخامت حال , مطالعات ارتباط ژنومي , ماركرهاي خوني

بيماري كوويد-19 (Covid-19) با انتشار از ووهان چين در سال 2019 آغاز شد و به سرعت كل جهان را در بر گرفت. اين بيماري ويروسي، داراي توانايي انتشار سريع از طريق هوا، پنهان ماندن و تكثير در بدن بيمار بوده كه درمان و كنترل بيماري را مشكل مي¬كند. همچنين بيماري كرونا با از كار انداختن سيستم تنفسي با ايجاد التهاب و عفونت در دستگاه تنفسي فوقاني و تحتاني، بيمار را از پاي درآورده و باعث مرگ يا صدمات جبران ناپذير به دستگاه تنفسي مي¬شود. باتوجه‌به روند شيوع بيماري و شدت آن از فردي به فرد ديگر، مي¬توان نتيجه گرفت كه نه‌تنها عوامل خارجي، مانند شيوه زندگي، تغذيه، و فعاليت بدني، بلكه عوامل ژنتيكي نيز در پيشرفت بيماري تأثيرگذارند. باتوجه‌به پيشرفت تكنولوژي، مي‌توان به‌سرعت از بيمار نمونه‌برداري كرده و با تحليل ژنوم، روند درماني مؤثر مخصوص به فرد را پيش گرفت. همچنين كادر درماني و بيمارستان مي‌توانند باتوجه‌به اينكه بيمار چه مدت بستري خواهد ماند يا به چه تجهيزاتي نياز خواهد داشت، خود را آماده كنند. در تحقيقات گذشته در اين زمينه، مي¬توان به مطالعات كروز و همكاران و ني¬يمي و همكاران اشاره نمود كه هركدام روي پايگاه¬داده¬اي جداگانه و شامل چند ده‌هزار تا چند ميليون نمونه پژوهش كردند. ژن¬هايي يافت شده كه حساسيت فرد نسبت به ابتلا به كوويد-19 را نشان مي¬دهد. اين امر با استفاده از مطالعات ارتباط ژنومي و برخي پارامترهاي باليني اوليه انجام شده است. بااين‌حال، ژن-هاي يافت شده در اين مطالعات فاقد پارامترهاي ارزيابي بوده و همچنين مدلي جهت پيش¬بيني ارائه نشده است. هدف اصلي در اين پژوهش، ساخت مدلي قابل‌اطمينان جهت پيش¬بيني وخامت حال بيماران كوويد-19 است. با استفاده از مطالعات ارتباط ژنومي و برخي ماركرهاي خوني ثبت شده از بيمار مي¬توان چنين مدلي را ساخت. در اين پژوهش از رگرسيون لاجستيك جهت بهبود دقت مطالعه¬ي ژنومي استفاده گرديد. پارامترهاي كلينيكي تاثيرگذار، همراه با هفت اَلِل يافت شد و در نهايت 10 مدل ارائه گرديد. مساحت زيرمنحني شاخص عملكرد گيرنده (AUROC) اين مدل¬ها همگي بالاي 0.97 است. تست هازمر-لمشو آنها معني¬دار نشده كه نشان¬دهنده¬ي كاليبراسيون مناسب است. همچنين معيارهاي Nagelkerke R-Squared همگي بالاي 0.8 قرارگرفتند. شايان ذكر است كه مطالعات پيشين در اين زمينه مدلي ارائه نكرده و قابليت مقايسه با آن¬ها وجود ندارد. با استفاده از اين مدل¬ها مي¬توان بيماراني كه در معرض خطر بيشتري قرار دارند را شناسايي كرده و كادر درماني را جهت رسيدگي به اين افراد، بهتر آماده نمود.

Covid-19 , Genome , Length of Stay , Mortality Risk , Genome-Wide Association Studies , Blood Markers

Mortality Risk Assessment of Patients with Covid 19 Using Genomic Data and Blood Markers

مهندسي پزشكي

COVID-19, originating from Wuhan, China, in 2019, rapidly spread across the globe. This viral disease possesses the ability to disseminate swiftly through air, remain undetected, and replicate within the host, making its treatment and control a challenging endeavour. COVID-19 compromises the respiratory system by inducing inflammation and infection in the upper and lower respiratory tracts, leading to critical health conditions, death, or irreversible damage to the respiratory system. Given the variable transmission patterns and disease severity among patients, it can be inferred that both external factors, such as lifestyle, nutrition, and physical activity, as well as genetic factors, influence disease progression. With the advancements in genome sequencing technology, which has become more affordable and faster than before, it is now feasible to rapidly collect samples from the patients, analyze their genome, and decide on a more effective method of treatment. Additionally, healthcare providers and hospitals can better prepare by anticipating the patient’s length of stay at the hospital and equipment requirements. Previous researches have identified genes that indicate susceptibility to COVID-19. Studies carried out by Cruz et al. and Niemi et al. were conducted on different databases which included tens of thousands to millions of samples. This has been achieved through genome-wide association studies (GWAS) and initial clinical parameters. Although these findings lack various analytical parameters and no predictive model was among them. The primary goal of this study is to develop a reliable model to predict the severity of COVID-19 in patients. By integrating GWAS and specific blood markers recorded from patients, such a model can be constructed. In this research, logistic regression was employed to enhance the accuracy of genomic studies. Significant clinical parameters along with seven alleles were identified, resulting in the development of ten models. The area under receiver operating characteristic curve for all these models exceeded 0.97 and Hosmer-Lemeshow test for all models didn’t show any significant results, which proves a proper calibration for these models. Nagelkerke R-Squared parameter was also above 0.8 for all reported models. No predictive model as a gold standard was presented during previous studies, therefore no comparisons were made with other studies. By using these models it is possible to identify patients with high susceptibility and prepare healthcare providers and hospitals accordingly.

5

موريتز هس، آگوستو روهاس مارتينز