基于傾向性評分匹配的老年人新型冠狀病毒感染死亡影響因素分析

中圖分類號： R181.2AA⁺3 文獻標識碼：A 文章編號：1000-503X（2025）03-0375-07

DOI：10. 3881/j. issn. 1000-503X.16256

Analysis of Influencing Factors of Death in the Elderly With Coronavirus Disease 2019 Based on Propensity Score Matching

CHEN Ying'，HUANG Haiping1，LI Xin1，CHAI Sijie2，YE Jiali2，ZHOU Dingz ³ ， ZHANG Tao' ¹ DepartmentofEpidemiologyand Health Statistics，West China Schoolof Public Health/WestChinaFourth Hospital，SichuanUnivity， Chengdu ，China 2Sichuan Tianfu New District Public Health Center，Chengdu 610213，China （20 ³ Departmentof Pneumoconiosis/Departmentof Respiratoryand Critical Care Medicine，West China School of Public Health/West China Fourth Hospital，Sichuan University，Chengdu ，China

Correspondingauthor：ZHANG Tao Tel：O28-85508845，E-mail：scdxzhangtao@163.com

ABSTRACT： Objective To analyze the influencing factors of death in the elderly with coronavirus disease 2019（COVID-19）.MethodsThe case data of death caused by COVID-19 in West China Fourth Hospital from January1 to July8，2O23 were collected，and surviving cases from the West China Elderly Health Cohort infected with COVID-19 during the same period were selected as the control. LASSO-Logistic regression was adopted to analyze the data after propensity score matching and the validityof the model was verified by drawing the receiveroperating characteristic curve.ResultsA total of 3239 COVID-19 survivorsand142 deaths with

COVID-19 were included. The results of LASSO-Logistic regresson showed that smoking （ OR=3.33 ， 95%CI= 1.46 - 7.59， P=0.004 ），stroke（ OR=3.55 ， 95%CI=1.15-10.30 ， P=0.022 ），malignant tumors（ OR= 19.93， 95%CI=8.52-49.23 ， Plt;0.001 ），coronary heart disease（ OR=7.68 ， 95%CI=3.52-17.07 ， （20 Plt;0.001 ），fever（ OR=0.51 ， 95%CI=0.26-0.96 ， P=0.042 ），difficulty breathing or asthma symptoms （ OR=21.48 ， 95%（7%=9.44-51.95 ， Plt;0.001 ），and vomiting（ OR=8.19 ， 95%CI=2.87-23.58 ， Plt;0.001 ）increased the risk of death with COVID-19.The prediction model constructed based on the influencingfactors achieved an area under the curve ofO.889 in the test set. ConclusionsSmoking，stroke，malignant tumors，coronary heart disease，fever，breathing dificultyor asthma symptoms，and vomiting were identified as keyfactors influencing the death risk in COVID-19.

Key words： coronavirus disease 2O19； influencing factor; LASSO regression； propensity score matchingActaAcadMedSin，2025，47（3）：375-381

新型冠狀病毒感染（coronavirusdisease2019，COVID-19）的疾病負擔不僅限于急性期，其中長期后果也將顯著影響患者生活質(zhì)量，加重衛(wèi)生系統(tǒng)負擔，對全球健康造成嚴重威脅[1]。盡管多項研究顯示，自Omicron毒株流行以來，其導致的疾病嚴重程度較先前流行毒株明顯降低，包括住院率、機械通氣需求以及死亡率等[2-4]。但也有一些研究表明，在Omicron 毒株流行期間因COVID-19需要住院治療與死亡患者的絕對數(shù)量正在逐漸增加[5-7]。而老年人是COVID-19死亡的高危人群，據(jù)世界衛(wèi)生組織統(tǒng)計，2020至2022年全球COVID-19死亡率在老年人群中明顯增加，每周的監(jiān)測報告數(shù)據(jù)顯示死亡病例中 ?60 歲人群占比高達 80% ，占超額死亡率估計數(shù)的 82%^[8] 。此外，多項研究發(fā)現(xiàn)新型冠狀病毒存在重復感染現(xiàn)象[9-I]。然而，我國60歲及以上老年人群的疫苗接種率明顯低于年輕人群[12-13]，與歐美國家疫苗接種情況相反[14-15]如何降低COVID-19老年患者的死亡率仍是當前公共衛(wèi)生領域關注的重點問題。因此，本研究基于華西老年人群健康隊列以及華西第四醫(yī)院COVID-19死亡病例，分析COVID-19患者死亡的影響因素，以進一步指導臨床決策降低死亡率，并改善患者預后。

1對象和方法

1.1 對象

收集2023年1月1日至2023年7月8日四川大學華西第四醫(yī)院因COVID-19住院并死亡的病例資料，選取同期華西老年人群健康隊列中COVID-19存活的病例作為對照。華西老年人群健康隊列通過社區(qū)招募的方式，在四川省成都市招募在社會經(jīng)濟學及人口學上具有代表性的老年健康人群作為研究對象。死亡組和存活組按照1：4比例進行傾向性評分匹配（pro-pensityscorematching，PSM）。本研究通過四川大學華西第四醫(yī)院醫(yī)學倫理委員會批準（倫理審查編號：HXSY-EC-2022034）。

1.2 方法

基于華西老年人群健康隊列數(shù)據(jù)平臺和四川大學華西第四醫(yī)院醫(yī)院信息系統(tǒng)收集研究對象的基本信息與臨床資料，具體包括：（1）基本信息：年齡、婚姻狀況、民族等；（2）病史及家族史：高血壓史、糖尿病史、冠心病史、惡性腫瘤史等；（3）COVID-19臨床癥狀：發(fā)熱、咳嗽、氣喘或呼吸困難等；（4）生活行為方式：吸煙史、飲酒史等。

1.3 統(tǒng)計學處理

采用R4.3.1軟件進行統(tǒng)計分析，分類變量以例數(shù)和百分比表示，組間比較采用 χ² 檢驗。采用1：4最近鄰匹配法將每例死亡患者和存活患者單獨進行匹配，卡鉗值設為0.1，匹配后變量的標準化平均差≤0.1則認為匹配平衡。考慮變量間可能存在嚴重的多重共線性，采用LASSO-Logistic回歸對PSM后數(shù)據(jù)進行分析。將匹配后的數(shù)據(jù)按照7：3比例分為訓練集和測試集。在訓練集中，采用LASSO回歸篩選可用于模型擬合的變量，構建條件Logistic模型，分析影響COVID-19患者死亡的危險因素。在測試集中，對構建的預測模型進行驗證。繪制受試者工作特征（receiveroperatingcharacteristiccurve，ROC）曲線，并計算曲線下面積（areaundercurve，AUC），基于DAL-AX包分析不同變量對于模型預測的相對重要性。 Plt; 0.05為差異有統(tǒng)計學意義。

2 結果

2.1一般情況

共納入142例COVID-19死亡者和3239名存活者。單因素分析結果顯示，PSM前死亡組與存活組的年齡、性別、吸煙、飲酒、糖尿病、高血壓、冠心病、腦卒中、慢性腎臟疾病、惡性腫瘤、氣喘或呼吸困難以及嘔吐差異有統(tǒng)計學意義（ P 均 lt;0.05 ）；經(jīng)PSM后兩組在性別、年齡和飲酒方面差異無統(tǒng)計學意義（ P 均 gt;0.05 ）（表1）。

表1新型冠狀病毒感染死亡組和存活組PSM匹配前后的基線特征比較 [n（%）]

注：PSM：傾向性評分匹配

2.2LASSO-Logistic回歸結果

在訓練集中，以是否死亡作為因變量，采用LASSO回歸算法進行變量篩選，通過十折交叉驗證選擇最佳入值，繪制LASSO回歸分析篩選特征圖（圖1），最終篩選出13個非零系數(shù)自變量，分別為年齡、性別、吸煙、飲酒、腦卒中、糖尿病、惡性腫瘤、冠心病、慢性腎臟疾病、發(fā)熱、乏力、氣喘或呼吸困難、嘔吐?；贚ASSO回歸篩選的變量構建Logistic模型。

基于PSM后的142例死亡組和568例存活組的LASSO-Logistic回歸分析結果顯示，吸煙（ OR=3.33 ，95%CI=1.46～7.59 ， P=0.004 ）、腦卒中（ OR= 3.55， 95%CI=1.15～10.30 ， P=0.022 ）、惡性腫瘤（ OR=19.93 ， 95%CI=8.52～49.23 ， Plt;0.001 ）、冠心?。?OR=7.68 ， 95%CI= 3.52～ 17.07 ， Plt; 0.001）、發(fā)熱（ OR=0.51 ， 95%CI=0.26～0.96 P=0.042 ）、氣喘或呼吸困難（ OR=21.48 ， 95%CI= 9.44～51.95 ， Plt;0.001 ）、嘔吐（ OR=8.19 ， 95% CI=2.87～23.58 ， Plt;0.001 ）是新型冠狀病毒感染患者死亡的獨立危險因素（表2）。其中，氣喘或呼吸困難、惡性腫瘤以及冠心病在COVID-19患者死亡風險預測中的重要性較高（圖2）。

表2老年人新型冠狀病毒感染死亡影響因素的LASSO-Logistic回歸分析結果

A.懲罰系數(shù)（入）與二項式偏差關系圖；B.LASSO權重系數(shù)分布圖1LASSO回歸分析篩選特征圖

圖2變量重要性分析排序圖

2.3預測模型的性能評估

訓練集中預測模型的AUC為0.896，靈敏度為 0.758，特異度為0.899，Hosmer-Lemeshow擬合優(yōu)度 檢驗 χ²=6.114 ， P=0.635 ；測試集中預測模型的AUC為0.889，靈敏度為0.860，特異度為0.819，Hosmer-Lemeshow擬合優(yōu)度檢驗 χ²=6.384 ， P= 0.604，表明模型擬合效果較好（圖3）。

3討論

本研究基于華西老年人群健康隊列以及華西第四醫(yī)院，共納入C0VID-19存活者3239名和死亡者142例，根據(jù)個體特征（性別、年齡、民族等）按照 1：4 比例進行傾向性匹配，通過LASSO-Logistic回歸分析，研究影響COVID-19患者死亡風險的因素。結果發(fā)現(xiàn)，氣喘或呼吸困難、惡性腫瘤、冠心病、發(fā)熱、嘔吐、吸煙和腦卒中是COVID-19患者死亡的獨立影響因素。針對這些危險因素對COVID-19死亡風險人群進行分層，有助于幫助基層衛(wèi)生人員盡早判斷疾病嚴重程度，從而進一步了解和改進針對COVID-19患者的臨床策略，及時采取有效的干預措施以降低死亡率。

本研究結果顯示，COVID-19患者具有吸煙史、惡性腫瘤史、腦卒中史或冠心病史時，其死亡風險會顯著增加，這與既往研究結果一致。已有研究證實吸煙與COVID-19的嚴重不良結局有關，例如住院率、重癥監(jiān)護病房入住率以及死亡率的增加等；與不吸煙者相比，當前和既往吸煙者的COVID-19疾病進展風險更高[16-17]。Liang 等[18]發(fā)現(xiàn)與未患惡性腫瘤的COVID-19患者相比，惡性腫瘤患者發(fā)生COVID-19嚴重事件的風險往往更高。Tian等[9]通過meta分析發(fā)現(xiàn)，惡性腫瘤與COVID-19患者死亡有關。這可能是由于惡性腫瘤患者通常年齡較大，且由于長期使用免疫抑制或免疫刺激藥物進行抗腫瘤治療而損害免疫系統(tǒng)，導致其免疫力水平低下，當感染新型冠狀病毒后因缺乏相關抗體和保護性免疫，更易發(fā)生死亡[20]。合并冠心病是COVID-19患者死亡的危險因素，這可能與冠心病患者的血管緊張素轉換酶2（angiotensinconvertingen-zyme，ACE2）水平相對較高有關。ACE2是新型冠狀病毒的宿主受體，接受血管緊張素轉換酶抑制劑和血管緊張素受體阻滯劑治療降低感染者ACE2水平，或許可對COVID-19患者起到保護作用，降低死亡風險[21]。合并腦卒中是COVID-19 患者死亡的危險因素，但腦血管疾病導致COVID-19病情加重的潛在機制尚不清楚，推測腦血管疾病和心血管疾病可能具有相同的危險因素，這些機制之間的相互作用在一定程度上解釋了這種關聯(lián)性[22]。因此，基層衛(wèi)生機構一旦發(fā)現(xiàn)COVID-19患者同時合并惡性腫瘤史、腦卒中史以及冠心病史，應及時監(jiān)測患者臨床表現(xiàn)并進行相關實驗室檢查，必要時安排患者住院或轉診，以降低COVID-19的死亡風險。

圖3訓練集和測試集預測模型的受試者工作特征曲線

本研究發(fā)現(xiàn)，出現(xiàn)氣喘或呼吸困難以及嘔吐癥狀是COVID-19患者死亡的危險因素，而發(fā)熱是COVID-19患者死亡的保護因素。COVID-19的常見臨床表現(xiàn)為發(fā)熱、咳嗽和咳痰，當患者的免疫反應低下時，可能表現(xiàn)為體溫正常[23-24]。呼吸急促或呼吸困難提示肺功能較差和缺氧[25]。COVID-19 患者嘔吐發(fā)生率相對較高，這可能是由于胃腸道細胞表面ACE2受體的表達水平較高，更容易被冠狀病毒入侵，導致胃腸道菌群失衡和炎癥，從而引發(fā)胃腸道癥狀[26]。因此，當發(fā)現(xiàn)患者呼吸困難或嘔吐時，需要警惕患者病情的進一步惡化。為降低氣喘或呼吸困難對COVID-19患者死亡風險的影響，應對住院患者甚至出院后患者進行密切監(jiān)測與必要的相關檢查，盡早介入肺功能康復指導，促進肺功能快速恢復。對于嘔吐等胃腸道癥狀明顯的患者，應采取相關措施控制癥狀，并及時補充水電解質(zhì)。

本研究存在一定的局限性。首先，本研究模型未納入疫苗接種以及抗病毒藥物的使用情況，后續(xù)研究可進一步探討不同疫苗接種類型、抗病毒藥物使用方案以及其他可能與COVID-19患者死亡有關的因素，以提升模型的預測性能。其次，本研究是基于病例對照研究的影響因素分析，雖然使用了傾向性評分平衡兩組間的選擇偏差與混雜因素影響，但仍可能存在未知混雜因素的干擾，未來研究應考慮納人來自多個醫(yī)療機構、社區(qū)人口或團體人群等多來源的研究對象，基于隊列研究的方法進一步驗證與COVID-19患者死亡有關的因素。

綜上，本研究結果表明，吸煙、腦卒中、惡性腫瘤、冠心病、發(fā)熱、氣喘或呼吸困難以及嘔吐是影響COVID-19死亡風險的因素。本研究構建的預測模型具有準確性較高和使用變量較少的優(yōu)點。

利益沖突 所有作者聲明無利益沖突

作者貢獻聲明陳瑩：設計研究、統(tǒng)計分析數(shù)據(jù)、撰寫論文；黃海平、李鑫：整理數(shù)據(jù)、撰寫論文；柴思捷、葉家利、周丁子：收集數(shù)據(jù)、設計研究、提供基金支持；張韜：指導研究、修改論文

參考文獻

[1]Munblit D，Nicholson T，Akrami A，et al.A core outcome setfor post-COVID-19 condition in adults for use in clinical practice and research：an international Delphi consensus study[J].Lancet Resp Med，2022，10（7）：715-724. DOI： 10.1016/S2213-2600（22）00169-2.

[2]Dyer O. COVID-19：Omicron is causing more infections but fewer hospital admissions than Delta，South African data show[J].BMJ，2021，375：n3104.DOI：10.1136/bmj.n3104.

[3]Wrenn JO，Pakala SB，Vestal G，et al. COVID-19 severity fromOmicronand Delta SARS-CoV-2variants[J]. Influenza Other RespirViruses，2022，16（5）：832-836.DOI：10. 1111/irv. 12982.

[4]Iuliano AD，Brunkard JM，Boehmer TK， et al. Trends in disease severity and health care utilization during the early Omicron variant period compared with previous SARS-CoV-2 high transmission periods— United States，December 2020- January 2022[J]. MMWR Morb Mortal Wkly Rep，2022， 71（4）：146-152.DOI：10.15585/mmwr.mm7104e4.

[5]Duong BV，Larpruenrudee P，F(xiàn)ang T，etal. Is the SARS CoV-2 Omicron variant deadlier and more transmissble than Delta variant [J].Int JEnviron Res Public Health，2022， 19（8） ：4586. DOI：10. 3390/ijerph19084586.

[6]Mahase E.COVID-19：hospital admission 50-70% less likely with Omicron than Delta，but transmission a major concern[J]. BMJ，2021，375：n3151.DOI：10.1136/bmj.n3151.

[7]Kim K，Cho K，Song J，et al. The case fatality rate of COVID-19 during the Delta and the Omicron epidemic phase ：a meta-analysis[J].JMed Virol，2023，95（2）：e28522. DOI：10.1002/jmv.28522.

[8]Wong MK，Brooks DJ，Ikejezie J，et al. COVID-19 mortality and progress toward vaccinating older adults - World HealthOrganization，worldwide，2020-2022[J].MMWR Morb Mortal WklyRep，2023，72（5）：113-118.DO1：10. 15585/mmwr. mm7205a1.

[9]Bastard J，Taisne B，F(xiàn)igoni J，et al. Impact of the Omicron variant on SARS-CoV-2 reinfections in France，March 2021 to February 2022[J].Euro Surveill，2022，27（13）： 2200247. DOI：10.2807/1560-7917. ES. 2022.27. 13.2200247.

[10]Ren X，Zhou J，Guo J，et al.Reinfection in patients with COVID-19：a systematic review[J]. Glob Health Res Policy，2022，7（1）：12. D0I：10.1186/s41256-022-00245-3.

[11]Ghorbani SS，Taherpour N，Bayat S，et al.Epidemiologic characteristics of caseswith reinfection，recurrence，and hospital readmission due to COVID-19：a systematic review and meta-analysis[J].JMedVirol，2022，94（1）：44-53. DOI：10.1002/jmv.27281.

[12]Hou Z，Guo J，Lai X，et al. Influenza vaccination hesitancy and its determinants among elderly in China：a national crosssectional study[J].Vaccine，2022，40（33）：4806-4815. DOI：10.1016/j. vaccine. 2022. 06. 063.

[13]Wang G，Yao Y，Wang Y，et al. Determinants of COVID19 vaccination status and hesitancy among older adults in China[J].Nat Med，2023，29（3）：623-631.DOI：10.1038/ s41591-023-02241-7.

[14]Lazarus JV，Wyka K，White TM，et al. Revisiting COVID19 vaccine hesitancy around the world using data from 23 countries in 2021[J].Nat Commun，2022，13（1）：3801. DOI：10.1038/s41467-022-31441- X_?

[15]Bergmann M，Hannemann TV，Bethmann A，et al.Determinants of SARS-CoV-2 vaccinations in the 5O + population [J]. SSRN，2021. DOI：10.2139/ssrn. 3938975.

[16]Clift AK，von Ende A，Tan PS，et al. Smoking and COVID19 outcomes：an observational and Mendelian randomisation study using the UK Biobank cohort[J]. Thorax，2022， 77（1） 65-73.DOI：10.1136/thoraxjnl-2021-217080.

[17]Gallus S，Scala M，Possenti I，et al. The role of smoking in COVID-19 progression： a comprehensive meta-analysis [J]. Eur Respir Rev，2023，32（167）：220191.D01：10.1183/ 16000617.0191-2022.

[18]Liang W，Guan W，Chen R，et al.Cancer patients in SARS-CoV-2 infection：a nationwide analysis in China[J]. Lancet Oncol，2020，21（3）：335-337.D0I：10.1016/ S1470-2045（20）30096-6.

[19]Tian Y，Qiu X，Wang C，et al.Cancer associates with risk and severe events of COVID-19：a systematic review and meta-analysis[J].IntJCancer，2021，148（2）：363-374. DOI：10.1002/ijc.33213.

[20]Russell B，Moss C，George G，et al. Associations between immune-suppressive and stimulating drugs and novel COVID19-a systematic review of current evidence[J].Ecancermedicalscien，2020，14：1022.DOI：10.3332/ecancer.2020. 1022.

[21]Zhang X，Yu J，Pan LY，et al.ACEI/ARB use and risk of infection or severity or mortality of COVID-19：a systematic review andmeta-analysis[J].Pharmacol Res，2O2O，158： 104927.DOI：10.1016/j. phrs.2020.104927.

[22]Pranata R，Huang I，Lim MA，et al. Impact of cerebrovascular and cardiovascular diseases on mortalityand severity of COVID-19-systematic review，meta-analysis，and meta- regression[J].J Stroke Cerebrovasc Dis，2020，29（8）： 104949. DOI：10.1016/j. jstrokecerebrovasdis. 2020.104949.

[23]HuangC，Wang Y，LiX，et al. Clinical features of patients infected with 2O19 novel coronavirus in Wuhan，China[J]. Lancet，2020，395（10223）：497-506.D0I：10.1016/S0140- 6736（20）30183-5.

[24]Zheng Z，Peng F，Xu B，et al. Risk factors of critical amp; mortal COVID-19 cases：a systematic literature review and meta-analysis[J].JInfect，2020，81（2）：e16-e25.DOI： 10.1016/j. jinf. 2020.04. 021.

[25]Abdullah F，Myers J，Basu D，et al.Decreased severity of disease during the first global Omicron variant COVID-19 outbreak inalarge hospital in tshwane，South Africa［J]. IntJ Infect Dis，2022，116：38-42.DOI：10.1016/j. ijid.2021. 12. 357.

[26]Jin X，Lian JS，Hu JH，etal. Epidemiological，clinical and virological characteristics of 74 cases of coronavirus-infected disease 2019（COVID-19）with gastrointestinal symptoms[J]. Gut，2020，69（6）：1002-1009.D0I：10.1136/gutjnl-2020- 320926.

（收稿日期：2024-07-02）