农村妇女又色黄一级毛片_国产一区二区高清视频_日日摸日日碰夜夜爽久久_浴室春潮他含她的乳

設為首頁 加為收藏
首頁 產品中心 新聞中心 政策法規 專項工作 資源中心 員工風采 關于我們
當前位置:首頁> 新聞中心 > 行業資訊

鐘南山團隊論文揭示近一半新冠肺炎患者入院時未發熱

發布時間: 2020-3-4 0:00:00瀏覽次數: 628
摘要:
  醫藥網3月4日訊 2月29日,記者從廣州醫科大學獲悉,美國時間2月28日,鐘南山院士團隊論文在國際頂級醫學期刊《新英格蘭醫學雜志》在線發表。
 
  研究團隊收集了自2019年12月11日至2020年1月29日,從全國30個省、市的552家醫院中所提取的1099例實驗室確認的新型冠狀病毒感染患者的臨床信息。研究指出,嚴格、及時地采取流行病學措施,對遏制疫情迅速蔓延至關重要,但對于疾病的有效治療方法仍需持續不斷努力探索。
 
  僅靠發熱作為診斷標準易漏診
 
  研究的主要亮點有哪些?論文的并列第一作者關偉杰、梁文華、何建行教授和通訊作者鐘南山教授表示,該研究首次收集全國范圍的新冠肺炎患者,通過分析得出病死率(1.4%),與國家衛健委報道數據更為貼近;發現了僅有1.9%的患者有直接接觸過野生動物的病史,生活在武漢以外的居民中有31.3%的患者在近2周曾到過武漢,72.3%的患者曾在近2周接觸過武漢地區人員。
 
  研究指出,近一半的新冠肺炎患者在入院時尚未出現發熱,但隨著疾病進展,88.7%的患者相繼出現發熱,因此僅依靠發熱作為診斷標準則容易漏診;同時,消化道癥狀(包括惡心嘔吐、腹瀉)較為少見,但也指出了新冠病毒通過消化道傳播的證據(在糞便、胃腸道破損黏膜、出血處分離出病毒),提示社會各界需要注意預防糞口傳播。
 
  研究還指出,確實存在部分核酸檢測陽性、有臨床癥狀,但是在入院時無任何影像學異常表現的新冠肺炎患者,而且非重度患者中這類患者的比例遠高于重度新冠感染患者;首次明確了重度新冠肺炎患者入住ICU、進行有創機械通氣、死亡的風險為非重度患者的9倍。
 
  最新的潛伏期中位數為4
 
  新冠肺炎患者的潛伏期究竟有多長?研究團隊表示,潛伏期主要根據患者上報最近一次接觸傳染源(疫區人員、野生動物)的時間,以及首次出現癥狀(含疲乏、咳嗽、發熱等)的時間確定。整個人群的潛伏期各異,研究者使用了中位數以及最小、最大值以呈現潛伏期的集中、分散分布趨勢。
 
  研究發現,重度、非重度組新冠肺炎患者各有一例潛伏期達24天。然而,仔細查閱整個人群的潛伏期分布規律,發現潛伏期大于14天的共13例(12.7%),而潛伏期大于18天的僅有8例(7.3%)。“單純根據最小、最大值評估人群的潛伏期容易引起誤讀。”研究團隊認為。
 
  此外,長期居住在武漢或者與武漢地區人員接觸的患者,其潛伏期多為0天(接觸時間按照最后一天計算);研究者在剔除這些不合理數據后重新計算,得出最新的潛伏期中位數為4天。因此,為更好地表示人群的離散趨勢,研究者確定了潛伏期的四分位間距為5天(2天—7天)。
 
  此前,鐘南山院士曾表示:“我們的研究顯示所有患者潛伏期的中位數是4天,我們在這篇文章即將報道四分位間距,分別是2天與7天(即差距為5天),其更加科學地反映人群的總體情況。”
 
  還需對潛在傳播途徑進行研究
 
  研究指出,因為目前已在胃腸道、唾液和尿液內檢出新冠病毒,因此需要對這些潛在傳播途徑進行研究。
 
  研究團隊還發現新冠肺炎的臨床特征與SARS相似。發熱和咳嗽是主要癥狀,胃腸道癥狀不常見,因此提示與SARS、MERS和季節性流感相比,新型冠狀病毒具有不同的趨向性。
 
  不發熱的新冠肺炎患者比例高于SARS和MERS感染患者,因此如果監測病例的定義側重于檢測發熱,則不發熱的患者可能會被漏診。淋巴細胞減少常見,而且某些病例達到重度減少,這一結果與近期兩份報道的結果一致。
 
  該研究確定的病死率(1.4%)低于近期報道的病死率,原因很可能是樣本量和病例納入標準的差異。團隊的研究結果與國家衛健委統計數據更為相似,后者表明截至2020年2月16日,51857例新冠肺炎患者的死亡率為3.2%。由于輕癥患者和未就醫患者并未納入該研究,因此真實世界的病死率可能更低。
 
  如何區分新冠肺炎和流感?研究團隊表示,盡管新型冠狀病毒和SARS-CoV具有種屬相似性,但一些臨床特征可以將新冠肺炎與SARS-CoV、MERS-CoV及季節性流感區分開來。
 
  研究團隊也提到,研究還存在一些明顯的局限性,包括部分病例的接觸史和實驗室檢查記錄不完整、非專科醫院存在基礎設施缺乏和醫務人員培訓不足等。并提及“我們無疑遺漏了無癥狀或居家治療的輕癥患者,因此我們的研究隊列可能代表了新冠肺炎比較嚴重的一面”。
 
  今后的研究方向有哪些?研究團隊表示,目前亟待明確病毒傳播的動力特征、傳播途徑、病毒對人體組織的嗜性。對病毒在人群中傳播的智能預測模型構建與驗證也是當前的工作重點。