回首頁LOGO按鈕

這篇研究想知道：把「病毒量」和「鼻子裡的細菌組成」兩種資訊放在一起看，能不能更準確預測COVID-19病人是否會死亡。研究團隊採集了81位住院病人和70位沒感染的人的鼻咽拭子，做詳細的細菌基因定序分析。結果發現，病毒量越高，死亡風險越高（這點大家原本就知道），而且COVID-19病人鼻子裡的細菌生態也明顯改變、變得比較不平衡，尤其是死亡的病人身上，某些「伺機性」細菌（像大腸桿菌）特別多。有意思的是，當研究團隊把「病毒量+年齡+特定細菌種類」三種資訊一起輸入電腦模型時，預測病人存活與否的準確率高達90%以上，比只用病毒量或只用細菌資料的模型都準確許多。

不過要提醒的是，這是一個單一醫院、單一時間點的研究，樣本數不算大，也沒有考慮到病人是否使用抗生素等可能影響細菌組成的因素，因此目前的結論還算是「初步發現」，作者也強調需要更多、更大規模、不同醫院的研究來驗證，才能真正應用在臨床上幫病人做風險評估。

摘要:

本研究分析81名住院COVID-19患者與70名非感染對照者的鼻咽拭子，以全長16S rRNA定序評估病毒量與微生菌相對死亡率的預測價值。結果顯示，病毒量（以N基因Ct值分級）是多變量邏輯迴歸中最強的獨立死亡風險預測因子（OR=3.80）；COVID-19患者的鼻咽菌相呈現明顯的均勻度下降與族群結構改變。研究團隊以Random Forest與邏輯迴歸建立多個機器學習模型，發現同時納入病毒量、年齡與特定菌種（如大腸桿菌、Porphyromonas pasteri等）的整合模型，預測準確度（AUC=0.9046）優於僅用臨床資料或僅用微生物資料的模型。作者提出「兩次打擊」假說（病毒先破壞黏膜屏障，隨後伺機性細菌入侵放大發炎反應）作為機制解釋，但明確說明此為橫斷面研究設計，無法確立因果關係，且屬單一機構、單一族群的小樣本研究，加上抗生素使用等重要干擾因子未被測量，須經多中心、前瞻性研究驗證後才能考慮臨床應用。

全文連結: https://pubmed.ncbi.nlm.nih.gov/41588872/