ISSN    : 2587-0998
E-ISSN : 2587-1404
Which is Better in Predicting Mortality in Patients Hospitalized for COVID-19: CURB-65 Score Versus Physicians’ Gestalt [South Clin Ist Euras]
South Clin Ist Euras. 2021; 32(3): 223-227 | DOI: 10.14744/scie.2021.94840

Which is Better in Predicting Mortality in Patients Hospitalized for COVID-19: CURB-65 Score Versus Physicians’ Gestalt

Sarper Yılmaz, Erdal Yılmaz
Department of Emergency Medicine, University of Health Sciences, Kartal Dr. Lütfi Kırdar City Hospital, İstanbul, Turkey

INTRODUCTION: This study aims to measure and compare the CURB-65 score and the predictive performance of physician’s gestalt in predicting mortality for COVID-19 patients admitted to the emergency department (ED) and intended for hospitalization.
METHODS: This study was designed as prospective-observational. All COVID-19 patients admitted to the ED between May 1 and June 1, 2021, were included in the study. Based on these results, the gestalt percentages and CURB-65 scores of the hospitalized patients were calculated, and the in-hospital mortality predictive power was analyzed.
RESULTS: This study was performed with 101 patients after utilising the inclusion-exclusion criteria. The mean age of the patients was 75.9±9.31 years and 55 (54.5%) were male. The most suitable cut-off value for CURB-65 was found to be ≥2.50, and the most suitable cutoff value for Gestalt was found to be ≥35%. Area under the curve (AUC) value, sensitivity and specificity of CURB-65, was calculated as 0.668, 0.500 and 0.841, respectively. For Gestalt, these values were found as 0.630, 0.789 and 0.444, respectively.
DISCUSSION AND CONCLUSION: In this study, it was revealed that the predictive powers of the CURB-65 score and physician’s gestalt were successful in predicting in hospital mortality for COVID-19 patients, but they were not superior to each other. According to the results of our study, we suggest the use of gestalt for physicians working in limited-resource or crowded EDs.

Keywords: COVID-19, CURB-65, gestalt, mortality

COVID-19 Nedeniyle Hastaneye Yatan Hastaların Mortalite Tahmininde Hangisi Daha İyi: CURB-65 Skoruna Karşı Hekimlerin Gestaltı

Sarper Yılmaz, Erdal Yılmaz
Sağlık Bilimleri Üniversitesi, Kartal Dr. Lütfi Kırdar Şehir Hastanesi, Acil Tıp Anabilim Dalı, İstanbul, Turkey

GİRİŞ ve AMAÇ: Bu çalışmadaki amacımız; acil servise başvurup hastaneye yatışı planlanan COVID-19 hastalarının mortalite tahmininde CURB-65 skoru ve hekimlerin geştaltının prediktif performansını ölçmek ve birbirleriyle karşılaştırmaktır.
YÖNTEM ve GEREÇLER: Bu çalışma ileriye yönelik-gözlemsel olarak tasarlanmıştır. 1 Mayıs–1 Haziran 2021 tarihleri arasında acil servise başvuran tüm COVID-19 hastaları çalışmaya dahil edilmiştir. Hastaneye yatışı yapılan hastaların gestalt yüzdeleri ve CURB-65 skorları hesaplanmış, bu sonuçlara göre hastane içi mortalite tahmin güçlerinin analizi yapılmıştır.
BULGULAR: Bu çalışma dahil etme-dışlama kriterleri uygulandıktan sonra 101 hasta ile tamamlanmıştır. Hastaların yaş ortalaması 75.9±9.31 olup 55’i erkek (%54.5) idi. CURB-65 için en uygun pozitiflik sınır değeri (cut off) ≥2.50, Gestalt için en uygun pozitiflik sınır değeri (cut off) ≥%35 olarak bulundu. CURB-65’in AUC (area under curve) değeri, sensitivitesi ve spesifitesi sırasıyla; 0.668, 0.500 ve 0.841 olarak hesaplandı. Gestalt için ise bu değerler sırasıyla; 0.630, 0.789 ve 0.444 olarak bulundu.
TARTIŞMA ve SONUÇ: Bu çalışmada COVID-19 hastalarında hastane içi mortaliteyi öngörmede CURB-65 skoru ve hekim gestaltının prediktif güçlerinin başarılı olduğu, ancak birbirlerine üstünlükleri olmadıkları bulunmuştur. Çalışmamızın sonuçlarına göre sınırlı kaynak veya kalabalık acil servislerde çalışan hekimler için gestalt kullanımını öneriyoruz.

Anahtar Kelimeler: COVID-19, CURB-65; gestalt; mortalite.

Sarper Yılmaz, Erdal Yılmaz. Which is Better in Predicting Mortality in Patients Hospitalized for COVID-19: CURB-65 Score Versus Physicians’ Gestalt. South Clin Ist Euras. 2021; 32(3): 223-227

Corresponding Author: Erdal Yılmaz, Türkiye
LookUs & Online Makale