不同中性粒细胞与淋巴细胞比值组间COVID-19胸部HRCT表现分析.docx

不同中性粒细胞与淋巴细胞比值组间 COVID-19 胸部 HRCT 表现分析

摘要： 目的：探讨中性粒细胞与淋巴细胞比（NLR）与 COVID-19 胸部 HRCT 表现的相关性。材料与方法： 回顾性分析 132 例于 2022 年 12 月 1 日至 2023 年 2 月 1 日就诊于首都医科大学附属北京世纪坛医院感 染科确诊 COVID-19 患者的NLR 与胸部 HRCT，以 NLR 截断值 3.0 把患者分为两组，分析其 HRCT 影像特 征、影像表现模式。对于正态分布的计量资料组间采用连续变量的 t 检验；对于非正态分布的数据以中 位数、四分位数表示，通过 Mann-Whitney U 检验进行比较；对于计数资料通过频率表示，并采用卡方 检验或 Fisher 精确检验进行组间比较。结果：低 NLR 组比高 NLR 组有更多的 ≤ 5 个病灶及病灶占比 ≤ 10％ ，高 NLR 组比低 NLR 组有更多的病灶数目 > 10 个及病灶占比 > 50％ ；高 NLR 组比低 NLR 组更易出 现混合密度影、铺路石征、马赛克征、反晕征、胸膜下黑带、拱廊征、牵拉支扩；高 NLR 组比低 NLR 组 更易表现为非特异性间质性肺炎样、机化性肺炎样、弥漫肺泡损伤样改变。结论：不同NLR 其 COVID- 19 胸部 HRCT 表现不同，高 NLR 组更易出现混合密度影、铺路石征、马赛克征、反晕征、胸膜下黑带、 拱廊征、牵拉支扩；影像表现模式更易表现为非特异性间质型肺炎、机化性肺炎、弥漫性肺泡损伤。
关键词：胸部HRCT；COVID-19；中性粒细胞与淋巴细胞比

新型冠状病毒感染（ coronavirus disease 2019，COVID-19）作为 2019 年 12 月以来在全球范 围传播最广、最受关注的突发传染病事件，对全球公共卫生系统造成了巨大影响和威胁。认识其临 床、影像、实验室指标及其相关性，对疾病的诊断、预测预后及指导治疗具有重要意义。
中性粒细胞与淋巴细胞比（neutrophil-to-lymphocyte ratio，NLR）作为一种新兴的炎性标志 物，易得且价格低廉，近年来作为研究热点已被证实是多种疾病严重程度和死亡率预测的可靠标志 物，尤其在对炎症性疾病的识别、预测及评估有重要意义，有研究表明NLR 可作为COVID-19 感染不 良结局及死亡的独立预测因子[1-3] 。胸部 HRCT 是 COVID-19 诊断和评估的重要且常用影像检查方法， 其影像表现多样并具特征性 。本文旨在探讨 COVID-19 感染者不同 NLR 的胸部高分辨率断层成像 （high resolutino CT，HRCT）的表现特点。
1 材料与方法
1.1 一般资料
收集 2022 年 12 月 1 日至 2023 年 2 月 1 日就诊于首都医科大学附属北京世纪坛医院，经抗原或 咽拭子聚合酶链式反应（polymerase chain reaction，PCR）确诊 COVID-19 患者，且于 1 日内同时 完成血常规检查及胸部 HRCT。排除标准： ① 图像质量不佳难以评估； ② 有肺间质纤维化病史。最 终共纳入患者 132 例，男性 71 例（53.8％），女性 61 例（46.2％），平均年龄（69.35 ± 14.29）岁， 临床症状包括发热、咳嗽、咳痰、流涕、咽痛、肌肉酸痛等。NLR 由血常规结果计算获得，方法：

中性粒细胞计数除以淋巴细胞计数，保留小数点后 1 位。
费明明等[4]研究显示，NLR 是新冠肺炎患者病情严重程度的预测标志物，当截断值为 3.0 时，其 敏感度、特异度及曲线下面积最优，因此本研究以 NLR 截断值 3.0 将患者分为低 NLR 组（64 例）及 高 NLR 组（68 例）。
1.2 CT 扫描方法
CT 扫描仪：32 排北京赛诺威盛 Insitum-CT338；扫描参数：探测器宽度 16 cm，螺距 1.0，管电 压 120kV，管电流 150mAs；重建层厚 1.5mm，肺窗 1.5mm，纵隔窗 5.0mm；矩阵 512 × 512；FOV 380～450。肺窗窗宽及窗位分别为 1600 和 -600，纵隔窗窗宽及窗位分别为 400 和 40。重建：冠状 位及矢状位肺窗（1 × 5mm）、纵隔窗（5 × 5mm）。
1.3 HRCT 征象评估
由两名 10 年以上胸部 CT 诊断经验的中级医生分别独立完成，意见有分歧时与另一位 20 年以上 经验高级医生协商达成一致。记录以下影像参数：
① 病灶数目： ≤ 5 个，5～10 个， > 10 个； ② 病灶大小：长径 ≤ 10mm，10～30 mm， > 30mm；
③ 病灶占肺叶体积百分比： ≤ 10％ ，11％～30％ ，31％～50％ ， > 51% ; ④ 分布：上肺为主，下 肺为主，中央支气管血管束周围，外周胸膜下； ⑤ 影像特征：磨玻璃影（ground-glass opacities， GGO），实变影，混合密度，铺路石征（ crazy-paving pattern，CPP），胸膜下黑带，马赛克征，晕 征，反晕征，拱廊征 ； ⑥ 影像表现模式[5]：非特异性间质性肺炎（ nonspecific interstitial pneumonia，NSIP）样改变，机化性肺炎（ organising pneumonia，OP）样改变，弥漫性肺泡损伤 （diffuse alveolar damage，DAD）样改变。
1.4 统计学方法
采用 SPSS 26.0 软件，将患者分为低 NLR 组（NLR ≤ 3）、高 NLR 组（NLR > 3），比较两组患者影 像征象的差异。通过 Shapiro-Wilk 检验计量资料的正态性，对于正态分布的计量资料以 (x- ± s) 表示， 组间比较采用连续变量的 t 检验；对于非正态分布的数据以中位数、四分位数表示，通过 Mann- Whitney U 检验进行比较。对于计数资料通过频率表示，并采用卡方检验或 Fisher 精确检验进行组 间比较。P < 0.05 表示差异有统计学意义。
2 结果
2.1 两组临床资料分析
低 NLR 组与高 NLR 组间在淋巴细胞百分比、中性粒细胞百分比、淋巴细胞、中性粒细胞、NLR 存在明显统计学差异，年龄、性别及临床症状无明显统计学差异（表 1）。
2.2 影像征象
低 NLR 组与高 NLR 组间在多种影像表现上存在明显统计学差异。低 NLR 组比高 NLR 组有更多的 ≤ 5 个病灶及病灶占比 ≤ 10％ ，高 NLR 组比低NLR 组有更多的病灶数目 > 10 个及病灶占比 > 50% ; 高 NLR 组比低 NLR 组更易出现混合密度、CPP、马赛克征、反晕征、胸膜下黑带、拱廊征；高 NLR 组 比低 NLR 组更易出现 NSIP 样、OP 样 DAD 样改变（表 2，图 1 和图 2）。
3 讨论
3.1 NLR 的意义
NLR 作为一种炎性标志物将白细胞分类信息整合到一个变量中，被认为是免疫系统稳态的标志，

也是近年来的研究热点。NLR 升高与内皮功能障碍、细胞因子风暴和凝血功能障碍有关，如感染、 心梗、脑出血、 自身免疫疾病、肿瘤、术后等，并且是全因死亡、老年人群、心血管疾病及 COVID- 19 死亡的独立风险因素[1,3,6-7] 。多项研究表明 NLR 在 COVID-19 感染时升高，且与严重程度正相关， 能够预测 COVID-19 感染者发展为重症的风险并及早干预，从而降低死亡率，可把其纳入到 COVID- 19 患者危重程度评价分级、出入院评估、治疗决策、预测预后的一部分[1,8-9]。
表 1 低 NLR 组与高 NLR 组临床指标统计
Table 1 Statistics of clinical indexes of the low and high NLR groups

临床指标
低 NLR 组
高 NLR 组
Z/χ2
P
年龄/（岁， M(Q1; Q3) ）
69（59，76）
74（63，82）
-1.888
0.059
性别/（男，例 (%)) 临床症状/（例 (%))
31（48.4）
40（58.8）
1.431
0.232
发热
64（100.0）
68（100.0）
—
—
咳嗽
60（93.8）
62（91.2）
0.312
0.577
咳痰
36（56.3）
33（48.5）
0.788
0.375
咽痛
20（31.3）
29（42.6）
1.835
0.176
流涕
17（26.6%)
24（35.3%)
1.174
0.279
实验室指标/（指标值 M(Q1; Q3) ）

淋巴细胞百分比/%
32.0（27.3，35.2）
15.7（10.3，19.1）
-9.571
0.000
中性粒细胞百分比/%
60.3（55.6，64.3）
76.0（73.0，83.3）
-9.457
0.000
淋巴细胞/ × 109/L
1.8（1.5，2.3）
1.01（0.7，1.4）
-7.021
0.000
中性粒细胞/ × 109/L
3.6（2.8，4.4）
5.7（4.0，8.1）
-5.780
0.000
注： M(Q1; Q3) 为中位数（第 1 四分位数，第 3 四分位数）；NLR 为中性粒细胞于淋巴细胞比。
Fest 等[7]观察到普通人群的平均NLR 为 1.76，男性平均 NLR 显著高于女性，大于 85 岁的老年人 显著高于 45～54 岁人群 。NLR 在 COVID-19 感染中可以用以区分疾病的严重程度 ，其截断值在 不 同 国家 的研究 中 略有差异 [3] ， 费 明 明等 [4]在针对 中 国人群 的研究 中发现与普通型 COVID-19 相比，重型/危重型患者 NLR 明显升高，ROC 曲线分析显示，NLR 诊断 COVID-19 分型的曲线下面积 为 0.888，95％ 可信区间为 0.814～0.963，当 NLR 为 3.00 时，敏感度及特异度均较高，为最佳截断 值，所以本次研究选取 NLR 为 3.0 作为分组标准。
3.2 NLR 与胸部 HRCT
COVID-19 通过与血管紧张素转换酶Ⅱ受体结合，优先感染Ⅱ型肺泡上皮细胞，在病毒毒性和免 疫反应共同作用下单核细胞释放一系列细胞因子增加毛细血管通透性，继而间质和肺泡间隙中的中 性粒细胞聚集，诱发一系列炎症级联反应[10] ，最终导致上皮及内皮损伤。中性粒细胞、淋巴细胞参 与了这一重要过程，表现为白细胞升高、淋巴细胞减少，最终导致 NLR 升高。胸部 HRCT 的表现与上 述病理过程密切相关，在早期诊断、鉴别诊断、发现并发症和评估严重程度及预测预后方面起着至
关重要的作用[11-12]。
本此研究中我们发现 COVID-19 肺炎的表现多样，常表现为双肺多叶、段受累，外周胸膜下分布 为主的间质性肺炎，具多种影像征象，以多发 GGO 为主，其次为混合样斑片影、多发结节样影，CPP、 晕征、反晕征、拱廊征、胸膜下黑带、束带征常见，这些发现与已有报道相符[13-16] 。HRCT 表现体现 了 COVID-19 的病理生理损伤过程，病变早期，肺泡肿胀、肺泡腔渗出，表现为非特异性肺炎或组织 性肺炎，在 HRCT 上对应于 GGO 以及支气管血管束周围的小面积实变；进展期肺泡毛细血管基底膜破 坏，导致 DAD 和急性纤维蛋白组织性肺炎、纤维化，肺泡腔及间隔炎性、纤维蛋白性渗出增多、水 肿、出血进一步加剧[16] ，在 HRCT 上对应于范围更大的 GGO、混合性及实变影、CPP、反晕征等，反 晕征是 OP 的常见征象[17]；血管紧张素转换酶Ⅱ受体广泛在于气道，随着病程进展，气道广泛受累，

可见支气管的牵拉扩张，小气道损伤可导致胸膜下空气潴留[18] ，在 HRCT 上可表现为胸膜下黑带、拱 廊征，这是 NSIP 的常见征象。

表 2 低 NLR 组与高 NLR 组 HRCT 表现统计
Table 2 HRCT statistics of the low and high NLR groups

影像指标
组别
统计检验
低 NLR 组
高 NLR 组
χ2
P
病灶数目/例 (%)

≤ 5 个
13
（20.3）
5
（7.4）
4.702
0.030
5～10 个
13
（20.3）
8
（11.8）
1.801
0.180
10 个
38
（59.4）
54
（79.4）
6.267
0.012
病灶占比/例 (%)

≤ 10%
40
（62.5）
25
（36.8）
8.736
0.003
10％～30%
13
（20.3）
12
（17.6）
0.153
0.696
30％～50%
8
（12.5）
14
（20.6）
1.553
0.213
> 50%
2
（3.1）
14
（20.6）
9.439
0.002
病变大小/例 (%)

≤ 10mm
53
（82.8）
55
（80.9）
0.083
0.774
≤ 30mm
53
（82.8）
59
（86.8）
0.401
0.527
> 30mm
33
（51.6）
52
（76.5）
8.921
0.003
病变分布/例 (%)

中央支气管束周围
51
（79.7）
56
（82.4）
—
0.825
外周胸膜下
63
（98.4）
65
（95.6）
—
0.620
上肺为主
7
（10.9）
6
（8.8）
0.166
0.684
下肺为主
35
（54.7）
29
（42.6）
1.914
0.167
病变特征/例 (%)

GGO
57
（89.1）
66
（97.1）
—
0.089
实变
36
（56.3）
27
（39.7）
3.617
0.057
混合密度
53
（82.8）
64
（94.1）
4.183
0.041
CPP
32
（50.0）
46
（67.6）
4.247
0.039
马赛克征
21
（32.8）
41
（60.3）
9.997
0.002
晕征
49
（76.6）
46
（67.6）
1.299
0.254
反晕征
16
（25.0）
40
（58.8）
15.442
0.000
胸膜下黑带
28
（43.8）
47
（69.1）
8.647
0.003
拱廊征
16
（25.0）
36
（52.9）
10.781
0.001
影像表现模式/例 (%)

NSIP 样
18
（28.1）
41
（60.3）
13.803
0.000
OP 样
28
（43.8）
47
（69.1）
8.647
0.003
DAD 样
2
（3.1）
14
（20.6）
9.439
0.002

除上皮损伤外 ， 内皮损伤是 COVID-19 的重要特征 ，也是患者进展为急性呼吸窘迫综合征 （acute respiratory distress syndrome，ARDS）转为重症的关键因素，可致肺动脉血栓形成、血 管充血、外周血管减少和灌注异常[17,19-20] ，叠加上皮损伤对应于 HRCT 上的广泛的马赛克征、DAD 样 改变。
上述病理变化与影像的对应关系解释了我们此次研究的结果，高 NLR 组与低 NLR 组在诸多影像 表现上存在统计学差异，在高 NLR 组中病变数量更多、范围更大、混合密度影、CPP、拱廊征、胸膜 下黑带更多见，更多的表现为NSIP 样、OP 样、DAD 样改变。Durhan 等[21]研究发现CPP 在重症患者更 常见，且对重症 COVID-19 表现出高特异性（97.2％）；Bernheim 等[22]发现CPP 及反晕征与疾病进程

有关，更多见于进展期患者；另有多个研究表明胸部 CT 的受累范围与 COVID-19 的严重程度高度相 关[23-25] 。上述研究均与我们本次研究相符，并进一步验证 NLR 与 HRCT 的相关性以及对 COVID-19 严 重程度预测、评估的一致性。

（a）左肺下叶胸膜下混合密度影， 见多个拱廊征（黑箭）


（b）右肺上叶胸膜下混合密度影， 胸膜下见多个拱廊征（黑箭）


（c）右肺上叶胸膜下索条及 GGO，
可见胸膜下黑带（黑箭）

（d）左肺下叶背段反晕征 （e）左上肺大片状铺路石 征（黑箭）


（f）右肺下叶胸膜下大片 状铺路石征（黑箭）


（g）双肺下叶大面积不均匀 GGO 及混合密度影，呈 DAD 样变

图 1 高 NLR 组 HRCT 表现
Fig.1 HRCT statistics of the high NLR group

（a）右肺上叶后段、右肺下叶 背段小片状 GGO（黑箭）


（b）右肺上叶前段、后段、左肺下叶 背段胸膜下小片状 GG0（黑箭）


（c）右肺上叶前段、后段、左肺上叶 尖后段胸膜下斑片状 GGO（黑箭）

图 2 低 NLR 组 HRCT
Fig.2 HRCT statistics of the low NLR group HRCT
本研究存在一定局限性：未纳入其他实验室指标如 C 反应蛋白、铁蛋白、 白介素-6、D-二聚体 等，未对 NLR 及 HRCT 进行动态评价。
本研究结果表明，COVID-19 胸部 HRCT 表现多样，部分征象与NLR 有一定相关性，低 NLR 组与 高 NLR 组间在多种影像征象及表现模式上存在统计学差异，提示了不同的严重程度，及时识别不同 HRCT 表现对 COVID-19 严重程度分层 、识别重症风 险 、及早干预治疗 、预测预后具有重要价 值[26]；NLR 易得且廉价，并且是 COVID-19 严重程度和死亡率有力的预后标志物，二者结合可为疾病 分级、预警、患者管理提供重重要信息，具有良好的临床实用性，应引起重视并纳入到 COVID-19 的 诊疗程序。
参考文献
[1] LIU Y, DU X, CHEN J, et al. Neutrophil-to-lymphocyte ratio as an independent risk factor for

392 CT 理论与应用研究 32 卷

mortality in hospitalized patients with COVID-19[J]. Journal of Infection, 2020, 81(1): e6-e12.
[2] YANG A P, LIU J P, TAO W Q, et al. The diagnostic and predictive role of NLR, d-NLR and PLR in COVID-19 patients[J]. International Immunopharmacology, 2020, 84: 106504.
[3] LI X, LIU C, MAO Z, et al. Predictive values of neutrophil-to-lymphocyte ratio on disease severity and mortality in COVID-19 patients: Systematic review and meta-analysis[J]. Critical Care, 2020, 24(1): 647.
[4] 费明明, 童飞, 陶小根, 等. 中性粒细胞/淋巴细胞比值对新型冠状病毒肺炎患者疾病分型的诊断价值[J]. 中华危重病急救医学, 2020，32(5): 554-558.
FEI M M, TONG F, TAO X G, et al. Value of neutrophil-to-lymphocyte ratio in the classification diagnosis of coronavirus disease 2019[J]. Chinese Critical Care Medicine, 2020, 32(5): 554-558. (in Chinese).
[5] 李文平, 张鹏举, 许金环, 等. 免疫检查点抑制剂相关肺炎的临床及 CT 表现分析[J]. 中华放射学杂志, 2022， 56(12): 1352-1358.
LI W P, ZHANG P J, XU J H, et al. Clinical and CT imaging features of immune checkpoint inhibitor- associated pneumonia[J]. Chinese Journal of Radiology, 2022, 56(12): 1352-1358. (in Chinese).
[6] BUONACERA A, STANCANERLLI B, COLACI M, et al. Neutrophil to lymphocyte ratio: An emerging marker of the relationships between the immune system and diseases[J]. International Journal of Molecular Sciences, 2022, 23(7): 3636.
[7] FEST J, RUITER T R, GROOT KOERKAMP B, et al. The neutrophil-to-lymphocyte ratio is associated with mortality in the general population: The rotterdam study[J]. European Journal of Epidemiology, 2019, 34(5): 463-470.
[8] SIMADIBRATA D M, CALVIN J, WIJAYA A D, et al. Neutrophil-to-lymphocyte ratio on admission to predict the severity and mortality of COV9 patients: A meta-analysis[J]. American Journal of Emergency Medicine, 2021, 42: 60-69.
[9] CAI J, LI H, ZHANG C, et al. The neutrophil-to-lymphocyte ratio determines clinical efficacy of corticosteroid therapy in patients with COVID-19[J]. Cell Metabolism, 2021, 33(2): 258-269. e3.
[10] BATAH S S, ABRO A T. Pulmonary pathology of ARDS in COVID-19: A pathological review for clinicians[J]. Respiratory Medicine, 2021, 176: 106239.
[11] RUBIN G D, YERSON C J, HARAMATI L B, et al. The role of chest imaging in patient management during the COVID-19 pandemic: A multinational consensus statement from the Fleischner Society[J]. Radiology, 2020, 296(1): 172-180.
[12] KWEE T C, KWEE R M. Chest CT in COVID-19: What the radiologist needs to know[J]. Radiographics, 2020, 40(7): 1848-1865.
[13] SIMPSON S, KAY F U, ABBARA S, et al. Radiological Society of North America expert consensus document on reporting chest CT findings related to COVID-19: Endorsed by the Society of Thoracic Radiology, the American College of Radiology, and RSNA[J]. Radiology Cardiothoracic Imaging, 2020, 2(2): e200152.
[14] CHO J L, VILLACRESES R, NAGPAL P, et al. Quantitative chest CT assessment of small airways disease in post-acute SARS-CoV-2 infection[J]. Radiology, 2022, 304(1): 185-192.
[15] TOUSSIE D, VOUTSINAS N, FINKELSTEIN M, et al. Clinical and chest radiography features determine patient outcomes in young and middle-aged adults with COVID-19[J]. Radiology, 2020, 297(1): E197-E206.
[16] 孙莹, 李玲, 刘晓燕, 等. 早期新型冠状病毒肺炎的胸部薄层平扫 CT 表现特征[J]. CT 理论与应用研究, 2023， 32(1): 131-138. DOI:10.15953/j.ctta.2023.006.
SUN Y, LI L, LIU X Y, et al. Characteristics of chest thin-slice non-contrast CT in early novel coronavirus pneumonia[J]. CT Theory and Applications, 2023, 32(1): 131-138. DOI:10.15953/ j.ctta.2023.006. (in Chinese).
[17] LEE J H, KOH J, JEON Y K, et al. An integrated radiologic-pathologic understanding of COVID-19 pneumonia[J]. Radiology, 2023, 306(2): e222600.
[18] KLIGERMAN S J, TNKSJ F R, GALVIN J R. From the radiologic pathology archives: Organization and fibrosis as a response to lung injury in diffuse alveolar damage, organizing pneumonia, and acute