《Diagnostics》：Day-by-Day Distribution of SARS-CoV-2 RT-PCR Cycle Threshold Values in Outpatient Care: Associations with Symptom Onset and Fever Severity
Masamichi Yoshika
编辑推荐：
本研究旨在解决COVID-19门诊患者实时逆转录聚合酶链反应（RT-PCR）循环阈值（Ct）值在临床解读中的挑战。通过回顾性分析2022年1月至2023年4月期间906名门诊患者的唾液RT-PCR数据，研究者揭示了Ct值随症状起始后天数增加呈上升趋势，且在症状起始当日，更高发热等级与较低Ct值相关。多变量回归分析进一步确认症状起始时间、发热等级、性别和年龄分组是Ct值的独立影响因素，而疫苗接种剂量和合并症则无显著关联。该研究为基层医疗中基于临床背景的Ct值解读提供了实用参考，强调了结合症状起始时间和发热严重程度进行个体化结果解释的重要性，而非依赖单一阈值。
在COVID-19大流行期间，实时逆转录聚合酶链反应（real-time reverse transcription polymerase chain reaction, RT-PCR）检测是诊断SARS-CoV-2感染的核心手段。检测报告中通常会提供循环阈值（cycle threshold, Ct）值，该数值与样本中的病毒RNA数量呈负相关，理论上可间接反映病毒载量。然而，在门诊这类实际临床场景中，Ct值的解读往往充满挑战。由于受到检测时间、样本类型、宿主个体差异以及临床状况等多种因素的影响，Ct值表现出显著的变异性。医生们常常困惑：在症状出现后的不同天数，Ct值的典型分布是怎样的？患者就诊时的发热程度是否与Ct值有关联？能否结合这些简单易得的临床信息，对RT-PCR结果进行更贴合实际情况的解读？
为了回答这些问题，Masamichi Yoshika及其团队在《Diagnostics》期刊上发表了一项研究。他们开展了一项单中心回顾性观察性研究，旨在描绘门诊患者SARS-CoV-2 RT-PCR Ct值在症状起始后逐日的分布特征，并探讨发热严重程度与Ct值之间的关联，最终为基层医疗工作者提供一个基于临床背景的、更具情境化的Ct值解读框架。
研究方法的关键技术路径
研究者回顾性纳入了2022年1月至2023年4月期间在一家基层医疗发热门诊确诊的906名COVID-19门诊患者队列。所有患者均接受了唾液样本的SARS-CoV-2 RT-PCR检测，所使用的试剂盒为TaKaRa SARS-CoV-2 Direct Detection RT-qPCR Kit，靶向基因为N基因。研究收集了人口统计学、症状起始日期、样本采集日期、自我报告的最高体温（按1°C间隔分为36-40°C五个等级）、疫苗接种次数、合并症等信息。核心分析包括：计算症状起始至检测的天数，按天展示Ct值分布（散点图与中位数）；在症状起始当日（Day 0），按体温等级分析Ct值差异（箱线图）；并运用斯皮尔曼相关系数、Kruskal-Wallis检验、曼-惠特尼U检验进行组间比较。此外，研究构建了两个多变量线性回归模型，分别以Ct值和体温等级为因变量，考察症状起始天数、体温等级、性别、年龄组、疫苗接种次数、合并症等因素的独立影响。所有统计分析均使用Python 3.11及其相关科学计算库完成。
研究结果
3.1. 患者特征
研究共纳入906名门诊患者，其中女性493人（54.4%），男性413人（45.6%）。患者年龄分布以20-29岁年龄段最多，其次是10-19岁和40-49岁。约21.5%的患者至少患有一种合并症，其中高血压、血脂异常和糖尿病最为常见。疫苗接种状态在不同年龄组间存在显著差异，年轻组中未接种疫苗的比例更高。
3.2. 症状起始后天数与Ct值的关系
Ct值随症状起始后天数增加呈现逐渐上升的趋势。病例数在症状起始当天（Day 0）、第1天和第2天最多，第7天后大幅减少。症状起始后天数与Ct值之间存在微弱但统计学上显著的正相关（斯皮尔曼 ρ = 0.166, p < 0.001）。然而，即使在同一天检测的患者中，Ct值也表现出广泛的个体间差异。
3.3. 症状起始当日体温等级与Ct值的关系
在症状起始当日（Day 0），不同体温等级（36-40°C）患者的Ct值分布存在显著差异（Kruskal-Wallis检验，p = 0.018）。体温最高组（40°C）的中位Ct值最低，且与36°C和37°C组相比存在显著差异。在症状起始后第2天，Ct值在不同体温等级间则未观察到显著差异。
3.4. 多变量分析揭示的Ct值影响因素
多变量线性回归分析显示，症状起始后天数（β = 0.683）、体温等级（β = -0.348）、男性（β = -1.153）和年龄组（β = -0.040）是Ct值的独立影响因素。这意味着，距离症状起始时间越长，Ct值倾向于越高；体温越高，Ct值倾向于越低；男性患者的Ct值倾向于低于女性；年龄越大，Ct值倾向于越低。而疫苗接种次数和合并症与Ct值没有显著关联。不过，该模型整体解释力有限（R2= 0.087），表明这些因素仅能解释Ct值变异的一小部分。
3.5. 体温等级的影响因素
另一项以体温等级为因变量的多变量分析显示，较低的Ct值（β = -0.018）、较低的年龄（β = -0.011）和较少的疫苗接种次数（β = -0.060）与较高的体温等级独立相关。该模型的解释力同样不高（R2= 0.075）。
结论与讨论
本研究通过系统分析门诊COVID-19患者SARS-CoV-2 RT-PCR Ct值的逐日分布及其与临床特征（尤其是发热）的关联，为基层医疗实践提供了重要的参考见解。
研究主要结论包括：首先，Ct值在症状起始后随时间推移呈上升趋势，但个体间差异巨大，单纯依靠检测时间点难以准确预测个体的Ct值水平。其次，在症状起始当日，更高的发热等级与更低的Ct值（暗示更高的病毒RNA水平）相关，但这种关联具有时间敏感性，仅在早期显著。最后，多变量分析确认了症状起始时间、发热、性别和年龄是影响Ct值的独立因素，而疫苗接种状态和合并症在本研究队列中未显示显著影响。
这些结果的重要意义在于它们强调了Ct值解读的情境化和概率化本质。研究并未主张将Ct值或体温作为传染性或疾病严重程度的精确预测指标，而是提倡一种基于分布的、结合临床背景的解读方法。在门诊实践中，医生在查看RT-PCR报告时，若能同时考虑患者症状起始了几天、就诊时是否有发热及发热程度，就能更好地理解这个Ct值在该患者疾病进程中的可能位置，从而做出更个体化的临床判断，而非僵化地套用某个固定阈值。
当然，研究也存在一些局限性，例如单中心设计、样本主要为轻症门诊患者、体温为自我报告可能存在回忆偏倚、未进行病毒培养或基因组测序等。此外，研究中使用的唾液样本和特定检测平台意味着其结果不宜直接推广到其他样本类型或检测系统。尽管如此，这项研究直面了基层医疗中Ct值解读的现实挑战，其提供的逐日分布数据和临床关联分析，为临床医生和检验人员将孤立的实验室数值置于更丰富的时空与临床背景中理解，提供了宝贵的实证参考，有助于避免对Ct值的过度解读或误读，促进更合理、更个体化的临床决策。
