کروناویروس، عامل بیماری سندروم حاد تنفسی، در دسامبر 2019 در شهر ووهان چین نمایان شد [1]. این بیماری در سراسر جهان به سرعت گسترش یافت و یک بیماری پاندمی در نظر گرفته شد [3 ،2]. روزانه تعداد زیادی در سراسر دنیا به علت این بیماری جان خود را از دست می‌دهند [4]. با وجود اینکه این بیماری در همه سنین کشنده است، ولی شدت آن در سالمندان بسیار بیشتر از سایر گروه‌های سنی است [6 ،5]. مطالعات نشان داده‌اند ریسک‌فاکتورهای مختلفی با شدت و کشندگی کووید 19 ارتباط دارند [9-7]. شناخت عوامل مؤثر بر شدت بیماری و مرگ نیاز به بررسی‌های متعدد دارد. عوامل مختلفی مثل در دسترس بودن خدمات درمانی و کیفیت ارائه خدمات [10]، امکانات و تجهیزات بیمارستانی، سن بالا [12 ،11]، ضعف در سیستم ایمنی [14 ،13] کارایی پایین ارگان‌های مختلف [16 ،15] و ابتلای هم‌زمان با بیماری‌های دیگر [18 ،17] ممکن است از عوامل افزایش شدت بیماری و کشندگی در این بیماری باشند. 
سالمندی به معنای سن بالاتر از 60 سال، یکی از ریسک‌فاکتورهای مهم افزایش شدت بیماری و کشندگی در بیماران مبتلا به کووید 19 است [7]. ابتلای هم‌زمان به بیماری‌های مزمن در سالمندان یک مشکل رایج در زمینه بهداشت و درمان در سراسر جهان است [19]. در کشورهایی که امید به زندگی بالاست و بیماری‌های غیرواگیر شایع‌تر از بیماری‌های واگیر هستند، گزارش شده است که بیش از نیمی از افراد مسن حداقل دو بیماری مزمن با پاتولوژی متفاوت داشته‌اند [21 ،20]. شایع‌ترین بیماری‌های هم‌زمان در سالمندان مبتلا به کووید 19، فشار خون بالا، دیابت، چاقی، بیماری‌های قلبی‌عروقی و بیماری سیستم تنفسی گزارش شده است [22]. مطالعات نشان داده‌اند بیمارانی که مبتلا به چند بیماری مزمن هستند، در مقایسه با بیماران مبتلا به یک بیماری، پیش‌آگهی بدتری دارند [24 ،23]. با این حال، رابطه نوع بیماری و تعداد بیماری‌های هم‌زمان با پیش‌آگهی بیماران سالمند مبتلا به کووید 19 به طور قطع مشخص نیست.
با توجه به آسیب‌پذیری سالمندان، پیشگیری از شدید شدن بیماری، تریاژ و اولویت‌بندی بیماران و کاهش مرگ‌ومیر ناشی از کووید 19 یک چالش بزرگ است. بسیاری از مطالعات روی مشخصات بالینی بیماران کووید 19 متمرکز بوده‌اند و اطلاعات در مورد عوامل مؤثر بر شدت و کشندگی بیماری در میان سالمندان هنوز محدود است. از این ‌رو، این مطالعه به منظور توصیف خصوصیات جمعیت‌شناختی، بالینی و بررسی ارتباط هم‌ابتلایی به بیماری‌های زمینه‌ای با شدت و مرگ‌ومیر ناشی از کووید 19 در سالمندان انجام شد.

شرکت‌کنندگان
این مطالعه به صورت هم‌گروهی گذشته‌نگر در سالمندان بالای 60 سال مبتلا به کووید 19 که از اسفند 1398 تا تیر 1399 در بیمارستان بهارلو بستری شده بودند، انجام شد. شرکت‌کنندگانی به عنوان کووید مثبت در نظر گرفته شدند که علاوه بر علائم بیماری، یکی از نتایج مثبت آزمایشگاهی یا رادیولوژیک مطرح‌کننده ابتلا به کووید 19 مثل نتیجه مثبت تست پی‌سی‌آر یا نمای تیپیک کووید ۱۹ در سی‌تی‌اسکن یا در رادیوگرافی را داشتند.
جمع‌آوری داده‌ها 
اطلاعات جمعیت‌شناختی و زمینه‌ای شرکت‌کنندگان شامل سن، جنس، شاخص توده بدنی، شدت بیماری، مقدار اکسیژن، علائم بیماری (تب، لرز، میالژی، دیس‌پنه تنفسی، درد قفسه سینه، سرفه، بی‌اشتهایی، تهوع، استفراغ، اسهال، افت سطح هوشیاری) و هم‌ابتلایی به بیماری‌های زمینه‌ای (بیماری‌های قلبی‌عروقی، بیماری‌های تنفسی، بیماری‌های کلیوی، فشار خون، دیابت، سکته مغزی، بیماری‌های تیروئیدی و بیماری‌های رماتیسمی) به عنوان متغیر‌های مستقل و پیامد‌ها شامل مدت زمان بستری در بیمارستان، سابقه بستری در آی‌سی‌یو و پیامد بیماری (فوت / عدم فوت) در بیماران با استفاده از پرونده‌های پزشکی جمع‌آوری شدند. 
آنالیز آماری
از میانگین و انحراف معیار برای توصیف داده‌های کمی و از فراوانی و درصد فراوانی به منظور توصیف داده‌های طبقه‌ای استفاده شد. از آزمون تی مستقل برای مقایسه میانگین داده‌های کمی بین دو گروه فوت‌شده و زنده‌مانده و از آزمون کای اسکوئر به منظور بررسی ارتباط بین متغیر‌های کیفی با مرگ یا زنده ماندن بیماران استفاده شد. همچنین از آزمون آنالیز واریانس (آنووا) به منظور مقایسه میانگین متغیرهای کمی در گروه‌های بدون بیماری زمینه‌ای، با یک بیماری زمینه‌ای و با دو بیماری زمینه‌ای یا بیشتر استفاده شد. با توجه به اینکه هدف از این مطالعه، مشخص کردن شدت رابطه بیماری‌های زمینه‌ای با پیامد‌های مرگ یا بستری در آی‌سی‌یو بود، بنابراین از مدل رگرسیونی لجستیک برای نشان دادن شدت ارتباط استفاده شد. پیامد مرگ و بستری شدن در آی‌سی‌یو (به عنوان یک متغیر جایگزین شدت بیماری) به عنوان پیامد به صورت جداگانه در نظر گرفته شد و بیماری‌های زمینه‌ای به عنوان مواجهه در مدل وارد شدند. 
برای بررسی ارتباط بیماری‌های زمینه‌ای با پیامدهای مورد نظر، یک‌بار بیماری‌های زمینه‌ای به صورت جداگانه و یک‌بار به صورت طبقه‌بندی‌شده در مدل وارد شدند. برای طبقه‌بندی بیماری‌های زمینه‌ای، شرکت‌کنندگان به سه گروه تقسیم شدند: سالمندانی که اصلاً بیماری زمینه‌ای نداشتند، سالمندانی که یک بیماری زمینه‌ای داشتند و سالمندانی که حداقل دو بیماری زمینه‌ای داشتند که گروه بدون بیماری زمینه‌ای به عنوان گروه رفرنس برای محاسبه نسبت شانس در نظر گرفته شدند. با توجه به اینکه سن یک متغیر مخدوش‌کننده قوی در بررسی این ارتباط بود، همه مدل‌های رگرسیونی به صورت تعدیل‌شده با سن گزارش شدند. با توجه به اینکه جنسیت و شاخص توده بدنی بین دو گروه فوت‌شده و زنده‌مانده تفاوت معنی‌داری نشان ندادند، در مدل رگرسیون به عنوان مخدوش‌گر وارد نشدند. 
نهایتاً از نمودار کاپلان مایر به منظور گزارش بقا در کل شرکت‌کنندگان و مقایسه بقا در سالمندان با / بدون بیماری زمینه‌ای استفاده شد. آزمون لوگ رنک نیز جهت بررسی معنی‌داری اختلاف بقا در زیرگروه‌های بیماری زمینه‌ای سالمندان مورد استفاده قرار گرفت. از نرم‌افزار STATA نسخه 14 برای آنالیز داده‌ها استفاده شد و حد آستانه معنی‌داری در تمام آنالیزها کوچک‌تر از 0/05 به صورت دوطرفه در نظر گرفته شد.

مجموعاً 522 سالمند که در بیمارستان بهارلو بستری شده بودند، وارد مطالعه شدند. حدود 77 درصد (422 نفر) سالمندان بستری‌شده از این بیماری نجات یافته بودند و 23 درصد آن‌ها فوت کرده بودند. میانگین سن شرکت‌کنندگان 8/۴۴±‌72/55 سال بود و حدود 54 درصد (281 نفر) آن‌ها مرد بودند. سن سالمندانی که به دلیل کووید 19 فوت کرده بودند (8/۶۶ ±‌76/۳۱ سال) بیشتر از سالمندانی بود که زنده مانده بودند (8/04±‌71/۴۱ سال) که این مقدار از نظر آماری معنی‌دار بود (P<0/001). ولی مقدار اکسیژن در ابتدای زمان بستری بیمارانی که فوت شده بودند، به صورت معنی‌داری پایین‌تر از مقدار اکسیژن بیمارانی بود که زنده مانده بودند (P<0/001). در سالمندانی که فوت کرده بودند نسبت به سالمندانی که زنده مانده بودند، دیس‌پنه تنفسی (0/004=P)، بی‌اشتهایی(0/040=P)، و افت سطح هوشیاری به طور معنی‌داری بالاتر بود (P<0/001)، هرچند سرفه در سالمندانی که زنده مانده بودند بیشتر از سالمندانی بود که فوت کرده بودند که این تفاوت از نظر آماری معنی‌دار بود (0/003=P) (جدول شماره 1). 



همچنین درصد بالاتری از سالمندان فوت‌شده مبتلا به بیماری‌های قلبی‌عروقی بودند که این تفاوت از نظر آماری معنی‌دار بود (0/011=P). از طرفی میزان مرگ در سالمندانی که مبتلا به یک یا چند بیماری زمینه‌ای بودند، نسبت به سالمندانی که بیماری زمینه‌ای نداشتند، به طور معنی‌داری بیشتر بود (0/032=P) (جدول شماره 2). 



نتایج نشان داد سن سالمندانی که بیماری زمینه‌ای داشتند بیشتر از سالمندانی بود که بدون بیماری زمینه‌ای مبتلا به کووید 19 شده بودند (P<0/001). همچنین برخی از علائم بیماری مانند داشتن لرز (0/030=P) و دیس‌پنه تنفسی (0/038=P) در سالمندان مبتلا به بیماری زمینه‌ای به طور معنی‌داری بالاتر از سالمندانی بود که بیماری زمینه‌ای نداشتند. هرچند سرفه داشتن در سالمندانی که بیماری زمینه‌ای نداشتند، به طور معنی‌داری بالاتر از سالمندانی بود که مبتلا به یک یا چند بیماری زمینه‌ای بودند (0/022=P) (جدول شماره 3). 



در خصوص پیامدهای اندازه‌گیری‌شده در سالمندان مبتلا به کووید 19 می‌توان گفت سالمندانی که علاوه بر کووید، مبتلا به دو بیماری زمینه‌ای یا بیشتر بودند، مدت‌زمان بیشتری در بیمارستان بستری شده بودند (0/007=P)؛ درصد بالاتری در آی‌سی‌یو بستری شده بودند (P<0/0001) و میزان فوت بالاتری داشتند (0/032=P) که این تفاوت‌ها نیز از نظر آماری معنی‌دار بودند (جدول شماره 4).



نتایج رگرسیون لجستیک نشان داد داشتن بیماری‌های قلبی‌عروقی شانس مرگ را در سالمندان 1/07 برابر می‌کند ( CI=1/04-1/09 و OR=1/07 و 95 درصد). همچنین شانس مرگ در شرکت‌کنندگانی که دو یا چند بیماری زمینه‌ای داشتند، 1/69 برابر (CI=0/97-2/91 و OR=1/69 و 95 درصد، 0/04=P) سالمندانی بود که بیماری زمینه‌ای نداشتند که این مقدار از نظر آماری معنی‌دار بود (جدول شماره 5). 



از طرفی رگرسیون لجستیک برای پیامد بستری / عدم بستری در آی‌سی‌یو نشان داد که داشتن بیماری‌های قلبی‌عروقی (CI=1/05-2/55 و OR=1/64 و 95 درصد، 0/027=P)، دیابت (CI=1/13-2/56 و OR=1/70 و 95 درصد، 0/010=P) و سکته مغزی (CI=1/14-3/97 و OR=2/13 و 95 درصد، 0/017=P) شانس بستری در آی‌سی‌یو را افزایش می‌دهد. همچنین به صورت کلی شانس بستری در سالمندانی که به دو یا چند بیماری زمینه‌ای مبتلا بودند، 2/26 برابر (CI=1/34 -3/81و OR=2/26 و 95 درصد، 0/002=P) سالمندانی بود که به هیچ بیماری زمینه‌ای مبتلا نبودند که این مقدار از نظر آماری معنی‌دار بود (جدول شماره 5).
نمودار بقای کاپلان مایر در تصویر شماره 1 نشان داده شده است. قسمت الف، بقا در سالمندان را به صورت کلی و قسمت ب، به تفکیک سالمندان بدون بیماری زمینه‌ای، با یک بیماری زمینه‌ای و سالمندان با دو بیماری یا بیشتر را نشان داده است. 



در تصویر شماره 2 نیز ارتباط بین پیامدهای اصلی کووید 19 با تعداد بیماری‌های زمینه‌ای نشان داده شده است. همان‌طور که در قسمت الف مشخص است، درصد مرگ و همچنین درصد بستری در آی‌سی‌یو با تعداد بیماری‌های زمینه‌ای ارتباط مستقیم دارند؛ بدین معنی که سالمندانی که تعداد بیماری‌های زمینه‌ای بالاتری داشتند، درصد مرگ و بستری در آی‌سی‌یو بالاتری نسبت به سالمندان بدون بیماری زمینه‌ای داشتند. از طرف دیگر قسمت ب نشان می‌دهد مقدار اکسیژن اشباع در بدو بستری سالمندان با تعداد بیماری زمینه‌ای آن‌ها ارتباط داشته است؛ بدین معنی که سالمندانی که تعداد بیماری زمینه‌ای بالاتری داشتند، در بدو بستری، مقدار اکسیژن اشباع پایین‌تری داشتند.

بیماری کووید 19 باعث ایجاد یک پاندمی شدید شده که افراد در هر سنی را تحت تأثیر قرار داده است. با این حال، این بیماری بیشتر شبیه یک فاجعه بهداشتی در سالمندان شناخته می‌شود [25]. علی‌رغم میزان مرگ‌ومیر بالا، ابتلای هم‌زمان به چند بیماری و شدت بالای این بیماری در سالمندان، داده‌های موجود در این گروه سنی کم است. این مطالعه با هدف توصیف خصوصیات جمعیت‌شناختی، بالینی و بررسی ارتباط ابتلا به بیماری‌های زمینه‌ای با شدت و مرگ‌ومیر ناشی از کووید 19 در سالمندان انجام شد. مطالعات بسیاری نشان داده‌اند که میزان مرگ در سالمندان مبتلا به کووید 19 بسیار بالاتر از میزان مرگ در جوانان است [26 ،6 ،5]. نتایج مطالعه ما نیز نشان داد حدود 23 درصد سالمندان مبتلا به کووید 19 فوت کرده‌اند که این مقدار از میزان کشندگی در سالمندان چین، کره و همچنین ایتالیا بیشتر بود [27 ،5]. 
بیماری‌های مزمن به یک بار اقتصادی جهانی تبدیل شده‌اند [21 ،20]. مطالعه ما نشان داد 70 درصد سالمندان شرکت‌کننده در این مطالعه، حداقل یک بیماری زمینه‌ای داشتند. در مطالعه‌ای که توسط اتکینز و همکاران در سالمندان انگلیسی مبتلا به کووید 19 انجام شده بود، شایع‌ترین بیماری‌ها در بین مبتلایان، فشار خون (44/4 درصد) و دیابت (17/1 درصد) بودند [28]. در شرکت‌کنندگان این مطالعه نیز شایع‌ترین بیماری‌ها فشار خون (47 درصد) و دیابت (35/6 درصد) بود.
بیماران مبتلا به کووید 19 معمولاً به دلایل مختلفی مثل نارسایی چند اندام، شوک، نارسایی تنفسی، نارسایی قلبی، آریتمی‌ها و نارسایی کلیوی فوت می‌کنند [30 ،29]. پیش از این نشان داده شده بود که سن بالاتر و ابتلای هم‌زمان به چند بیماری می‌تواند باعث نقص در پاسخ سیستم ایمنی بدن به عوامل بیماری‌زا، اختلال در عملکرد ارگان‌های بدن [32 ،31 ،14 ،13]، تسریع در التهاب و درنهایت منجر به مرگ و نارسایی چند اندام و مرگ در آی‌سی‌یو شود [34 ،33].
در مطالعات پیشین نشان داده شده است که هم‌زمانی ابتلا به بیماری‌های دیگر ممکن است باعث ضعف در سیستم ایمنی و اختلال در عملکرد بدن شود، این موضوع در بیماران سالمند بیشتر از بیماران جوان مبتلا به کووید 19، بر پیامدهای منفی تأثیرگذار بوده است [36 ،35 ،14 ،13]. مطالعات پیشین، بیماری‌های قلبی‌عروقی، انسدادی ریوی، فشار خون و دیابت را از مهم‌ترین عوامل خطر شدت بیماری و مرگ به علت کووید 19 گزارش کرده‌اند [37]. نتایج مطالعه حاضر نیز ارتباط معنی‌داری بین بیماری‌های قلبی‌عروقی با مرگ ناشی از کووید 19 و همچنین بین بیماری‌های قلبی‌عروقی و سکته مغزی با بستری در آی‌سی‌یو به عنوان پروکسی از شدت بیماری نشان داد. ابتلا به فشار خون نیز با بستری در آی‌سی‌یو به صورت مرزی ارتباط معنی‌داری داشت که این نتایج با نتایج بعضی از مطالعات پیشین هم‌سو بود [39 ،38]. 
در خصوص ارتباط پیامد‌های منفی کووید 19 و هم‌ابتلایی با سکته مغزی، در مطالعات پیشین ارتباط عوامل بیماری‌زای عفونی با انعقاد خون نشان داده شده است [40]. خاصیت انعقادی / افزایش انعقاد خون به نظر می‌رسد یکی از مکانیسم‌های مهم اثرات بالینی کووید 19 باشد [42 ،41]. هرچند اثر احتمالی آن در علت سکته مغزی هنوز مشخص نیست [43]. به نظر می‌رسد کووید 19 با افزایش ریسک این بیماری در مبتلایان، باعث بروز پیامد‌های منفی از جمله مرگ یا بستری در آی‌سی‌یو می‌شود. فشار خون نیز یکی از بیماری‌هایی است که پیش‌آگهی بیماری را در سالمندان بدتر می‌کند و از طرفی درصد بالایی از بیمارانی که سکته در آن‌ها بروز پیدا کرده است، به فشار خون نیز مبتلا هستند [44]. مطالعه سان و همکاران که روی 3400 بیمار انجام شده بود نیز نتایج مشابه با نتایج این مطالعه را گزارش کردند [45]. همچنین مطالعه روئان و همکاران که در بین 150 بیمار مبتلا به کووید 19 انجام شده بود نشان داد بیماری‌های قلبی‌عروقی و فشار خون در بیمارانی که بر اثر این بیماری فوت کرده بودند بیشتر از بیمارانی بود که مرخص شده بودند (19 درصد در مقابل 43 درصد؛ P<0/001) [46]. در مطالعه مرور سیستماتیک و متاآنالیزی که شامل 16 مطالعه و 3994 بیمار بود، نشان داده شد فشار خون بالا (2/95=OR)، دیابت (3/07=OR)، بیماری‌های قلبی‌عروقی (4/58=OR) و بیماری‌های مزمن کلیه (5/32=OR) منجر به خطر بیشتری برای بروز حوادث جدی می‌شوند؛ با این حال، تنها دیابت (2/78=OR) تأثیر معنی‌داری در میزان مرگ‌ومیر داشته است [47].
ارتباط بین دیابت و پیامدهای منفی کووید 19 نیز در مطالعات متاآنالیز بررسی شده است [49 ،48 ،37 ،17]. مطالعات نشان داده‌اند ابتلا به دیابت تطبیق‌شده با سن (مستقل از تأثیر سن) یک عامل خطر مهم برای شدت بیماری کووید 19 است که با نتایج مطالعه ما همسو بود [51 ،50]. در مطالعه حاضر، ما یک افزایش 1/70 برابری در شانس بستری در آی‌سی‌یو و یک افزایش 30/ 1 برابری برای مرگ‌ومیر مرتبط با کووید 19 در بیماران مبتلا به دیابت برآورد کردیم. بیماران دیابتی در سایر عفونت‌های رایج مانند سندرم تنفسی حاد شدید (SARS-CoV) و سندرم تنفسی خاورمیانه (MERS-Cov) پیش‌آگهی بدتری داشتند [52 ،51]. تحت تأثیر قرار گرفتن سیستم ایمنی مبتلایان به دیابت به دلیل افزایش قند خون مزمن [53 ،52] و نوسانات شدید سطح گلوکز خون در بیماران دیابتی ممکن است عوامل مؤثر بر توان‌بخشی و پاسخ به درمان بیماران باشند [54]. همچنین پاسخ‌های سیتوکین پیش‌التهابی نامنظم نیز ممکن است دلیل اصلی شدت کووید 19 در بیماران دیابتی باشد [57-55]. در مطالعات پیشین نشان داده شده است که بیماران دیابتی دارای سطح تنظیم‌نشده سیتوکین پیش‌التهابی، به‌ویژه اینترلوکین‌های 1 و 6 (IL-1 و IL-6) و فاکتور نکروز تومور (α-TNF) هستند [57]. نشانگرهای مختلفی از جمله C-reactive protien، فیبرینوژن و D-dimer نیز در بیماران دیابتی مبتلا به کووید 19 افزایش یافته‌اند [57]. بنابراین این وضعیت نیز ممکن است طوفان‌های سیتوکین در کووید 19 را بیشتر کند که منجر به افزایش شدت بیماری می‌شود [58 ،57 ،55].
بیماری‌های قلبی‌عروقی یکی از شایع‌ترین بیماری‌های مزمن در بین سالمندان بود. نتایج این مطالعه نشان داد بیماران مبتلا به بیماری قلبی‌عروقی مستعد شدید شدن بیماری کووید 19 و بروز پیامدهای منفی از جمله بستری در آی‌سی‌یو و مرگ هستند. نتایج مطالعه ما با مطالعات و متاآنالیز‌های پیشین، هم‌سو بود [59]. مکانیسم مرتبط با رابطه بین شدت و مرگ‌ومیر کووید 19 هنوز تحت بررسی است. مطالعاتی که در افراد عفونت‌یافته با سایر ویروس‌های کروناویروس مانند سندرم تنفسی حاد شدید (SARS-CoV) و سندرم تنفسی خاورمیانه (MERS-Cov) انجام شده بودند، افزایش خطر مرگ‌ومیر در بیماران مبتلا به بیماری‌های قلبی‌عروقی را گزارش کرده بودند [53 ،52]. گزارش‌های اولیه نیز نتیجه مشابهی را در شدت بیماری و مرگ به علت کووید 19 نشان داده‌اند [60 ،48]. یکی از مکانیسم‌های بالقوه ارتباط بین ذات‌الریه و حوادث قلبی‌عروقی، التهاب است [61]. به‌ویژه، واکنش التهابی به دنبال بیماری‌های ریوی می‌تواند منجر به تغییر در سطح پلاک‌ها و آسیب به رگ‌های خونی شود. شواهد مربوط به افزایش التهاب موضعی در عروق کرونر و آریتمی قلبی به دنبال عفونت‌های حاد سیستمیک در بسیاری از مطالعات نشان داده شده است [63-61]. از طرفی ابتلا به بیماری‌های قلبی‌عروقی می‌تواند باعث نقص عملکرد سیستم ایمنی بدن و افزایش بیان گیرنده آنزیم مبدل آنژیوتانسین 2 شود که به دنبال آن کشندگی یا شدت بیماری کووید 19 افزایش می‌یابد [64]. 

نتایج ما نشان داد مرگ‌ومیر در سالمندان مبتلا به کووید 19 بسیار بالاست. ابتلا به بیماری‌های مزمن، پیش‌آگهی را در سالمندان بدتر می‌کند. انتظار می‌رود نتایج ما تأثیری در مداخلات پیشگیرانه داشته باشد و به جای اتخاذ سیاست‌هایی که از سن تقویمی به عنوان یک شاخص کلی برای برآورد خطر استفاده می‌کنند، رویکرد هدفمندتری برای اولویت‌بندی افراد مسن با عوامل خطر اتخاذ شود. از این‌رو به نظر می‌رسد باید مراقبت بیشتری برای سالمندان مبتلا به کووید 19 که بیماری زمینه‌ای دارند، در نظر گرفته شود. از طرفی بهتر است که میزان گلوکز خون سالمندان مبتلا به کووید 19 به طور مستمر چک شود تا با کنترل قند خون بیماران، از شدید شدن بیماری و بروز مرگ پیشگیری به عمل آید. 
یکی از محدودیت‌های این مطالعه این است که تعداد پیامدها (فوت‌شده‌ها و بستری‌شده‌ها در آی‌سی‌یو) به نسبت پایین بود. هرچند این مطالعه توان کافی در پیدا کردن ارتباط را داشت، ممکن است متغیر‌های مخدوش‌کننده دیگری علاوه بر سن در این رابطه وجود داشته باشند که در این مطالعه در نظر گرفته نشده‌اند. از طرفی این مطالعه به صورت گذشته‌نگر انجام شد و از داده‌های بیمارستانی برای جمع‌آوری اطلاعات استفاده شد. ناقص بودن برخی پرونده‌ها یکی دیگر از محدودیت‌های این مطالعه بود، هرچند نویسندگان تمام تلاش خود را جهت تکمیل اطلاعات و پرسش از بیماران انجام دادند. 
پیشنهاد می‌شود مطالعات بیشتر با حجم نمونه بالاتر، به صورت طولی به منظور برآورد اثر و همچنین ثبات یافته‌ها انجام شود. از طرفی بهتر است متغیر‌های بیشتری مثل درصد درگیری ریه نیز اندازه‌گیری و اثر آن تطبیق داده شود.

ضوابط اخلاقی این طرح در دانشگاه علوم‌پزشکی تهران مورد بررسی قرار گرفت و کد اخلاق اخذ شد (کد اخلاق: IR.TUMS.VCR.REC.1399.148). اصول اخلاقی تماما در این مقاله رعایت شده است. شرکت کنندگان اجازه داشتند هر زمان که مایل بودند از پژوهش خارج شوند. همچنین همه شرکت کنندگان در جریان روند پژوهش بودند. اطلاعات آن ها محرمانه نگه داشته شد.

این پژوهش با کمک مالی دانشگاه علوم‌پزشکی تهران انجام شده است.

تحقیق و بررسی متون: حامد اخوی‌زادگان و محمدقاسم روشنفکر بلالمی؛ نگارش پیش‌نویس مقاله: حامد اخوی‌زادگان، محمود آقازیارتی و زهرا بروجنی؛ تکمیل و تصحیح پیش‌نویس مقاله: مجید جنانی و فاطمه تقی‌زاده؛ آنالیز داده‌ها: عیسی اکبرزاده عرب و مجید جنانی؛ ویراستاری، تکمیل و تأیید نهایی: تمامی نویسندگان.

بنابر اظهار نویسندگان این مقاله تعارض منافع ندارد.

از پرسنل و مدیریت محترم بیمارستان بهارلو که با ما در اجرای این طرح همکاری کردند، کمال تشکر و قدردانی را داریم.
 

Reference

1. Huang C, Wang Y, Li X, Ren L, Zhao J, Hu Y, et al. Clinical features of patients infected with 2019 novel coronavirus in Wuhan, China. The lancet. 2020; 395(10223):497-506. [DOI:10.1016/S0140-6736(20)30183-5]
2. Worldometers. COVID-19 coronavirus pandemic. 2021 [Updated 2021 January 24, 2021]. Available from: https://www.worldometers.info/coronavirus/
3. Cucinotta D, Vanelli M. WHO declares COVID-19 a pandemic. Acta Bio-Medica: Atenei Parmensis. 2020; 91(1):157-60. [doi: 10.23750/abm.v91i1.9397]
4. Meyerowitz-Katz G, Merone L. A systematic review and meta-analysis of published research data on COVID-19 infection-fatality rates. International Journal of Infectious Diseases. 2020; 101:138-48. [DOI:10.1101/2020.05.03.20089854]
5. Kang SJ, Jung SI. Age-related morbidity and mortality among patients with COVID-19. Infection & Chemotherapy. 2020; 52(2):154-64. [DOI:10.3947/ic.2020.52.2.154] [PMID] [PMCID]
6. Leung C. Risk factors for predicting mortality in elderly patients with COVID-19: a review of clinical data in China. Mechanisms of Ageing and Development. 2020; 188:111255. [DOI:10.1016/j.mad.2020.111255] [PMID] [PMCID]
7. Parohan M, Yaghoubi S, Seraji A, Javanbakht MH, Sarraf P, Djalali M. Risk factors for mortality in patients with Coronavirus disease 2019 (COVID-19) infection: A systematic review and meta-analysis of observational studies. The Aging Male. 2020; 23(5):1416-24. [DOI:10.1101/2020.04.09.20056291]
8. Hussain A, Mahawar K, Xia Z, Yang W, Shamsi E-H. Obesity and mortality of COVID-19. Meta-analysis. Obesity Research & Clinical Practice. 2020; 14(4):295-300. [DOI:10.1016/j.orcp.2020.07.002] [PMID] [PMCID]
9. Pinto LC, Bertoluci MC. Type 2 diabetes as a major risk factor for COVID-19 severity: a meta-analysis. Archives of Endocrinology and Metabolism. 2020; 64(3):199-200. [DOI:10.20945/2359-3997000000256] [PMID]
10. Ji Y, Ma Z, Peppelenbosch MP, Pan Q. Potential association between COVID-19 mortality and health-care resource availability. The Lancet Global Health. 2020; 8(4):e480. [DOI:10.1016/S2214-109X(20)30068-1]
11. Ou M, Zhu J, Ji P, Li H, Zhong Z, Li B, et al. Risk factors of severe cases with COVID-19: a meta-analysis. Epidemiology & Infection. 2020; 148:e175. [DOI:10.1017/S095026882000179X] [PMID] [PMCID]
12. Rahman A, Sathi NJ. Risk factors of the severity of COVID‐19: A meta‐analysis. International journal of clinical practice. 2020; e13916. [DOI:10.1111/ijcp.13916]
13. Lara PC, Macías-Verde D, Burgos-Burgos J. Age-induced NLRP3 Inflammasome over-activation increases lethality of SARS-CoV-2 pneumonia in elderly patients. Aging and disease. 2020; 11(4):756-62. [DOI:10.14336/AD.2020.0601] [PMID] [PMCID]
14. Dorshkind K, Swain S. Age-associated declines in immune system development and function: causes, consequences, and reversal. Current Opinion in Immunology. 2009; 21(4):404-7. [DOI:10.1016/j.coi.2009.07.001] [PMID] [PMCID]
15. Zhou X, Chen D, Wang L, Zhao Y, Wei L, Chen Z, et al. Low serum calcium: a new, important indicator of COVID-19 patients from mild/moderate to severe/critical. Bioscience reports. 2020; 40(12):BSR20202690. [DOI:10.1042/BSR20202690] [PMID] [PMCID]
16. Sun JK, Zhang WH, Zou L, Liu Y, Li JJ, Kan XH, et al. Serum calcium as a biomarker of clinical severity and prognosis in patients with coronavirus disease 2019. Aging. 2020; 12(12):11287-95. [DOI:10.18632/aging.103526] [PMID] [PMCID]
17. Wang B, Li R, Lu Z, Huang Y. Does comorbidity increase the risk of patients with COVID-19: evidence from meta-analysis. Aging. 2020; 12(7):6049-57. [DOI:10.18632/aging.103000] [PMID] [PMCID]
18. Fang X, Li S, Yu H, Wang P, Zhang Y, Chen Z, et al. Epidemiological, comorbidity factors with severity and prognosis of COVID-19: A systematic review and meta-analysis. Aging. 2020; 12(13):12493-503. [DOI:10.18632/aging.103579] [PMID] [PMCID]
19. Norman GR, Stratford P, Regehr G. Methodological problems in the retrospective computation of responsiveness to change: The lesson of Cronbach. Journal of Clinical Epidemiology. 1997; 50(8):869-79. [DOI:10.1016/S0895-4356(97)00097-8]
20. Wolff JL, Starfield B, Anderson G. Prevalence, expenditures, and complications of multiple chronic conditions in the elderly. Archives of Internal Medicine. 2002; 162(20):2269-76. [DOI:10.1001/archinte.162.20.2269] [PMID]
21. Fortin M, Bravo G, Hudon C, Vanasse A, Lapointe L. Prevalence of multimorbidity among adults seen in family practice. The Annals of Family Medicine. 2005; 3(3):223-8. [DOI:10.1370/afm.272] [PMID] [PMCID]
22. Richardson S, Hirsch JS, Narasimhan M, Crawford JM, McGinn T, Davidson KW, et al. Presenting characteristics, comorbidities, and outcomes among 5700 patients hospitalized with COVID-19 in the New York City area. JAMA. 2020; 323(20):2052-9. [doi: 10.1001/jama.2020.6775]
23. Fortin M, Lapointe L, Hudon C, Vanasse A. Multimorbidity is common to family practice: is it commonly researched? Canadian Family Physician. 2005; 51(2):244-5. [PMCID]
24. Gonzalez JS, Safren SA, Cagliero E, Wexler DJ, Delahanty L, Wittenberg E, et al. Depression, self-care, and medication adherence in type 2 diabetes: Relationships across the full range of symptom severity. Diabetes Care. 2007; 30(9):2222-7. [DOI:10.2337/dc07-0158] [PMID] [PMCID]
25. Salimi S, Hamlyn JM. COVID-19 and crosstalk with the hallmarks of aging. The Journals of Gerontology: Series A. 2020; 75(9):e34-41. [DOI:10.1093/gerona/glaa149] [PMID] [PMCID]
26. Martín-Sánchez FJ, Del Toro E, Cardassay E, Carbó AV, Cuesta F, Vigara M, et al. Clinical presentation and outcome across age categories among patients with COVID-19 admitted to a Spanish Emergency Department. European Geriatric Medicine. 2020; 11(5):829-41. [DOI:10.1007/s41999-020-00359-2] [PMID] [PMCID]
27. Lee JY, Kim HA, Huh K, Hyun M, Rhee J-Y, Jang S, et al. Risk factors for mortality and respiratory support in elderly patients hospitalized with COVID-19 in Korea. Journal of Korean Medical Science. 2020; 35(23):e223. [DOI:10.3346/jkms.2020.35.e223] [PMID] [PMCID]
28. Atkins J, Masoli J, Delgado J, Pilling L, Kuo C, Kuchel G, et al. Preexisting comorbidities predicting severe COVID-19 in older adults in the UK biobank community cohort. The Journals of Gerontology: Series A. 2020; 75(11):2224-30. [DOI:10.1101/2020.05.06.20092700]
29. Novel CPERE. [The epidemiological characteristics of an outbreak of 2019 novel coronavirus diseases (COVID-19) in China (Chinese)]. Zhonghua liu xing bing xue za zhi = Zhonghua liuxingbingxue zazhi. 2020; 41(2):145-51. [DOI:10.46234/ccdcw2020.032]
30. Chen N, Zhou M, Dong X, Qu J, Gong F, Han Y, et al. Epidemiological and clinical characteristics of 99 cases of 2019 novel coronavirus pneumonia in Wuhan, China: a descriptive study. The lancet. 2020; 395(10223):507-13. [DOI:10.1016/S0140-6736(20)30211-7]
31. Tabas I, Glass CK. Anti-inflammatory therapy in chronic disease: Challenges and opportunities. Science. 2013; 339(6116):166-72. [DOI:10.1126/science.1230720] [PMID] [PMCID]
32. Fernández-Ruiz I. Immune system and cardiovascular disease. Nature Reviews Cardiology. 2016; 13:503 [DOI:10.1038/s41569-018-0056-2]
33. Ragab D, Salah Eldin H, Taeimah M, Khattab R, Salem R. The COVID-19 cytokine storm; what we know so far. Frontiers in Immunology. 2020; 11:1446. [DOI:10.3389/fimmu.2020.01446] [PMID] [PMCID]
34. Tran DD, Groeneveld A, Van der Meulen J, Nauta J, Strack van Schijndel R, Thijs L. Age, chronic disease, sepsis, organ system failure, and mortality in a medical intensive care unit. Critical Care Medicine. 1990; 18(5):474-9. [DOI:10.1097/00003246-199005000-00002] [PMID]
35. Sanyaolu A, Okorie C, Marinkovic A, Patidar R, Younis K, Desai P, et al. Comorbidity and its Impact on Patients with COVID-19. SN Comprehensive Clinical Medicine. 2020; 2:1069–76. [DOI:10.1007/s42399-020-00363-4] [PMID] [PMCID]
36. Iaccarino G, Grassi G, Borghi C, Ferri C, Salvetti M, Volpe M. Age and multimorbidity predict death among COVID-19 patients: results of the SARS-RAS study of the Italian Society of Hypertension. Hypertension. 2020; 76(2):366-72. [DOI:10.1161/HYPERTENSIONAHA.120.15324] [PMID]
37. de Almeida-Pititto B, Dualib PM, Zajdenverg L, Dantas JR, De Souza FD, Rodacki M, et al. Severity and mortality of COVID 19 in patients with diabetes, hypertension and cardiovascular disease: A meta-analysis. Diabetology & Metabolic Syndrome. 2020; 12:75. [DOI:10.1186/s13098-020-00586-4] [PMID] [PMCID]
38. Fuchs L, Novack V, McLennan S, Celi LA, Baumfeld Y, Park S, et al. Trends in severity of illness on ICU admission and mortality among the elderly. PLoS One. 2014; 9(4):e93234. [DOI:10.1371/journal.pone.0093234] [PMID] [PMCID]
39. Cook T. The importance of hypertension as a risk factor for severe illness and mortality in COVID‐19. Anaesthesia. 2020; 75(7):976-7. [DOI:10.1111/anae.15103] [PMID] [PMCID]
40. Jillella DV, Wisco DR. Infectious causes of stroke. Current Opinion in Infectious Diseases. 2019; 32(3):285-92. [DOI:10.1097/QCO.0000000000000547] [PMID]
41. Spiezia L, Boscolo A, Poletto F, Cerruti L, Tiberio I, Campello E, et al. COVID-19-related severe hypercoagulability in patients admitted to intensive care unit for acute respiratory failure. Thrombosis and Haemostasis. 2020; 120(6):998-1000. [DOI:10.1055/s-0040-1710018] [PMID] [PMCID]
42. Panigada M, Bottino N, Tagliabue P, Grasselli G, Novembrino C, Chantarangkul V, et al. Hypercoagulability of COVID‐19 patients in intensive care unit: a report of thromboelastography findings and other parameters of hemostasis. Journal of Thrombosis and Haemostasis. 2020; 18(7):1738-42. [DOI:10.1111/jth.14850] [PMID]
43. Oxley TJ, Mocco J, Majidi S, Kellner CP, Shoirah H, Singh IP, et al. Large-vessel stroke as a presenting feature of Covid-19 in the young. New England Journal of Medicine. 2020; 382(20):e60. [DOI:10.1056/NEJMc2009787] [PMID] [PMCID]
44. Singh R, Suh I, Singh V, Chaithiraphan S, Laothavorn P, Sy R, et al. Hypertension and stroke in Asia: prevalence, control and strategies in developing countries for prevention. Journal of human hypertension. 2000; 14(10):749-63. [DOI:10.1038/sj.jhh.1001057] [PMID]
45. Sun Y, Guan X, Jia L, Xing N, Cheng L, Liu B, et al. Independent and combined effects of hypertension and diabetes on clinical outcomes in patients with COVID‐19: A retrospective cohort study of Huoshen Mountain Hospital and Guanggu Fangcang Shelter Hospital. The Journal of Clinical Hypertension. 2021; 23(2):218-31. [DOI:10.1111/jch.14146] [PMID]
46. Ruan Q, Yang K, Wang W, Jiang L, Song J. Clinical predictors of mortality due to COVID-19 based on an analysis of data of 150 patients from Wuhan, China. Intensive Care Medicine. 2020; 46(5):846-8. [DOI:10.1007/s00134-020-05991-x] [PMID] [PMCID]
47. Nandy K, Salunke A, Pathak SK, Pandey A, Doctor C, Puj K, et al. Coronavirus disease (COVID-19): A systematic review and meta-analysis to evaluate the impact of various comorbidities on serious events. Diabetes & Metabolic Syndrome. 2020; 14(5):1017-25. [DOI:10.1016/j.dsx.2020.06.064] [PMID] [PMCID]
48. Li B, Yang J, Zhao F, Zhi L, Wang X, Liu L, et al. Prevalence and impact of cardiovascular metabolic diseases on COVID-19 in China. Clinical Research in Cardiology. 2020; 109(5):531-8. [DOI:10.1007/s00392-020-01626-9] [PMID] [PMCID]
49. Kumar A, Arora A, Sharma P, Anikhindi SA, Bansal N, Singla V, et al. Is diabetes mellitus associated with mortality and severity of COVID-19? A meta-analysis. Diabetes & Metabolic Syndrome: Clinical Research & Reviews. 2020; 14(4):535-45. [DOI:10.1016/j.dsx.2020.04.044] [PMID] [PMCID]
50. Huang I, Lim MA, Pranata R. Diabetes mellitus is associated with increased mortality and severity of disease in COVID-19 pneumonia-a systematic review, meta-analysis, and meta-regression. Diabetes & Metabolic Syndrome. 2020; 14(4):395-403. [DOI:10.1016/j.dsx.2020.04.018] [PMID] [PMCID]
51. Palaiodimos L, Chamorro-Pareja N, Karamanis D, Li W, Zavras PD, Chang KM, et al. Diabetes is associated with increased risk for in-hospital mortality in patients with COVID-19: A systematic review and meta-analysis comprising 18,506 patients. Hormones. 2021; 20(2):305-14. [DOI:10.1007/s42000-020-00246-2] [PMID] [PMCID]
52. Morra ME, Van Thanh L, Kamel MG, Ghazy AA, Altibi AM, Dat LM, et al. Clinical outcomes of current medical approaches for Middle East respiratory syndrome: A systematic review and meta‐analysis. Reviews in Medical Virology. 2018; 28(3):e1977. [DOI:10.1002/rmv.1977] [PMID] [PMCID]
53. Chan JWM, Ng CK, Chan YH, Mok TYW, Lee S, Chu SYY, et al. Short term outcome and risk factors for adverse clinical outcomes in adults with severe acute respiratory syndrome (SARS). Thorax. 2003; 58(8):686-9. [DOI:10.1136/thorax.58.8.686] [PMID] [PMCID]
54. Chen T, Wu D, Chen H, Yan W, Yang D, Chen G. Clinical characteristics of 113 deceased patients with coronavirus disease 2019: retrospective study. BMJ. 2020; 368:m1091. [doi: 10.1136/bmj.m1091.]
55. Ceriello A. Management of diabetes today: An exciting confusion. Diabetes Research and Clinical practice. 2020; 162:108129-. [DOI:10.1016/j.diabres.2020.108129] [PMID]
56. Maddaloni E, Buzzetti R. Covid‐19 and diabetes mellitus: unveiling the interaction of two pandemics. Diabetes/metabolism research and reviews. 2020; 36(7):e33213321. [DOI:10.1002/dmrr.3321] [PMCID]
57. Geerlings SE, Hoepelman AI. Immune dysfunction in patients with diabetes mellitus (DM). FEMS Immunology & Medical Microbiology. 1999; 26(3-4):259-65. [DOI:10.1111/j.1574-695X.1999.tb01397.x] [PMID]
58. Mehta P, McAuley DF, Brown M, Sanchez E, Tattersall RS, Manson JJ. COVID-19: Consider cytokine storm syndromes and immunosuppression. The lancet. 2020; 395(10229):1033-4. [DOI:10.1016/S0140-6736(20)30628-0]
59. Tian W, Jiang W, Yao J, Nicholson CJ, Li RH, Sigurslid HH, et al. Predictors of mortality in hospitalized COVID‐19 patients: A systematic review and meta‐analysis. Journal of medical Virology. 2020; 92(10):1875-83. [DOI:10.1002/jmv.26050] [PMID] [PMCID]
60. Wang X, Fang X, Cai Z, Wu X, Gao X, Min J, et al. Comorbid chronic diseases and acute organ injuries are strongly correlated with disease severity and mortality among COVID-19 patients: A systemic review and meta-analysis. Research. 2020; 2020:2402961. [DOI:10.34133/2020/2402961] [PMID] [PMCID]
61. Libby P. Mechanisms of acute coronary syndromes and their implications for therapy. The New England Journal of Medicine. 2013; 368(21):2004-13. [DOI:10.1056/NEJMra1216063] [PMID]
62. Madjid M, Vela D, Khalili-Tabrizi H, Casscells SW, Litovsky S. Systemic infections cause exaggerated local inflammation in atherosclerotic coronary arteries: Clues to the triggering effect of acute infections on acute coronary syndromes. Texas heart institute journal. 2007; 34(1):11-8. [PMCID]
63. Mauriello A, Sangiorgi G, Fratoni S, Palmieri G, Bonanno E, Anemona L, et al. Diffuse and active inflammation occurs in both vulnerable and stable plaques of the entire coronary tree: a histopathologic study of patients dying of acute myocardial infarction. Journal of the American College of Cardiology. 2005; 45(10):1585-93. [DOI:10.1016/j.jacc.2005.01.054] [PMID]
64. Petrie JR, Guzik TJ, Touyz RM. Diabetes, hypertension, and cardiovascular disease: clinical insights and vascular mechanisms. Canadian Journal of Cardiology. 2018; 34(5):575-84. [DOI:10.1016/j.cjca.2017.12.005] [PMID] [PMCID]