Resumo Contexto As tomografias de tórax são frequentemente solicitadas como exames complementares para avaliação de suspeita clínica de afecção pulmonar pelo novo coronavírus 19 (COVID-19). Objetivos Nosso objetivo foi analisar a prevalência dos achados cardiovasculares incidentais em tomografias de tórax solicitadas para avaliar sinais radiológicos sugestivos de COVID-19. Métodos Por meio de um estudo transversal, descritivo e retrospectivo, foram revisadas 1.444 tomografias de tórax realizadas no setor de radiologia do Hospital de Clínicas Gaspar Vianna, no período de 1° de março a 30 de julho de 2020, com a descrição da prevalência de imagens sugestivas de pneumonia viral pelo COVID-19, além de achados pulmonares e cardiovasculares incidentais. Resultados A média de idade dos pacientes foi 50,6±16,4 anos, sendo o sexo feminino o mais frequente. A tomografia sem contraste foi o método mais utilizado (97,2%), e opacidades em vidro fosco foram identificadas em 56,0% dos casos. Achados incidentais cardiovasculares ocorreram em 51,2% (intervalo de confiança 48,7%-53,8%) das tomografias, prevalecendo calcificação da parede aórtica (21,8%), cardiomegalia (10,5%), e calcificação coronária (5,0%). Nas tomografias com contraste, evidenciaram-se aneurismas de aorta (9,7%), dissecção de aorta (7,3%) e úlceras de aorta torácica (2,4%). Conclusões Achados cardiovasculares incidentais ocorreram em aproximadamente metade das tomografias de tórax de pacientes com suspeita de COVID-19, mais especificamente, calcificações da parede da aorta, cardiomegalia e calcificação coronária.
scite is a Brooklyn-based startup that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
334 Leonard St
Brooklyn, NY 11211
Copyright © 2023 scite Inc. All rights reserved.
Made with 💙 for researchers