Учитывая ущерб, нанесенный пандемией COVID-19 здоровью и жизни людей во всем мире, крайне важно иметь возможность точно прогнозировать результаты лечения пациентов, включая их шансы на смерть от болезни. Используя самый большой на сегодняшний день набор клинических данных и систематизированную структуру машинного обучения, исследовательская группа из Mount Sinai определила точную и экономную модель прогнозирования смертности от COVID-19.
Эта модель была основана только на трех обычно собираемых клинических характеристиках, а именно на возрасте пациента, минимальном уровне насыщения кислородом во время его медицинского обращения и типе обращения с пациентом (стационарный или амбулаторный и телемедицинские визиты).
Эта модель может дать дополнительную "жизненно важный признак" который регулярно оценивается во время пребывания пациента в больнице, который может быть интегрирован в поток клинической помощи пациенту с COVID-19. Клинические бригады могут использовать результаты модели прогнозирования на всех курсах лечения пациентов с COVID-19 в больнице, чтобы отмечать людей с высоким риском смерти, чтобы они могли оперативно сосредоточить лечение и внимание на таких людях, чтобы предотвратить их смертность.
Используя самый большой набор данных о разработках (n = 3841) и систему систематического машинного обучения, мы разработали модель прогнозирования смертности от COVID-19, которая показала высокую точность (AUC = 0,91) при применении к тестовым наборам ретроспективных данных (n = 961). ) и проспективных (n = 249) пациентов. Эта модель была основана на трех клинических характеристиках: возрасте пациента, минимальном уровне насыщения кислородом во время его медицинского посещения и типе контакта с пациентом (стационарный или амбулаторный и телемедицинские визиты).
"Предсказать смертность среди пациентов с COVID-19, у которых есть целый спектр осложнений, очень сложно, что затрудняет прогнозирование и лечение заболевания," сказал доктор. Гаурав Панди, доцент кафедры генетики и геномных наук. "Мы стремились разработать точную модель прогнозирования смертности от COVID-19 с использованием объективных вычислительных методов и определить клинические особенности, наиболее предсказывающие этот результат."