COVID-19 患者并发症临床预测系统：一项开发与验证的回顾性多中心研究
计算机与社会
2020-12-03 v1 机器学习
摘要
现有预后工具主要关注预测 2019 冠状病毒病患者的死亡风险。然而，临床证据表明 COVID-19 可导致影响患者预后的非致死性并发症。为支持患者风险分层，我们旨在开发一种预测 COVID-19 常见并发症的预后系统。在本回顾性研究中，我们使用了 2020 年 4 月 1 日至 4 月 30 日在阿联酋阿布扎比 (AD) 18 家机构收治的 3352 次 COVID-19 患者就诊数据。医院按地理邻近度划分以评估我们所提系统的学习泛化性，分别为 AD 中部地区与 AD 西部及东部地区，即 A 和 B。利用入院前 24 小时内收集的数据，该基于机器学习的预后系统预测住院期间发生七种并发症中任一者的风险。并发症包括继发性细菌感染、AKI、ARDS，以及与患者严重程度增加相关的升高生物标志物，包括 d-二聚体、白细胞介素-6、氨基转移酶和肌钙蛋白。训练期间，系统对每个并发症特定模型应用排除标准、超参数调优和模型选择。系统在全部并发症和两地区均取得良好准确度。在测试集 A（587 次就诊）中，系统对 AKI 取得 0.91 AUROC，对多数其他并发症 >0.80 AUROC。在测试集 B（225 次就诊）中，系统分别对 AKI、肌钙蛋白升高和白细胞介素-6 取得 0.90 AUROC，对多数其他并发症 >0.80 AUROC。经系统选出的最佳性能模型主要为梯度提升模型与逻辑回归。我们的结果表明，使用机器学习的数据驱动方法可高精度预测此类并发症风险。
引用
@article{arxiv.2012.01138,
title = {Clinical prediction system of complications among COVID-19 patients: a development and validation retrospective multicentre study},
author = {Ghadeer O. Ghosheh and Bana Alamad and Kai-Wen Yang and Faisil Syed and Nasir Hayat and Imran Iqbal and Fatima Al Kindi and Sara Al Junaibi and Maha Al Safi and Raghib Ali and Walid Zaher and Mariam Al Harbi and Farah E. Shamout},
journal= {arXiv preprint arXiv:2012.01138},
year = {2020}
}
备注
19 pages, 5 figures