针对住院 COVID-19 患者的持续恶化预测
机器学习
2021-01-20 v1
摘要
截至2020年8月，COVID-19 已蔓延至全球几乎所有国家，造成数百万感染与数十万死亡。本文中，我们首先验证了临床变量对 COVID-19 结局可能具有时变效应的假设。随后，我们开发了一种时间分层方法，用于对患者住院结束时的结局进行每日预测。训练数据按剩余住院时长（作为患者整体状况的代理变量）分段。在此基础上，构建了一系列预测模型，每个时间段对应一个模型。得益于公开共享的数据，我们得以构建并评估原型模型。初步实验在持续恶化预测上取得了 0.98 AUROC、0.91 F1 分数与 0.97 AUPR，鼓励该模型的进一步开发以及在不同数据集上的验证。我们也验证了激发本方法的关键假设：临床变量对 COVID-19 结局具有时变效应，即某一变量在预测模型中的特征重要性在不同疾病阶段有所变化。
引用
@article{arxiv.2101.07581,
title = {Continual Deterioration Prediction for Hospitalized COVID-19 Patients},
author = {Jiacheng Liu and Meghna Singh and Catherine ST. Hill and Vino Raj and Lisa Kirkland and Jaideep Srivastava},
journal= {arXiv preprint arXiv:2101.07581},
year = {2021}
}
备注
8 pages, 11 figures. Submitted to JAMIA in OCT, 2020