多个大型数据集中观察到的 SARS-CoV-2 社区感染症状表型多样性
应用统计
2023-11-21 v4 种群与进化
摘要
通过使用来自统计与机器学习的尖端无监督分类技术，我们刻画了有症状的 SARS-CoV-2 PCR 阳性社区病例中的症状表型。我们首先在各数据集内部及跨年龄组分别分析，然后使用允许我们比较多个数据集的方法。虽然我们观察到由病例经历的症状总数引起的分离，我们也看到症状分离为胃肠型、呼吸型与其他类型，以及在年龄两端不同的症状共现模式。以此方式，我们能够在无通常因研究设计导致的偏倚下展示 COVID-19 症状的深层结构。这预计对社区 SARS-CoV-2 病例的识别与管理具有意义，并可进一步应用于其他疾病的基于症状的管理及综合征。
引用
@article{arxiv.2111.05728,
title = {Diversity of symptom phenotypes in SARS-CoV-2 community infections observed in multiple large datasets},
author = {Martyn Fyles and Karina-Doris Vihta and Carole H Sudre and Harry Long and Rajenki Das and Caroline Jay and Tom Wingfield and Fergus Cumming and William Green and Pantelis Hadjipantelis and Joni Kirk and Claire J Steves and Sebastien Ourselin and Graham F Medley and Elizabeth Fearon and Thomas House},
journal= {arXiv preprint arXiv:2111.05728},
year = {2023}
}
备注
60 pages; 29 figures