勿忘交互：使用逻辑回归预测 COVID-19 患者病死率
应用统计
2020-07-01 v1 机器学习
摘要
在持续的 COVID-19 大流行中，高危 COVID-19 患者能否康复，在很大程度上取决于他们能否在病毒对患者造成不可逆后果之前尽早得到适当治疗。在本研究中，我们报告了一个基于逻辑回归的、可解释、直观且准确的机器学习模型，仅使用三种重要血液生物标志物（包括乳酸脱氢酶、淋巴细胞（%）和高敏 C 反应蛋白）及其交互作用来预测 COVID-19 患者的病死率。我们发现，当逻辑回归模型产生的病死概率超过 0.8 时，模型性能最优：能够平均提前 11.30 天以上、最多 34.91 天预测患者死亡，累积 f1-score 为 93.76%，累积准确率得分为 93.92%。该模型可用于通过三种血液生物标志物识别高危 COVID-19 患者，并帮助全球医疗系统在此次大流行中规划关键医疗资源。
引用
@article{arxiv.2006.16942,
title = {Do not forget interaction: Predicting fatality of COVID-19 patients using logistic regression},
author = {Feng Zhou and Tao Chen and Baiying Lei},
journal= {arXiv preprint arXiv:2006.16942},
year = {2020}
}