COVID-19 患者监测动态模型的学习与预测
应用统计
2022-03-23 v2
摘要
COVID-19 对卫生系统提出了如何学会学习的挑战。本文描述了在一家学术医疗中心为改善 COVID-19 护理而进行学习的情境、方法和挑战。学习的挑战包括：(1) 选择合适的临床目标；(2) 通过借鉴先前患者的经验来设计准确预测的方法；(3) 向临床医生传达方法学，使其理解并信任；(4) 在临床决策时刻向患者传达预测结果；(5) 持续评估并修订方法，使其适应不断变化的患者和临床需求。为说明这些挑战，本文对比了两种统计建模方法——常用的前瞻性纵向模型和在 COVID-19 背景下具有互补作用的回顾性类似模型——用于预测未来的生物标志物轨迹和主要临床事件。这些方法应用于疫情最初几个月住院的 1,678 名 COVID-19 患者队列并进行了验证。我们强调使用图形工具来促进医生学习并为临床决策提供信息。
引用
@article{arxiv.2111.01817,
title = {Learning and Predicting from Dynamic Models for COVID-19 Patient Monitoring},
author = {Zitong Wang and Mary Grace Bowring and Antony Rosen and Brian T. Garibaldi and Akihiko Nishimura and Scott L. Zeger},
journal= {arXiv preprint arXiv:2111.01817},
year = {2022}
}
备注
16 pages, 7 figures, 1 table1