新冠后患者的长期神经系统后遗症：一种预测结局的机器学习方法
机器学习
2023-09-20 v1 生物大分子
神经元与认知
摘要
COVID-19 大流行揭示了康复后患者长期神经系统并发症这一令人担忧的问题。本研究对 500 名新冠后患者（涵盖不同疾病严重程度个体）队列中的此类神经系统后遗症进行了调查。主要目标是基于多样化的临床数据与神经影像参数，使用机器学习方法预测结局。结果显示，68% 的新冠后患者报告出现神经系统症状，其中疲劳、头痛和嗅觉丧失是最常见的表现。此外，22% 的患者表现出更严重的神经系统并发症，包括脑病和卒中。机器学习模型的应用在预测长期神经系统结局方面显示出有前景的结果。值得注意的是，Random Forest 模型在识别有神经系统后遗症风险的患者时达到了 85% 的准确率、80% 的灵敏度和 90% 的特异度。这些发现强调了持续监测与随访护理对新冠后患者的重要性，尤其是针对潜在的神经系统并发症。基于机器学习的结局预测整合为早期干预与个性化治疗策略提供了有价值的工具，旨在改善患者护理与临床决策。总之，本研究揭示了新冠后患者长期神经系统并发症的患病率，并展示了机器学习在预测结局方面的潜力，从而有助于加强患者管理与改善健康结局。有必要开展进一步研究与更大规模研究，以验证和完善这些预测模型，并深入探究新冠后神经系统后遗症的内在机制。
引用
@article{arxiv.2309.09993,
title = {Long-term Neurological Sequelae in Post-COVID-19 Patients: A Machine Learning Approach to Predict Outcomes},
author = {Hayder A. Albaqer and Kadhum J. Al-Jibouri and John Martin and Fadhil G. Al-Amran and Salman Rawaf and Maitham G. Yousif},
journal= {arXiv preprint arXiv:2309.09993},
year = {2023}
}