基于血细胞转录组数据的统计与机器学习分析预测COVID-19患者疾病严重程度
定量方法
2021-04-20 v1 机器学习
摘要
引言：对于COVID-19患者，准确预测疾病严重程度和死亡风险将极大改善医疗照护提供与资源分配。存在许多患者相关因素，如影响疾病严重程度的既往合并症。由于外周血样本的 rapid automated profiling 广泛可用，我们研究了COVID-19患者外周血中的此类数据如何用于预测临床结局。方法：我们因此通过结合统计比较与相关性方法和机器学习算法，研究了具有已知结局的COVID-19患者的此类临床数据集；后者包括决策树、随机森林、梯度提升机变体、支持向量机、K近邻和深度学习方法。结果：我们的工作揭示了血液样本中可测量的若干临床参数，它们可区分健康人与COVID-19阳性患者，并对后续COVID-19症状严重程度显示出预测价值。我们由此开发了若干分析方法，其对疾病严重程度和死亡结局预测的准确率和精度均高于90%。结论：总之，我们开发了分析患者常规临床数据的方法，能够更准确地预测COVID-19患者结局。这类方法可通过采用标准医院实验室患者血液分析，用于识别高死亡风险的COVID-19患者，从而优化其治疗。
引用
@article{arxiv.2011.10657,
title = {Predicting Patient COVID-19 Disease Severity by means of Statistical and Machine Learning Analysis of Blood Cell Transcriptome Data},
author = {Sakifa Aktar and Md. Martuza Ahamad and Md. Rashed-Al-Mahfuz and AKM Azad and Shahadat Uddin and A H M Kamal and Salem A. Alyami and Ping-I Lin and Sheikh Mohammed Shariful Islam and Julian M. W. Quinn and Valsamma Eapen and Mohammad Ali Moni},
journal= {arXiv preprint arXiv:2011.10657},
year = {2021}
}