基于电子健康记录的 COVID-19 相关死亡率实时预测
应用统计
2021-04-28 v1 机器学习
定量方法
摘要
2019 冠状病毒病（COVID-19）是一种由严重急性呼吸综合征冠状病毒 2（SARS-CoV-2）引起的新型呼吸道疾病，具有快速的人传人传播特性，且在老年患者中病死率较高。由于感染的指数级增长，全球许多医疗系统面临照护日益增多的高风险患者的压力。鉴于感染患者数量庞大，尽早识别死亡风险最高的患者对于实现有效干预和最优医疗优先级排序至关重要。在此，我们提出 COVID-19 早期预警系统（CovEWS），一种用于评估 COVID-19 相关死亡风险的临床风险评分系统。CovEWS 为个体患者提供连续的实时风险评分，具有临床意义的预测性能可提前至多 192 小时（8 天），并且使用机器学习从患者电子健康记录（EHRs）中自动导出。我们使用来自美国（US）、澳大利亚、马来西亚和印度超过 69 家医疗机构的 66430 名 COVID-19 阳性患者队列的去标识化数据训练和评估了 CovEWS，累计患者观察时间超过 2863 年。在一个包含 5005 名患者的外部测试队列上，CovEWS 在观测死亡事件前分别 1 至 192 小时，以大于 95% 的灵敏度预测 COVID-19 相关死亡率，特异度从 （ 置信区间 [CI]：，）到 （ CI：）——显著优于现有的通用及 COVID-19 专用临床风险评分。CovEWS 可使临床医生在更早阶段干预，从而有助于预防或减轻 COVID-19 相关死亡。
引用
@article{arxiv.2008.13412,
title = {Real-time Prediction of COVID-19 related Mortality using Electronic Health Records},
author = {Patrick Schwab and Arash Mehrjou and Sonali Parbhoo and Leo Anthony Celi and Jürgen Hetzel and Markus Hofer and Bernhard Schölkopf and Stefan Bauer},
journal= {arXiv preprint arXiv:2008.13412},
year = {2021}
}