用于印度 COVID-19 患者分诊的严重程度与死亡率预测模型
机器学习
2021-10-26 v2 种群与进化
摘要
随着印度第二波疫情缓和，COVID-19 现已在全国感染约 2900 万患者，导致超过 35 万人死亡。随着感染人数激增，该国医疗基础设施的紧张变得显而易见。在该国为其人口接种疫苗之际，经济开放可能导致感染率上升。在此情形下，基于临床参数通过知情的患者分诊系统来有效利用有限的医院资源至关重要。在此，我们提出两个可解释的机器学习模型，基于入院时最大印度患者队列之一的常规无创血液参数监测，预测患者的临床结局、严重程度和死亡率。患者严重程度与死亡率预测模型分别达到 86.3% 和 88.06% 的准确率，AUC-ROC 分别为 0.91 和 0.92。我们已将两种模型集成到一个用户友好的 Web 应用计算器中，https://triage-COVID-19.herokuapp.com/，以展示此类工作大规模部署的潜力。
引用
@article{arxiv.2109.02485,
title = {Severity and Mortality Prediction Models to Triage Indian COVID-19 Patients},
author = {Samarth Bhatia and Yukti Makhija and Sneha Jayaswal and Shalendra Singh and Ishaan Gupta},
journal= {arXiv preprint arXiv:2109.02485},
year = {2021}
}
备注
31 pages, 6 figures, 8 tables. The first two authors (SB and YM) have equal contribution. IG is the corresponding author ([email protected]) Changes: Author List updated