新冠后综合征的风险因素识别与统计预测分析
机器学习
2025-04-30 v1
摘要
依据最近研究，某些新冠病毒症状在感染后可持续数月，导致称为长期新冠（long COVID）的现象。疫苗接种时间、患者特征以及急性期感染期的症状等因素可能 contribute to 长期新冠的持续性和强度。每个患者根据其独特的因素组合会发展出特定的风险或持续性强度。本文旨在实现两个目标：（1）进行统计分析以识别 various factors 与长期新冠之间的关系，（2）基于这些因素对长期新冠的持续性强度进行预测分析。我们对比和解释了多种数据驱动方法，包括线性模型、随机森林、梯度提升和神经网络，这些方法基于来自 Lifelines 新冠 cohort 的数据。我们的结果表明，神经网络（NN）在 MAPE 指标上取得最佳性能，预测平均误差为 19%。此外，可解释性分析揭示，失去嗅觉、头痛、肌肉疼痛和疫苗接种时间是关键预测因素，而慢性疾病和性别是重要的风险因素。这些发现为理解长期新冠及制定有针对性的干预措施提供了有价值的指导。
引用
@article{arxiv.2504.20915,
title = {Statistical and Predictive Analysis to Identify Risk Factors and Effects of Post COVID-19 Syndrome},
author = {Milad Leyli-abadi and Jean-Patrick Brunet and Axel Tahmasebimoradi},
journal= {arXiv preprint arXiv:2504.20915},
year = {2025}
}
备注
8 pages, 9 figures, 2 tables, initially submitted in IJCNN 2025, but rejected because of the high number of contributions (requested to be presented as a poster in the conference without being published in conference proceedings)