Pronóstico a corto plazo de admisiones hospitalarias por COVID-19 basado en aprendizaje automático utilizando datos...

Área de la Ciencia:

• Modelado de enfermedades infecciosas
• Epidemiología
• Vigilancia de la salud pública

Sus antecedentes:

• La pandemia de COVID-19 aceleró el desarrollo de herramientas de modelado de enfermedades infecciosas.
• Los modelos de pronóstico son cruciales para rastrear la transmisión y anticipar las necesidades de recursos de atención médica.
• La predicción precisa a corto plazo de las admisiones hospitalarias es vital para una respuesta eficaz de salud pública.

Objetivo del estudio:

• Comparar el rendimiento de diferentes métodos de pronóstico a corto plazo para las admisiones hospitalarias por COVID-19.
• Evaluar la utilidad de los registros de salud electrónicos y los datos de aguas residuales para mejorar la precisión del pronóstico.
• Identificar enfoques de modelado óptimos para el pronóstico de epidemias en tiempo real.

Principales métodos:

• Análisis retrospectivo de registros de salud electrónicos de seis hospitales en Berna, Suiza (febrero de 2020 - junio de 2023).
• Aplicación de cinco métodos de pronóstico: última observación transportada, regresión lineal, XGBoost y dos redes neuronales.
• Utilizó un esquema de entrenamiento de dejar el futuro fuera con múltiples puntos de corte e hiperparámetros optimizados.

Principales resultados:

• XGBoost generalmente superó a otros métodos en la predicción de admisiones hospitalarias.
• La incorporación de características como admisiones hospitalarias con fiebre y concentración viral en aguas residuales mejoró la precisión del pronóstico.
• El estudio comparó sistemáticamente varios métodos utilizando datos hospitalarios de rutina.

Conclusiones:

• Los métodos de pronóstico avanzados, en particular XGBoost, pueden mejorar significativamente la precisión de la predicción de admisiones hospitalarias.
• Aumentar los datos hospitalarios con datos de vigilancia de aguas residuales ofrece un enfoque prometedor para el pronóstico de epidemias en tiempo real.
• La mejora de los pronósticos apoya la toma de decisiones de salud pública basada en evidencia durante los brotes de enfermedades infecciosas.