血代谢学分析识别了COVID-19患者疾病严重程度的新预测生物标志物

科学领域:

• 生物化学 生物化学
• 临床医学 临床医学
• 数据科学数据科学数据科学

背景情况:

• 预测COVID-19疾病严重程度对于患者管理至关重要.
• 现有的预测模型的复杂性和数据要求各不相同.
• 确定可用于严重性预测的可访问生物标志物仍然是一个活跃的研究领域.

研究的目的:

• 开发和验证COVID-19疾病严重程度的高度预测模型.
• 整合常规实验室发现与血代谢物以提高预测.
• 为了确定潜在的生物标志物,如细胞氨酸,用于COVID-19的严重程度.

主要方法:

• 开发一个整合实验室发现和血代谢物的预测模型.
• 内部验证使用接收器运行特征曲线下的区域 (ROC-AUC) 值.
• 识别关键生物标志物,包括D-二聚体,费里丁,中性粒细胞计数,Hp,sTfR和细胞因子.

主要成果:

• 开发的模型实现了0.996 (95% CI:0.989到1.000) 的高预测准确度.
• 使用六个生物标志物 (五个实验室发现和一个代谢物) 确定了3的最佳切断风险得分.
• 该模型以最小的,低成本的变量表现出高的预测能力.

结论:

• 拟议的模型提供了一个强大且具有成本效益的工具,用于预测COVID-19的严重程度.
• 细胞氨酸成为评估COVID-19疾病严重程度的潜在生物标志物.
• 这种方法可以帮助患者预后和管理,独立于复杂的临床数据.