基于IgG亚型和机器学习的COVID-19老年患者疾病严重性的预测模型
Zhenchao Zhuang1, Yuxiang Qi2, Yimin Yao1
1Department of Laboratory Medicine, The First Affiliated Hospital of Zhejiang Chinese Medical University (Zhejiang Provincial Hospital of Chinese Medicine), Hangzhou, China.
Frontiers in immunology
|December 18, 2023
概括
一个新的模型使用后勤回归和关键变量预测老年患者的2019年严重冠状病毒病 (COVID-19). 该工具有助于临床医生评估COVID-19的严重程度,并改善老年人的治疗结果.
科学领域:
- 老年医学 老年医学
- 传染性疾病 传染性疾病
- 计算生物学 计算生物学
背景情况:
- 由于肺炎风险增加,老年人面临2019年冠状病毒病 (COVID-19) 的高死亡率.
- 现有的模型缺乏基于免疫球蛋白G (IgG) 亚型预测老年人COVID-19严重程度的能力.
研究的目的:
- 开发和验证一种新的算法,用于区分老年患者中严重的COVID-19病例.
- 在这个人口群体中确定预测COVID-19严重性的关键预测因素.
主要方法:
- 对103名已确认感染SARS-CoV-2的老年患者的实验室数据进行了回顾性分析.
- 使用机器学习算法开发预测模型,包括后勤回归,数据分为培训,测试和外部验证队列.
- 模型性能使用曲线下的面积 (AUC),校准曲线,决策曲线分析 (DCA) 和沙普利增量解释 (SHAP) 进行评估.
主要成果:
- 用四个关键变量进行后勤回归模型被确定为COVID-19严重程度的最佳预测指标.
- 该模型实现了高性能:AUC为0.889 (训练),0.824 (测试) 和0.74 (外部验证).
- 该模型证明了出色的校准和显著的临床实用性.
结论:
- 一个经过验证的模型有效地区分了老年人中严重和不严重的COVID-19病例.
- 这种预测工具可以帮助临床医生评估疾病严重程度并减轻老年COVID-19患者的不良结果.
