使用DERGA,一种新的机器学习算法,预测COVID-19的严重程度
Panagiotis G Asteris1, Amir H Gandomi2, Danial J Armaghani3
1Computational Mechanics Laboratory, School of Pedagogical and Technological Education, Athens, Greece.
European journal of internal medicine
|March 8, 2024
概括
预测COVID-19重症监护室 (ICU) 入院风险至关重要. 使用四种基本血液检测的新算法在识别高风险患者方面实现了97.12%的准确性,有助于临床管理.
科学领域:
- 医疗信息学医学信息学
- 血液学 血液学 血液学
- 传染性疾病 传染性疾病
背景情况:
- 准确预测COVID-19重症监护室 (ICU) 入院风险对于紧急病房患者管理至关重要.
- 现有模型可能需要复杂的数据,阻碍快速临床应用.
研究的目的:
- 开发和验证一种用于COVID-19患者的ICU入院的新型预测模型.
- 为准确的风险分层确定关键的血液学指数.
主要方法:
- 使用了人工神经网络和数据集精制贪算法 (DERGA).
- 在1596名COVID-19患者的数据库上训练并测试了该模型.
- 使用15个可访问的血液学指数评估模型性能.
主要成果:
- 确定了四个血液学指标的最佳组合:中性粒细胞与淋巴细胞的比率 (NLR),乳酸脱酶,费里丁和白蛋白.
- 在ICU入院风险方面取得了97.12%的高预测准确度.
- 在单独的测试数据集上证明了模型的可靠性.
结论:
- 新的DERGA模型提供了一种强大而准确的方法来预测COVID-19 ICU入院风险.
- 该模型仅依赖于易于访问的基本血液学参数.
- 这种方法可以优化COVID-19的临床决策和患者管理.


