基于生物化学参数的预测模型的开发,用于选COVID-19患者:在三级护理医院进行的一项研究
Mainak Sinha1, Ayan Banerjee2, Sushil Kumar2
1General Surgery, All India Institute of Medical Sciences, Patna, IND.
Cureus
|April 15, 2024
概括
这项研究开发了使用生物化学标记物预测COVID-19严重程度和死亡率的预测模型,有可能通过早期干预来改善患者分拣和减少死亡.
科学领域:
- 生物化学 生物化学
- 医疗信息学 医疗信息学
- 流行病学 流行病学
背景情况:
- COVID-19 疾病继续导致显著的死亡率和发病率.
- 生物化学参数越来越多地用于预测感染严重程度.
- 及时,具有成本效益的干预措施对于降低COVID-19死亡率至关重要.
研究的目的:
- 使用生物化学参数预测COVID-19疾病严重程度和死亡率.
- 为早期干预和降低死亡率开发具有成本效益的工具.
- 建立ICU入院和患者结果的预测模型.
主要方法:
- 在两个阶段 (2020年6月至2020年12月和2021年4月至2021年5月) 招募了324名COVID-19患者.
- 在入院时使用SPSS和Python分析生物化学参数进行统计分析和模型预测.
- 开发了四种后勤回归模型来预测ICU入院和死亡率.
主要成果:
- 在患者组之间观察到生物化学参数的显著差异 (阶段,ICU与非ICU,过期与出院).
- 接收器运行特征 (ROC) 曲线仅从生物化学数据显示出死亡率预测.
- 开发的模型准确地分类了96名患者中的92名患者,可能挽救了17人的生命.
结论:
- 基于入院生化参数,成功开发了ICU入院和死亡率的预测模型.
- 互白素-6 (IL-6) 和公素显示出对COVID-19严重程度的显著预测能力.
- 这些模型作为预后的机器学习工具,可以帮助急诊室分拣,以实现最佳的COVID-19患者管理.
