开发一种机器学习模型和名图来预测COVID-19儿童的发作:一项两中心研究
Yu-Qi Liu1, Wei-Hua Yuan2, Yue Tao1
1Department of Radiology, Children's Hospital of Soochow University, Suzhou 215025, China.
Journal of tropical pediatrics
|April 26, 2024
概括
机器学习模型可以预测2019年冠状病毒疾病 (COVID-19) 的儿童的发作. 随机森林模型,包括中性粒细胞的百分比,咳和发烧的持续时间,显示了儿童的最佳预测性能.
科学领域:
- 儿科神经学 儿科神经学
- 传染性疾病 传染性疾病
- 机器学习在医学中的应用
背景情况:
- 冠状病毒疾病2019 (COVID-19) 可以影响儿童,有时导致神经系统并发症,如发作.
- 在儿科COVID-19病例中预测发作对于及时干预和管理至关重要.
研究的目的:
- 确定COVID-19诊断的儿童中发作相关的危险因素.
- 开发和验证一个机器学习模型和名图,用于预测这一群体的发作.
主要方法:
- 利用机器学习算法,包括极端梯度提升 (XGBoost),随机森林 (RF) 和物流回归 (LR) 在519名COVID-19儿童的数据上.
- 模型性能是使用接收器操作特征曲线 (AUC) 下的面积来评估的.
- 使用SHAP值来评估特征的重要性;用于验证,使用了名谱和临床影响曲线.
主要成果:
- 在519名儿童中,217人经历了发作.
- 随机森林 (RF) 模型表现出卓越的性能,具有最高的AUC.
- 通过SHAP值确定的关键预测因素包括中性粒细胞百分比,咳和发烧持续时间.
结论:
- 开发的RF模型在预测COVID-19儿童的发作方面表现出卓越的准确性.
- 这种新型的脑电图是临床决策的宝贵工具,有助于预防和治疗发作.
