使用基本实验室参数检测COVID-19感染的预测方程

科学领域:

• 医学诊断 医学诊断 医学诊断
• 计算生物学是一种计算生物学.
• 传染病研究传染病研究.

背景情况:

• 冠状病毒疾病2019 (COVID-19) 从2019年至2022年成为全球流行病.
• 反转录聚合酶链反应 (RT-PCR) 是COVID-19检测的标准,但存在局限性.
• 需要可访问和负担得起的诊断方法.

研究的目的:

• 为COVID-19检测开发一种具有成本效益的机器学习 (ML) 方法.
• 用五个基本的临床参数作为预测指标.
• 为RT-PCR提供一种替代方案.

主要方法:

• 开发了两个ML模型,即人工神经网络 (ANN) 和多变量自适应回归脊柱 (MARS).
• 这些模型使用了五个参数:年龄,白细胞总计数,红细胞计数,血小板计数和C反应蛋白 (CRP).
• 分析了171名疑似COVID-19症状的患者的数据.

主要成果:

• 在预测COVID-19方面,ANN获得了97.06%的准确率,MARS获得了91.18%的准确率.
• 鉴定出C反应蛋白 (CRP) 是最重要的预测参数.
• 为这两种模型生成了预测性数学方程.

结论:

• 拟议的ML模型为COVID-19检测提供了一种简单有效的方法.
• 这些模型可以帮助医疗从业者使用基本参数诊断COVID-19.
• 这项研究提供了一种有价值,低成本的诊断工具.