登革热的严重性预测标志物:使用机器学习方法进行前性队列研究

科学领域:

• 医学研究 医学研究
• 传染病 传染病 传染病
• 临床诊断 临床诊断 临床诊断

背景情况:

• 登革热病毒感染带来了一系列疾病,从轻微到严重的并发症.
• 严重登革热 (SD) 结果的预后指标仍然不清楚,这使得早期临床管理复杂化.
• 准确预测登革热的严重程度对于有效的患者护理和资源分配至关重要.

研究的目的:

• 为了确定临床和实验室参数预测严重登革热 (SD) 在成年人.
• 评估统计和机器学习 (ML) 模型在预测登革热严重程度方面的实用性.
• 建立严重登革热并发症的早期预警信号.

主要方法:

• 分析了102名成年登革热患者的临床和实验室数据,分为严重登革热 (SD),警告信号和没有警告信号的组.
• 应用统计模型和机器学习 (ML) 算法来识别登革热严重程度的重要预测因素.
• 在疾病的早期发烧和关键阶段检查参数.

主要成果:

• 经典的统计分析确定了异常的超声检测结果,低淋巴细胞计数和血小板水平作为发烧期SD的显著指标.
• 在关键阶段,低肌素,高水平和升高的AST/ALT与SD有关.
• 机器学习模型确定了AST/ALT水平和淋巴细胞计数作为严重和不严重登革热病例之间的关键区分因素.

结论:

• 肝酶 (AST / ALT),血小板计数和超声波 (USG) 发现与严重登革热 (SD) 有显著关联.
• 早期的超声波测试和AST/ALT的临床定量可能能够更早地预测SD.
• 这些发现可以为改善登革热管理的诊断和预后工具的开发提供信息.