使用EEG衍生数据预测重症COVID-19患者的妄想:一种机器学习方法
Ana Viegas1,2,3,4,5, Cristiana P Von Rekowski6,7,8, Rúben Araújo6,7,8
1NMS - NOVA Medical School, FCM - Faculdade de Ciências Médicas, Universidade NOVA de Lisboa, Campo Dos Mártires da Pátria 130, 1169-056, Lisbon, Portugal. a2020449@nms.unl.pt.
GeroScience
|July 23, 2025
概括
使用脑电图 (EEG) 的机器学习模型对预测重症COVID-19患者的妄想有前途. 脑电图上增高的活动是关键预测因素,但模型需要进一步细化以获得最佳准确性.
科学领域:
- 神经科学是一个神经科学.
- 关键护理医学 关键护理医学
- 计算生物学 计算生物学
背景情况:
- 狂妄症是重症患者的常见并发症,特别是那些感染SARS-CoV-2的患者,增加了发病率和死亡率.
- 早期发现妄想风险对于及时干预和改善患者结果至关重要.
研究的目的:
- 调查电脑电图 (EEG) 与机器学习 (ML) 模型相结合的疗效,用于预测SARS-CoV-2感染的重症患者的痴呆症.
- 为了确定特定的EEG特征,可以作为妄想的预测者.
主要方法:
- 一项前性观察队列研究,涉及70名患有SARS-CoV-2感染的重症患者.
- 开发使用单独使用EEG数据和综合人口,临床,实验室和EEG数据的ML模型.
- 在一小部分患者中,在 Delirium 诊断之前和之后分析 EEG 数据.
主要成果:
- 电脑脑电图上提达活性增加被确定为 Delirium 的一个一致的预测因素.
- 仅使用EEG的ML模型实现了0.733.3的AUC.
- 整合临床和人口统计数据改善了预测性能 (AUC=0.825).
- 一个分析妄前后EEG数据的模型获得了最高的准确性 (AUC=0.950).
结论:
- 基于EEG的ML模型证明了在重症COVID-19患者中妄想预测的潜力.
- 增加的甲基活性是神经的显著EEG生物标志物.
- 进一步的模型改进是必要的,以提高预测准确性,灵敏度和特异性.
