机器学习模型预测了SARS-CoV-2感染自身免疫脑炎患者的预后
Xingjie Li1, Xueying Kong1, Aiqing Li1
1Department of Neurology, West China Hospital of Sichuan University, Chengdu, Sichuan, China; Institute of Brain science and Brain-inspired technology of West China Hospital, of Sichuan University, Chengdu, Sichuan, China.
患有自身免疫性脑炎 (AE) 的患者在SARS-CoV-2感染后可能会恶化. 机器学习模型使用临床因素,如感染前的残疾和特定症状,准确地预测神经预后不佳.
科学领域:
- 神经学 神经学
- 传染性疾病 传染性疾病
- 免疫学 免疫学 免疫学
背景情况:
- 自身免疫性脑炎 (AE) 是一种严重的神经疾病.
- 感染SARS-CoV-2对AE预后的影响尚未完全理解.
- 开发SARS-CoV-2后AE结果的预测模型至关重要.
研究的目的:
- 评估SARS-CoV-2感染后AE患者的神经预后.
- 为更差的AE预后开发和验证风险预测模型.
- 为了确定与SARS-CoV-2后AE结果相关的临床因素.
主要方法:
- 前性,多中心,观察性队列研究.
- 多变量逻辑回归用于识别预后因素.
- 机器学习策略用于风险预测模型开发.
主要成果:
- 在308名AE患者中,241人感染了SARS-CoV-2.
- 在AE患者中,感染后三个月12.4%的神经预后变得更差.
- 预后不佳的危险因素包括感染前的mRS得分,感染期间的免疫治疗,以及与SARS-CoV-2相关的嗜睡和胃肠道症状.
- 一个机器学习模型在预测预后方面表现出高的区分精度 (0.96).
结论:
- 在AE患者中,SARS-CoV-2感染可能会加剧神经症状.
- 机器学习模型可用于使用临床数据预测AE预后.
- 早期识别风险因素可以指导管理并改善患者的治疗结果.
更多相关视频
08:47Induction of Experimental Autoimmune Encephalomyelitis in Mice and Evaluation of the Disease-dependent Distribution of Immune Cells in Various Tissues
Published on: May 8, 2016
05:44Author Spotlight: Creating a Versatile Experimental Autoimmune Encephalomyelitis Model Relevant for Both Male and Female Mice
Published on: October 13, 2023
相关概念视频
Encephalitis l: Introduction
Encephalitis ll: Pathophysiology
