抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
【背景】重症急性呼吸器症候群コロナウイルス2(SARS-CoV-2)感染に起因するCoronavirus病2019(COVID-19)は,世界的に拡大している。死亡数は感染患者数の増加により増加した。重症COVID-19患者の転帰を予測する臨床モデルを開発することを目的とした。【方法】Tongji病院のSino-French New City Branchからの183人の重度のCOVID-19患者(115人の生存者と68人の非生存者)の入院の後の疫学的,臨床的,および最初の検査所見を,予測モデルを開発するために使用した。5つの機械学習アプローチ(ロジスティック回帰,部分最小二乗回帰,弾性ネット,ランダムフォレスト,および袋付きフレキシブル判別分析)を用いて,特徴を選択し,患者の転帰を予測した。受信者動作特性曲線(AUROC)の下の面積をモデル性能を比較するために適用した。Tongji病院の光学的谷枝からの64の重度のCOVID-19患者を,最終予測モデルを外部的に検証するために使用した。【結果】ベースライン特性と検査室試験は,生存者と非生存者の間で有意に異なった。4つの変数(年齢,高感度C反応性蛋白質レベル,リンパ球数,およびd-ダイマーレベル)を,すべての5つのモデルによって選択した。モデルの同様の性能を考えると,ロジスティック回帰モデルを,その単純性と解釈性のため,最終予測モデルとして選択した。導出と外部検証セットのAUROCsは,それぞれ0.895と0.881であった。カットオフとして50%の死亡確率を用いるとき,感度と特異性は,それぞれ,誘導セットで0.892と0.687,検証セットで0.839と0.794であった。4つの選択された変数に基づく個々のリスクスコアと対応する死亡確率は,COVID-19患者の死亡率リスクを評価する指標として役立つ。予測モデルはhttps://phenomics.fudan.edu.cn/risk_scores/で自由に利用可能である。【結論】入院時のCOVID-19患者の年齢,高感度C反応性蛋白質レベル,リンパ球数,およびd-ダイマーレベルは,患者転帰のために有益であった。【JST・京大機械翻訳】
