重復感染新冠會不會危及生命？新研究：這6個指標可預測！疾病|新型冠狀肺炎

【重復感染新冠會不會危及生命？新研究：這6個指標可預測！】

文章圖片

雖然越來越多的研究表明，對于身體健康的正常人來說，在首次感染新冠之后，重復感染新冠一般會由于體內已有的抗體，而癥狀更為輕微，但對于一些高風險人群，例如老年人、有相關基礎慢病的人群，以及免疫力低下的相關人群等，每次感染新冠，可能經歷的都是“生死考驗” ，如何盡早識別感染新冠后是否有致命風險，對于重癥風險人群的盡早干預，減少重癥和死亡風險，都有著重要的意義，而近期發表的一項新研究，發現有通過6個生理指標，可以預測新冠致命感染的風險。

羅格斯大學的研究人員開發了一種方法，幫助醫院使用機器學習軟件識別危及生命的新冠肺炎病例。
這些研究中新開發的工具使用患者年齡和五項常規測試的結果來預測冠狀病毒疾病的進展。其創建者表示，他們相信這種新模式可以顯著改善感染該病毒的住院患者的預后。
羅伯特·伍德·約翰遜醫學院（RWJMS）副教授、《mBio》雜志新論文的合著者Payal Parikh說，準確的預測非常有價值。 “這些指標能夠讓患者了解即將發生的事情，即使他們仍然足夠健康，如果屬于高危風險，應該盡早做出明智的治療選擇。這些指標還可以讓醫療機構通過預測患者的需求來有效地分配資源。此外，有了更好的預后，我們可以在疾病過程中盡早開始治療，從而獲得更好的患者護理結果。 ”

羅格斯大學團隊開始尋求使用機器學習軟件和969名在疫情早期因病毒住院的患者的醫療記錄來構建新冠肺炎預測模型。
該研究的主要作者David Natanov說，我們從每個患者那里獲取了一堆數據點——實驗室結果、人口統計學、生命體征、合并癥等數十個。 “我們通過一系列不同的機器學習模型，調整到略微不同的參數，并生成了一個最初的77變量模型。該模型表現良好，但沒有人有時間在任何東西中輸入77個單獨的數據點。 ”
Natanov說，研究人員使用各種分析工具來識別與該疾病相關的10個最具預測性的變量。然后，它使用人工智能以各種組合查看它們，直到找到由每個醫院收集的六個數據點（年齡和五個常見實驗室測試的結果）組成的兩個有效模型。
研究人員稱其模型中最準確的是PLABAC ，這是每個成分變量的第一個字母的首字母縮寫：血小板計數、乳酸、年齡、血尿素氮、天冬氨酸氨基轉移酶和C反應蛋白。
為了確保PLABAC預測所有新冠肺炎住院患者的死亡率，而不僅僅是初始樣本中的969人，研究人員成功地利用它預測了疫苗接種前住院的另外7901名患者和疫苗接種后1547名第三組患者的結果。
疫苗接種后住院患者的強勁結果表明， PLABAC可以預測新冠肺炎變異患者的預后，超出感染第一患者組的原始病毒。
羅格斯團隊不是第一個使用舊患者記錄來創建新冠肺炎進展模型的人，但其成員認為，他們通過成功測試其預測第二組（和第三組）患者結果的能力來驗證他們的模型。

他們還認為，與他們見過的其他模型相比，他們的模型還有另一個關鍵優勢：易用性。大多數醫院已經收集了關于新冠肺炎患者的所有六個數據點。唯一的額外工作是在公式中鍵入這六個變量——研究團隊希望讓它更容易。