分享明尼蘇達大學醫學院的研究人員最近評估了預後的臨床決策工具的性能，以促進可疑COVID-19患者的急診科出院。明尼蘇達大學開發了這種邏輯回歸工具，以減輕COVID-19大流行通過減少不當決策的變化和優化資源利用而置於醫療保健係統上的某些壓力。
為了開發該算法，它最初是對PCR的1,469名患者COVID-19的數據集進行的培訓健康係統。該工具經過培訓可以預測嚴重的Covid-19，該工具被定義為導致ICU入院，通風或死亡。嚴重的Covid-19的危險因素選擇的邏輯回歸選擇包括年齡，性別，種族，說英語，肥胖，家庭藥物，三個月前開出的家庭藥物以及慢性合並症。生理特征包括生命體征（最大心率，呼吸速率，溫度，最小的周圍動脈氧飽和度和最初24小時內的收縮壓）。
這些因素用於計算隨後驗證的風險評分。時間驗證發生在414 CoVID-19-PCR陽性患者中，以模擬該係統在2020年8月22日至11月11日之間獲得實時性能。該算法在由13,271例Covid-19的患者組成的數據集中進一步驗證。在2020年5月4日至10月11日之間的急性護理訪問中，症狀。這些患者中約有26.8％（3,561）通過PCR測試了COVID-19的陽性。在2,174例患者中，它是最後一次驗證的實時驗證，其中61.2％（1,331）個測試了PCR陽性。該模型可以準確預測嚴重的Covid-19 85％的時間（AUROC：0.85）。
根據研究作者的說法，可以在多家醫院開發，驗證和實施機器學習模型。它的實施將“減少不當的決策變化並優化資源利用率”。
有關更多決策支持的新聞伟德1946客户端下载
