抗病毒与抗逆转录病毒杂志

抗病毒与抗逆转录病毒杂志
开放获取

国际标准期刊号: 1948-5964

抽象的

基于机器学习的预测模型用于诊断早期 COVID-19 患者

孙楠楠、杨亚、唐玲玲、李真、戴一宁、徐万、钱晓亮、高海女、鞠斌

目的:为了提高COVID-19感染早期诊断的及时性,有必要开发一种决策工具来辅助发热门诊中的COVID-19患者的早期诊断。

材料和方法:本文旨在从 912 名早期 COVID-19 感染患者的临床数据中提取危险因素,并利用四种传统机器学习方法,包括逻辑回归(LR)、支持向量机(SVM)、决策树(DT) 、随机森林 (RF) 和基于深度学习的早期 COVID-19 诊断方法。

结果:结果显示,LR 预测模型的特异性高达 0.95,受试者工作曲线下面积 (AUC) 为 0.971,灵敏度提高到 0.82,这使其成为早期 COVID-19 筛查的最佳选择。感染。我们还对最佳模型(LR预测模型)在浙江人群中的通用性进行了验证,并分析了各因素对预测模型的贡献。

讨论:在COVID-19大流行的背景下,COVID-19的早期诊断仍然面临严峻的挑战,辅助COVID-19患者早期诊断的决策工具对于发热门诊至关重要。

结论:我们的手稿描述并强调了机器学习方法提高早期 COVID-19 感染诊断准确性和及时性的能力。我们基于 LR 的预测模型的 AUC 较高,使其成为辅助 COVID-19 诊断的更有利的方法。优化模型已封装为移动应用程序(APP)并在浙江省部分医院实施。

Top