Дальневосточный государственный медицинский университет Поиск | Личный кабинет | Авторизация
Поиск статьи по названию
Поиск книги по названию
Каталог рубрик
в коллекциюДобавить в коллекцию

РАЗРАБОТКА ПРОГНОСТИЧЕСКОИ МОДЕЛИ УГРОЗЫ НЕБЛАГОПРИЯТНОГО ИСХОДА COVID-19 У ГОСПИТАЛИЗИРОВАННЫХ БОЛЬНЫХ СТАРШИХ ВОЗРАСТНЫХ ГРУПП C ИСПОЛЬЗОВАНИЕМ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА


Аннотация:

Аннотация. Высокие показатели смертности пациентов с COVID-19, госпитализированных в 2020-2022 гг., особенно среди больных старше 60 лет, определяют необходимость ранней диагностики заболевания COVID-19 и оценки риска развития осложнений и летального исхода с целью оказания своевременного лечения и проведения профилактических мер, обеспечивающих предотвращение неблагоприятных исходов заболевания. Цель - разработать прогностическую модель с использованием искусственного интеллекта (машинное обучение) для прогнозирования неблагоприятного исхода у пожилых пациентов, госпитализированных с COVID-19 на начальной стадии заболевания. Материал и методы. Проведено одноцентровое ретроспективное когортное исследование 263 больных, госпитализированных с COVID-19 с марта 2020 г. по декабрь 2022 г. Для построения модели прогнозирования использовалась множественная логистическая регрессия. Результаты. B ходе многофакторного анализа из 200 различных показателей, полученных у больных COVID-19 в возрасте 60 лет и старше, было выделено 23 наиболее важных, ассоциированных с летальным исходом, которые в последующем были включены в модель прогнозирования неблагоприятного исхода: возраст, данные клинико-инструментального осмотра (термометрии, пульсоксиметрии и подсчета частоты дыхательных движений] с учетом полиморбидности (наличия определенных хронических заболеваний] и анамнестических данных (предшествующей антиковидной вакцинации, проводимой терапии на амбулаторном этапе). B ходе исследования разработана прогностическая модель оценки угрозы неблагоприятного исхода COVID-19. Точность предлагаемого метода на этапе разработки составила 80,4 [76,2; 84,6] %, чувствительность - 79,2 [72,6; 84,8] %, специфичность - 81,7 [76,4; 87,4] % и ROC-AUC - 88,3 [84,7; 91,5] %. Ha этапе тестирования аналогичные показатели были следующими: точность - 71,7 [60,4; 81,1] %, чувствительность - 70,6 [50,0; 88,2] %, специфичность -72,2 [59,0; 83,9] %. ROC-AUC - 78,9 [67,0; 88,8] %. Заключение. Разработана и протестирована модель прогнозирования угрозы развития неблагоприятного исхода COVID-19 у госпитализированных больных старших возрастных групп, которая демонстрирует высокую специфичность и имеет несомненное прикладное значение.

Авторы:

Кудрявцева Н.А.
Чорбинская С.А.
Девяткин А.В.
Самушия М.А.
Колпаков Е.А.
Кузнецов А.И.
Щепкина Е.В.

Издание: Терапия
Год издания: 2024
Объем: 9с.
Дополнительная информация: 2024.-N 7.-С.19-27. Библ. 33 назв.
Просмотров: 1

Рубрики
Ключевые слова
covid-19
rocaucc
амбулатория
анализ
аналоги
антиковидные
ассоциированные
болезни
болезнь
больные
вакцина
включениями
возраст
возрастные
вспышки
выделение
высокий
госпитализированные
групп
данные
движение
диагностика
диагностические
дыхательная
заболевания
значению
индекс
интеллект
искусственная
искусственный
использование
исследование
исход
клиники
ключ
когортный
лет
летальная
лечение
лечения
логистические
материал
машинное
метод
многофакторный
множественная
модели
наличия
начальный
неблагоприятные
неблагоприятный
необходимости
обучение
одного
оказание
определенного
осложнение
осмотры
особый
оценка
пациент
пациенты
подсчет
пожилой
показатели
пола
полиморбидность
послед
построения
признаки
прикладная
причина
проведение
проведения
проводимая
провоцирующие
прогнозирование
прогностическая
прогрессирование
протей
профилактическая
пульсоксиметрия
развитие
различный
разработка
раннего
регрессия
результата
ретроспективная
риск
риска
своевременная
симптомы
след
слова
смертельный
смерти
смертности
состав
специфичность
среда
стадии
старше
степени
терапия
термометры
тестирование
тестов
точная
тяжести
угроза
учет
факторы
хронически
цель
целью
ценность
частота
чувствительность
эпидемиологические
этап
Ваш уровень доступа: Посетитель (IP-адрес: 3.15.7.155)
Яндекс.Метрика