Death risk and the importance of clinical features in elderly people with COVID-19 using the Random Forest Algorithm / Previsão de óbito e importância de características clínicas em idosos com COVID-19 utilizando o Algoritmo Random Forest
Rev. Bras. Saúde Mater. Infant. (Online)
;
21(supl.2): 445-451, 2021. tab, graf
Artículo
en Inglés
| LILACS
| ID: biblio-1279616
ABSTRACT
Abstract Objectives:
train a Random Forest (RF) classifier to estimate death risk in elderly people (over 60 years old) diagnosed with COVID-19 in Pernambuco. A "feature" of this classifier, called feature importance, was used to identify the attributes (main risk factors) related to the outcome (cure or death) through gaining information.Methods:
data from confirmed cases of COVID-19 was obtained between February 13 and June 19, 2020, in Pernambuco, Brazil. The K-fold Cross Validation algorithm (K=10) assessed RF performance and the importance of clinical features.Results:
the RF algorithm correctly classified 78.33% of the elderly people, with AUC of 0.839. Advanced age was the factor representing the highest risk of death. The main comorbidity and symptom were cardiovascular disease and oxygen saturation ≤ 95%, respectively.Conclusion:
this study applied the RF classifier to predict risk of death and identified the main clinical features related to this outcome in elderly people with COVID-19 in the state of Pernambuco.RESUMO
Resumo Objetivos:
treinar um classificador do tipo Random Forest (RF) para estimar o risco de óbito em idosos (com mais de 60 anos) diagnosticados com COVID-19 em Pernambuco. Uma "feature" deste classificador, chamada feature_importance, foi usada para identificar os atributos (principais fatores de risco) relacionados com o desfecho final (cura ou óbito) através do ganho de informação.Métodos:
dados dos casos confirmados de COVID-19foram obtidos entre os dias 13 de fevereiro e 19 de junho de 2020, em Pernambuco, Brasil. O algoritmo K-fold Cross Validation, com K=10, foi usado para avaliar tanto o desempenho do RF quanto a importância das características clínicas.Resultados:
o algoritmo RF classificou corretamente 78,33% dos idosos, com AUC de 0,839. A idade avançada é o fator que representa maior risco de evolução para óbito. Além disso, a principal comorbidade e sintoma também identificados, foram, respectivamente, doença cardiovascular e saturação de oxigênio ≤95%.Conclusão:
este trabalho se dedicou à aplicação do classificador RF para previsão de óbito e identificou as principais características clínicas relacionadas com este desfecho em idosos com COVID-19 no estado de Pernambuco.
Texto completo:
Disponible
Índice:
LILACS (Américas)
Asunto principal:
Factores de Riesgo
/
Aprendizaje Automático
/
COVID-19
Tipo de estudio:
Ensayo Clínico Controlado
/
Estudio de etiología
/
Estudio pronóstico
/
Factores de riesgo
Límite:
Anciano
/
Aged80
/
Humanos
País/Región como asunto:
America del Sur
/
Brasil
Idioma:
Inglés
Revista:
Rev. Bras. Saúde Mater. Infant. (Online)
Asunto de la revista:
Sa£de P£blica
/
Sa£de da Mulher
Año:
2021
Tipo del documento:
Artículo
País de afiliación:
Brasil
Institución/País de afiliación:
Faculdade Pernambucana de Saúde/BR
/
Instituto de Medicina Integral Prof. Fernando Figueira/BR
Similares
MEDLINE
...
LILACS
LIS