Este artigo é um Preprint
Preprints são relatos preliminares de pesquisa que não foram certificados pela revisão por pares. Eles não devem ser considerados para orientar a prática clínica ou comportamentos relacionados à saúde e não devem ser publicados na mídia como informação estabelecida.
Preprints publicados online permitem que os autores recebam feedback rápido, e toda a comunidade científica pode avaliar o trabalho independentemente e responder adequadamente. Estes comentários são publicados juntamente com os preprints para qualquer pessoa ler e servir como uma avaliação pós-publicação.
Comparing Machine Learning Algorithms for Predicting ICU Admission and Mortality in COVID-19
Preprint
em Inglês
| medRxiv
| ID: ppmedrxiv-20235598
Artigo de periódico
Um artigo publicado em periódico científico está disponível e provavelmente é baseado neste preprint, por meio do reconhecimento de similaridade realizado por uma máquina. A confirmação humana ainda está pendente.
Ver artigo de periódico
Um artigo publicado em periódico científico está disponível e provavelmente é baseado neste preprint, por meio do reconhecimento de similaridade realizado por uma máquina. A confirmação humana ainda está pendente.
Ver artigo de periódico
ABSTRACT
As predicting the trajectory of COVID-19 disease is challenging, machine learning models could assist physicians determine high-risk individuals. This study compares the performance of 18 machine learning algorithms for predicting ICU admission and mortality among COVID-19 patients. Using COVID-19 patient data from the Mass General Brigham (MGB) healthcare database, we developed and internally validated models using patients presenting to Emergency Department (ED) between March-April 2020 (n = 1144) and externally validated them using those individuals who encountered ED between May-August 2020 (n = 334). We show that ensemble-based models perform better than other model types at predicting both 5-day ICU admission and 28-day mortality from COVID-19. CRP, LDH, and procalcitonin levels were important for ICU admission models whereas eGFR <60 ml/min/1.73m2, ventilator use, and potassium levels were the most important variables for predicting mortality. Implementing such models would help in clinical decision-making for future COVID-19 and other infectious disease outbreaks.
cc_no
Texto completo:
Disponível
Coleções:
Preprints
Base de dados:
medRxiv
Tipo de estudo:
Estudo prognóstico
Idioma:
Inglês
Ano de publicação:
2020
Tipo de documento:
Preprint