大数据可以帮助医生预测哪些患者将病情加重
这一流行病继续构成威胁巨大的挑战全世界的卫生服务医院在危机由于新冠肺炎病例的增长速度超过了他们的能力。尤其困难的是，冠状病毒影响每个人的方式不尽相同。
如果能够更好地预测哪些病人会得重病，医院就能更有效地利用其紧张的资源。有了这些信息，医院就可以停止接收病情恶化风险较低的患者，并避免实施不必要的治疗。对于高危患者，这些信息可以指导医生如何以及何时治疗他们。
自大流行开始以来，研究人员一直在为这一目的竞相开发“预测模型”。预测模型是通过向以前的患者学习而建立的，需要提供大量的数据。早期的模型被认为是不充分的为临床使用这主要是因为它们没有包含足够的数据来捕捉不同患者和不同环境中发生的各种情况。
但是有一项研究叫做ISARIC4C-该组织正在收集英国250多家医院的COVID-19患者数据。我们相信这将是解决这一问题的强大平台。因此，我们和来自英国各地的同事一起，开始创建一个预测模型使用ISARIC4C的数据将足以用于临床。
利用大数据来改善护理
我们使用ISARIC4C数据来自英格兰，苏格兰和威尔士大约75000名患者来开发我们的预测工具，我们称之为4 c退化模型。它的目的是预测因COVID-19而住院的成年人在住院期间需要呼吸支持、需要重症护理或死亡的风险。
该模型只需要例行收集的信息。它需要知道患者的年龄和性别，他们是在医院内外感染的，他们的床边评估——比如氧气水平、呼吸速率和意识水平——以及一些常见的血液检查和胸部x光检查结果。这11项数据输入(或“预测因素”)是根据以往与严重COVID-19相关的报告以及ISARIC4C研究的证据纳入的，这些数据输入(或“预测因素”)与恶化有关。
患者的预测因子在4C恶化模型中结合使用一个方程，然后提供该患者病情恶化可能性的百分比。这些预测因素并不平等，而是根据它们与恶化的关联进行加权。例如，模型中最强的预测因子是血液氧水平(用手指探针测量)。这是因为氧气水平下降是COVID-19导致重症的主要机制。
我们测试了英格兰、苏格兰和威尔士九个NHS地区COVID-19住院患者预测的准确性。我们的分析表明，该模型的预测与观察到的患者结果非常吻合。例如，使用一种称为“校准斜率”的方法来观察预测结果与真实结果的匹配程度，该模型得分为0.96，而满分为1。这些结果提供了令人鼓舞的证据，表明该模型可以有效地指导所有地区的医疗决策。
医生如何使用这个工具
我们将4C恶化模型作为一个网上风险计算器2020年1月。它与我们的4 c死亡率得分,一个模型我们之前做出的预测COVID-19患者的死亡风险，它已经由英国国民医疗服务体系推荐帮助指导抗病毒治疗。
由于年龄是COVID-19患者是否会死亡的一个强有力的预测因素，我们建议同时使用这两种模型，以确保年轻患者中的风险不会被低估。年轻人感染COVID-19的死亡风险较低，但病情恶化的风险很高——4C死亡率评分本身没有发现这一事实。
这些预测工具旨在使固有的主观医疗决策——在不同的临床医生之间可能存在很大差异——更加客观和基于证据，特别是在资源紧张的具有挑战性的情况下。预测可用于支持与患者及其家属的预后讨论，估计资源需求，并为关于让患者住院或接受重症护理的决定提供信息。
未来的临床试验还可以评估这些工具在指导对最有可能受益的患者使用特定药物(如抗病毒药物和免疫调节剂)治疗时是否有用。这些工具甚至可以用来分析数据临床试验已经在运行，以观察他们是否能区分对治疗有反应和没有反应的病人。
重要的是，ISARIC4C研究正在进行中。这意味着我们可以继续评估预测工具正在执行最近的一组病人这将使我们能够在未来需要时优化它们。此外，免费提供这些模型将使世界各地的研究人员和决策者能够测试我们的模型在他们自己的人口中工作得如何。
进一步探索
用户评论