Symptom clusters in COVID-19: A potential clinical prediction tool from the COVID Symptom Study app.
Symptom clusters in COVID-19: A potential clinical prediction tool from the COVID Symptom Study app.
复制标题
DOI：
10.1126/sciadv.abd4177
复制
发表时间：
2021-03
期刊：
影响因子：
13.6
通讯作者：
Ourselin S
中科院分区：
文献类型：
--
作者：
Sudre CH;Lee KA;Lochlainn MN;Varsavsky T;Murray B;Graham MS;Menni C;Modat M;Bowyer RCE;Nguyen LH;Drew DA;Joshi AD;Ma W;Guo CG;Lo CH;Ganesh S;Buwe A;Pujol JC;du Cadet JL;Visconti A;Freidin MB;El-Sayed Moustafa JS;Falchi M;Davies R;Gomez MF;Fall T;Cardoso MJ;Wolf J;Franks PW;Chan AT;Spector TD;Steves CJ;Ourselin S
症状的纵向聚集可以预测重症新冠肺炎患者是否需要呼吸支持。由于没有一个症状可以预测疾病的严重性或在冠状病毒疾病2019(新冠肺炎)中是否需要专门的医疗支持，我们询问了记录头几天的症状时间序列是否会告知结果。从COVID症状研究智能手机应用程序的早期招募的完成病例的训练数据集收集的数据上，对症状呈现进行了无监督的时间序列聚类，产生了六种不同的症状呈现。在2020年5月1日至28日期间，在独立复制数据集上对群集进行了验证。使用前5天的症状记录，呼吸支持需求的ROC-AUC(受试者操作特征曲线下面积)为78.8%，显著高于单独使用个人特征(ROC-AUC 69.5%)。这种方法可以用来监控高危患者，并在需要医疗资源的前几天预测他们的需求。
Longitudinal clustering of symptoms can predict the need for respiratory support in severe COVID-19. As no one symptom can predict disease severity or the need for dedicated medical support in coronavirus disease 2019 (COVID-19), we asked whether documenting symptom time series over the first few days informs outcome. Unsupervised time series clustering over symptom presentation was performed on data collected from a training dataset of completed cases enlisted early from the COVID Symptom Study Smartphone application, yielding six distinct symptom presentations. Clustering was validated on an independent replication dataset between 1 and 28 May 2020. Using the first 5 days of symptom logging, the ROC-AUC (receiver operating characteristic – area under the curve) of need for respiratory support was 78.8%, substantially outperforming personal characteristics alone (ROC-AUC 69.5%). Such an approach could be used to monitor at-risk patients and predict medical resource requirements days before they are required.
登录
查看更多内容
影响因子：
5.3
作者：
Butt, Isabel;Sawlani, Vijay;Geberhiwot, Tarekegn
通讯作者：
Geberhiwot, Tarekegn
影响因子：
3.6
作者：
Wilkerson, R. Gentry;Adler, Jason D.;Brown, Robert
通讯作者：
Brown, Robert
影响因子：
4
作者：
Raiche, Michel;Hebert, Rejean;Dubois, Marie-France
通讯作者：
Dubois, Marie-France
影响因子：
2.3
作者：
Mackett, Alistair J.;Keevil, Victoria L.
通讯作者：
Keevil, Victoria L.
DOI：
10.3969/j.issn.1672-8467.2020.02.004
发表时间：
2020-03-01
期刊：
Fudan Xuebao (Yixueban)
影响因子：
--
作者：
Zhu Lei;Hu Li-juan
通讯作者：
Hu Li-juan