Predicting the Risk Factors Associated With Severe Outcomes Among COVID-19 Patients–Decision Tree Modeling Approach
Notice bibliographique
Résumé
Background: The COVID-19 pandemic has seen a large surge in case numbers over several waves, and has critically strained the health care system, with a significant number of cases requiring hospitalization and ICU admission. This study used a decision tree modeling approach to identify the most important predictors of severe outcomes among COVID-19 patients. Methods: May 2021. Demographic information, symptoms and co-morbidities were extracted from a communicable disease and outbreak management information system and electronic medical records. Decision tree modeling involving conditional inference tree and random forest models were used to analyze and identify the key factors(s) associated with severe outcomes (hospitalization, ICU admission and death) following COVID-19 infection. Results: In the study cohort, nearly 6.37% were hospitalized, 1.39% were admitted to ICU and 1.57% died due to COVID-19. Older age (>71Y) and breathing difficulties were the top two factors associated with a poor prognosis, predicting about 50% of severe outcomes in both models. Neurological conditions, diabetes, cardiovascular disease, hypertension, and renal disease were the top five pre-existing conditions that altogether predicted 29% of outcomes. 79% of the cases with poor prognosis were predicted based on the combination of variables. Age stratified models revealed that among younger adults (18-40 Y), obesity was among the top risk factors associated with adverse outcomes. Conclusion: Decision tree modeling has identified key factors associated with a significant proportion of severe outcomes in COVID-19. Knowledge about these variables will aid in identifying high-risk groups and allocating health care resources.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».