Development of a Prediction Model for <scp>COVID</scp>‐19 Acute Respiratory Distress Syndrome in Patients With Rheumatic Diseases: Results From the Global Rheumatology Alliance Registry
Notice bibliographique
Résumé
OBJECTIVE: Some patients with rheumatic diseases might be at higher risk for coronavirus disease 2019 (COVID-19) acute respiratory distress syndrome (ARDS). We aimed to develop a prediction model for COVID-19 ARDS in this population and to create a simple risk score calculator for use in clinical settings. METHODS: Data were derived from the COVID-19 Global Rheumatology Alliance Registry from March 24, 2020, to May 12, 2021. Seven machine learning classifiers were trained on ARDS outcomes using 83 variables obtained at COVID-19 diagnosis. Predictive performance was assessed in a US test set and was validated in patients from four countries with independent registries using area under the curve (AUC), accuracy, sensitivity, and specificity. A simple risk score calculator was developed using a regression model incorporating the most influential predictors from the best performing classifier. RESULTS: The study included 8633 patients from 74 countries, of whom 523 (6%) had ARDS. Gradient boosting had the highest mean AUC (0.78; 95% confidence interval [CI]: 0.67-0.88) and was considered the top performing classifier. Ten predictors were identified as key risk factors and were included in a regression model. The regression model that predicted ARDS with 71% (95% CI: 61%-83%) sensitivity in the test set, and with sensitivities ranging from 61% to 80% in countries with independent registries, was used to develop the risk score calculator. CONCLUSION: We were able to predict ARDS with good sensitivity using information readily available at COVID-19 diagnosis. The proposed risk score calculator has the potential to guide risk stratification for treatments, such as monoclonal antibodies, that have potential to reduce COVID-19 disease progression.
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 | 0,009 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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) | 0,001 | 0,001 |
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 ».