محققان یک محاسبه گر خطر مرگ و میر بر اثر COVID-19 را معرفی کردند
13 ژوئیه 2020 - بیماری همه گیر COVID-19 که از شش ماه پیش شیوع یافته است، بیش از 12.8 میلیون نفر را مبتلا کرده و جان بیش از 568،000 نفر را تاکنون گرفته است. این بیماری ناشی از سندرم شدید حاد تنفسی کروناویروس 2 (SARS-CoV-2) است که موجب تحریک تحقیقات فشرده در سراسر جهان بمنظور مشخص کردن عوامل خطر و نحوه ی شیوع آن شده است. این گونه تحقیقات می تواند، به طور قابل توجهی مدیریت بیماران را در تمام مراحل بهبود بخشد. با این حال، نبود داده های کافی و سرعت بالای انتشار این بیماری باعث شده است که این روند دشوار شود.
یک مطالعه جدید که در ژوئیه ی سال 2020 بر روی سرورmedRxiv منتشر شده است، استفاده از یادگیری ماشین را برای درک بهتر از عوامل خطر در گروههای بزرگ و مختلط شرح می دهد. استفاده از الگوریتم ها می تواند به ارزیابی عینی این عوامل کمک کند و ممکن است اندرکنش هایی را که شاید در یک مطالعه ی صرفاً مشاهده ای نادیده گرفته شده باشند، آشکار کند.
عملکرد ابزار CMR
مطالعه ی حاضر یک "ابزار محاسبه گر خطر مرگ و میر ناشی از COVID-19 یا CMR" ، که یک مدل یادگیری ماشین جدید است، را معرفی نمود. این ابزار به منظور پیش بینی میزان مرگ و میر بیماران بستری مبتلا به COVID-19 ابداع شده است. این امر به ارائه مراقبت از بیماران در یک سیستم، بر اساس امکان امتیاز دهی به فرد کمک می کند. داده ها از بسیاری از مراکز در ایالات متحده و اروپا جمع آوری شده اند و شامل داده های جمعیتی، نتایج آزمایشگاهی و بیماری هایی است که افراد همزمان به آنها نیز مبتلا بوده اند.
محققان از الگوریتم XGBoost استفاده کردند که یک روش یادگیری تجمعی ماشین است و می تواند برای پیش بینی احتمالات استفاده شود. توانایی XGBoost برای ضبط عوامل خطر غیرخطی به عملکرد قوی آن در پیش بینی منجر می شود. محققان همچنین دریافتند که عوامل خطر پذیرفته شده ی رایج مانند سن و اکسیژن رسانی ضعیف به ریه ها در واقع با ریسک بالایی برای مرگ و میر همراه هستند.
در این مطالعه ابتدا یک گروه بین المللی از سه بیمارستان اسپانیا، ایتالیا و ایالات متحده در نظر گرفته شدند. سپس گروه مورد آزمایش برای اعتبار سنجی این ابزار از بیماران بستری از شش بیمارستان مستقر در یونان، اسپانیا و ایالات متحده انتخاب شدند. این کار به محققان اطمینان داد که هم پروفایل بیماران و هم میزان مرگ و میر بسیار متنوع هستند.
بهینه سازی بازده مدل
مدل فعلی شکل پیشرفته ی مدل قبلی است که توسط دکتر پورهمایون و همکارانش(2020) ارائه شده بود اما از نظر دامنه ی داده های بیمار جامع نبود. در این مطالعه، جمعیت نهایی بیش از 3000 بیمار را شامل شد که درصد مرگ و میر مشاهده شده در میان آنها حدود 27 درصد بود. رابطه ی علیتی بیشتر به نظر می رسید، به بالاتر بودن سن(80 نفر در مقابل 64 نفر بقأ یافته)، و مرد بودن،- زیرا 67 درصد از جان باختگان مرد بودند، اگرچه مردان 58 درصد از این گروه را تشکیل می دادند- تمایل داشت. بیماری هایی مانند آریتمی قلبی، بیماری کلیوی مزمن و دیابت در افرادی که جان خود را از دست داده بودند، بیشتر دیده می شد.
این مدل بهترین عملکرد را وقتی ارائه می دهد که مرگ و میر پایه خیلی کم نباشد، در این حالت دقت و ویژگی[1] 87٪ است. این مطالعه مهمترین عوامل خطر مرگ و میر را : بالا بودن اوره خون بیش از 20 میلی گرم در دسی لیتر، CRP یا پروتئین واکنشی C بالاتر از 160 میلی گرم در لیتر و اشباع اکسیژن زیر 93٪ به ویژه با افزایش سن شناسایی کرد. سطح کراتینین خون بالاتر از 1.2 میلی گرم در دسی لیتر نیز خطر مرگ و میر را افزایش می دهد. سطح قند خون بالای 180 میلی گرم در دسی لیتر یک عامل خطرزا است، به خصوص برای افراد مسن، و همچنین آسپارتات آمینوترانسفراز (AST) بیش از 65واحد در لیتر، یکی دیگر از عوامل خطر است. تعداد پلاکتها در گروههای سنی مختلف بر خطر مرگ و میر تأثیر متفاوتی می گذارد. تعداد پلاکت زیر 50 x 103 در میکرولیتر، خطر را افزایش می دهد، اما بین 50 x 103 تا 180 x 103 در میکرولیتر، خطر مرگ را کمتر افزایش می دهد.
پیامدها و نتیجه گیری
محاسبه گر CMR ، ارائه شده در اینجا اجازه می دهد تا مرگ و میر بر اساس ویژگی ها و اقدامات بالینی اولیه پیش بینی شود. این امر امکان تفکیک کارآمد بیماران را فراهم می آورد تا استفاده از منابع کمیاب بهینه سازی گردد. این امر به ویژه هنگامی مفید است که مرکز به آزمایشگاه تشخیصی مجهز نباشد.
این مطالعه نشان داد که سن عامل اصلی در تعیین خطر مرگ است، هنگامی که سایر عوامل مانند اشباع کم اکسیژن نیز وجود داشته باشد. وجود این شرایط همچنین برای تشخیص بیمارانی که دچار پریشانی و نارسایی تنفسی خواهند شد، مفید است. فاكتورهای خطر در میان نتایج آزمایشات آزمایشگاهی شامل میزان اوره خون، كراتینین، قند خون، AST و پلاكت بودند. اینها می توانند نشانگرهای زیستی نیز باشند و به تشخیص افراد در معرض خطر پنومونی شدید اکتسابی از جامعه، کمک می کنند.
پروتئین واکنشی C ، یک نشانگر گسترده التهابی است، که چنانچه فراتر از 50 میلی گرم در لیتر باشد، ابتدا اثر جزئی دارد و فراتر از 130 میلی گرم در لیتر، باعث افزایش قابل توجه مرگ و میر می شود. بالا رفتن اوره و کراتینین نشان دهنده ی بیماری سیستمیک شدید همراه با کاهش عملکرد کلیه است، که یک نشانگر پیش آگهی ضعیف می باشد.
برای استفاده از این مدل در بیمارستانهای دیگر، آستانه ی این مدل باید با شدت آن گروه کالیبره شود، و آن را با یک نمونه تاریخی در همان مکان مقایسه نمود. محققان همچنین یک برنامه آنلاین ایجاد کرده اند تا امکان استفاده ی سریع پزشکان از این ابزار را فراهم کرده است.
این مطالعه نتیجه گیری می کند، "این مطالعه ی بین المللی یک محاسبه گر خطر مرگ و میر با دقت بالا را برای بیماران بستری با آزمایش تأیید COVID-19 ارائه نمود. مدل CMR ، چندین عامل خطر گزارش شده را تأیید می کند و از طریق یک رابط کاربر پسند دیدگاه هایی را به کاربران ارائه می دهد. اعتبار سنجی با داده های خارجی نشان دهنده ی یک قدرت پیش بینی عمومی برای جمعیتها در اروپا و ایالات متحده بود که می تواند به عنوان یک ابزار پشتیبانی به پزشکان کمک کند.
این ابزار می تواند به متخصصان مراقبت های بهداشتی کمک کند تا بیماران را منطقی تر تریاژ و درمان نمایند.
منبع:
https://www.news-medical.net/news/20200713/Researchers-develop-COVID-19-mortality-risk-calculator.aspx