Cedera Ginjal Akut di antara orang Afrika-Amerika dengan Ciri dan Penyakit Sel Sabit

Skor risiko memprediksi prognosis pasien rawat jalan dengan COVID-19


Newswise – BOSTON – Skor berbasis kecerdasan buatan yang baru mempertimbangkan banyak faktor untuk memprediksi prognosis pasien individu dengan COVID-19 yang terlihat di klinik perawatan darurat atau unit gawat darurat. Alat yang dibuat oleh peneliti di Rumah Sakit Umum Massachusetts (MGH), dapat digunakan dengan cepat dan otomatis menentukan pasien mana yang paling mungkin mengalami komplikasi dan perlu dirawat di rumah sakit.

Dorongan untuk penelitian ini dimulai lebih awal selama epidemi AS ketika Massachusetts sering mengalami kunjungan perawatan darurat dan masuk rumah sakit. Saat bekerja sebagai dokter penyakit menular dan sebagai bagian dari tim MGH Biothreats, Gregory Robbins, MD, menyadari perlunya metode yang lebih canggih untuk mengidentifikasi pasien rawat jalan dengan risiko terbesar mengalami hasil negatif.

Seperti yang dijelaskan di Jurnal Penyakit Menular, tim ahli di bidang neurologi, penyakit menular, perawatan kritis, radiologi, patologi, pengobatan darurat, dan pembelajaran mesin merancang Skor Ketajaman (CoVA) COVID-19 berdasarkan masukan dari informasi pada 9.381 pasien rawat jalan dewasa yang terlihat di klinik penyakit pernapasan dan gawat darurat MGH antara 7 Maret dan 2 Mei 2020. “Ukuran sampel yang besar membantu memastikan bahwa model pembelajaran mesin dapat mempelajari bagian mana dari banyak data berbeda yang tersedia yang memungkinkan prediksi yang dapat diandalkan tentang perjalanan infeksi COVID-19,” kata M. Brandon Westover, MD, PhD, seorang penyelidik di Departemen Neurologi dan direktur Ilmu Data di MGH McCance Center for Brain Health. Westover adalah salah satu dari tiga rekan penulis senior penelitian ini, bersama dengan Robbins dan Shibani Mukerji, MD, PhD, direktur asosiasi Unit Penyakit Infeksi Saraf MGH.

CoVA kemudian diuji pada 2.205 pasien lain yang terlihat antara 3 Mei dan 14 Mei. “Menguji model secara prospektif membantu kami memverifikasi bahwa skor CoVA benar-benar berfungsi saat melihat pasien ‘baru’, di dunia nyata,” kata penulis pertama Haoqi Sun , PhD, peneliti di Departemen Neurologi dan anggota fakultas penelitian di MGH Clinical Data Animation Center (CDAC). Dalam kelompok validasi prospektif ini, 26,1 persen, 6,3 persen dan 0,5 persen pasien mengalami rawat inap, penyakit kritis atau kematian, masing-masing, dalam tujuh hari. CoVA menunjukkan kinerja yang sangat baik dalam memprediksi pasien mana yang akan termasuk dalam kategori ini.

Di antara 30 prediktor – termasuk demografi seperti usia dan jenis kelamin, status pengujian COVID-19, tanda-tanda vital, riwayat medis, dan hasil rontgen dada (jika tersedia) – lima teratas adalah usia, tekanan darah diastolik, saturasi oksigen darah, Status pengujian COVID-19 dan laju pernapasan.

“Sementara beberapa kelompok lain telah mengembangkan skor risiko untuk komplikasi COVID-19, skor kami unik karena didasarkan pada sampel pasien yang begitu besar, divalidasi secara prospektif, dan secara khusus dirancang untuk digunakan dalam pengaturan rawat jalan, daripada untuk pasien yang sudah dirawat di rumah sakit, “kata Mukerji. “CoVA dirancang agar penilaian otomatis dapat dimasukkan ke dalam sistem rekam medis elektronik. Kami berharap ini akan berguna jika terjadi lonjakan COVID-19 di masa depan, ketika penilaian klinis yang cepat mungkin penting.”

###

Tentang Rumah Sakit Umum Massachusetts

Rumah Sakit Umum Massachusetts, didirikan pada tahun 1811, adalah rumah sakit pendidikan asli dan terbesar di Sekolah Kedokteran Harvard. Mass General Research Institute melakukan program penelitian berbasis rumah sakit terbesar di negara ini, dengan operasi penelitian tahunan lebih dari $ 1 miliar dan terdiri dari lebih dari 9.500 peneliti yang bekerja di lebih dari 30 institut, pusat dan departemen. Pada Agustus 2020, Mass General dinobatkan sebagai # 6 dalam daftar US News & World Report dari “Rumah Sakit Terbaik Amerika.”


Diposting Oleh : https://totohk.co/

About the author