Aviso: Esta página é uma tradução automática da página original em inglês. Por favor note uma vez que as traduções são geradas por máquinas, não tradução tudo será perfeita. Este site e suas páginas da Web destinam-se a ler em inglês. Qualquer tradução deste site e suas páginas da Web pode ser imprecisas e imprecisos no todo ou em parte. Esta tradução é fornecida como uma conveniência.

Identificação dos pacientes longos de COVID que usam dados grandes

A doença 2019 do coronavirus (COVID-19) afectou milhões de povos, deixando muitos com os sintomas crônicos ou persistentes. Estes são chamados covid longo ou os sequelae cargo-agudos da infecção do coronavirus 2 da Síndrome Respiratória Aguda Grave (SARS-CoV-2) (PASC).

Estudo: Quem tem longo-COVID? Uma aproximação grande dos dados. Crédito de imagem: eamesBot/ShutterstockEstudo: Quem tem longo-COVID? Uma aproximação grande dos dados. Crédito de imagem: eamesBot/Shutterstock

Uma pré-impressão nova, disponíveis no server da pré-impressão do medRxiv*, nos dados grandes das façanhas a vir acima com algumas respostas a respeito da incidência, no tratamento, e no impacto em sistemas de saúde de covid longo.

Fundo

O covid longo tomou um pedágio na saúde humana e no bem estar por seus efeitos debilitantes nos pacientes, aqueles que tomam deles, aqueles que serviram mais cedo, e os sistemas de saúde cobraram com o fornecimento de cuidados médicos a eles. Os custos sociais e econômicos altos de tal doença são óbvios.

Quando a doença aguda impactar os sistemas múltiplos do corpo, incluindo os pulmões, o intestino, o cérebro, e o coração, a doença a longo prazo está compreendida menos. O covid longo do termo é considerado representar “sintomas persistentes ou novos mais de quatro semanas após a infecção SARS-CoV-2 severa, suave, ou assintomática.”

A variedade completa de sinais e sintomas que compo o covid longo e a tempo-escala longa envolvida para ter feito seus diagnóstico e gestão uma matéria da dificuldade principal. Contudo, é uma matéria urgente que deixou muito milhares de pessoas desqualificado para o dia-a-dia, às extensões de variação.

Diversos estudos trouxeram para fora a vasta gama de sintomas pacientes devido ao covid longo usando a captação instantânea e estratégias de monitoração longitudinais. A ontologia humana do fenótipo (HPO) foi usada igualmente para mostrar como as características múltiplas caracterizam o covid longo. Ao mesmo tempo, as directrizes (WHO) da Organização Mundial de Saúde oferecem um critério de 12 pontos para diagnosticar esta condição dos dados auto-relatados e clínicos.

Os institutos de saúde nacionais (NIH) nos EUA conduziram similarmente um grande RECUPERAM o estudo com os milhares de participantes desenhados do país inteiro para ajudar a desembaraçar os factores de risco na gravidez, os efeitos na função psicológica e cognitiva, e as diferenças no resultado entre pacientes. O uso da aprendizagem de máquina (ML) e de registos de saúde eletrônicos (EHRs) pode ajudar pesquisadores a evoluir os algoritmos exactos que seleccionam os pacientes de alto risco que usam um padrão definido.

Isto foi testado para fora pela coorte nacional colaboradora (N3C), um dados-recolhimento de COVID com o projecto analítico que reune e unifica dados de EHRs obteve de 65 locais e de oito milhão pacientes durante um período de tempo. O projecto é financiado pelo centro nacional de NIH para avançar as ciências Translational (NCATS).

Usa dados dos pacientes com infecção confirmada com SARS-CoV-2, aqueles com os sintomas sugestivos desta infecção, e controles combinados sem este diagnóstico. Os dados pacientes longos de Covid de três locais NC3 foram recolhidos e ligados NC3 à base de dados, este serviço para treinar três modelos do ML que foram testados então antes de ser usada para conseguir o resultado desejado.

O alvo era definir o grupo de pacientes, em uma base de âmbito nacional, que fosse em risco do covid longo. Em segundo lugar, para definir as características clínicas importantes desta coorte para ajudar a pegarar participantes novos potenciais para estudos da pesquisa e manifestações clínicas práticas.

“Os NIH RECUPERAM o programa investiram em SEUS estudos para compreender PASC, para identificar exactamente quem tem PASC, e para impedir e tratar PASC.” Neste contexto, o estudo actual descreve os modelos muito exactos que foram treinados por SEUS dados dos pacientes em uma clínica longa do covid.

Que o estudo mostrou?

Os modelos criados com estes dados provados ser facilmente reprodutível e bem-compreendidos. Podem ser usados em facilidades individuais para recrutar pesquisadores locais e para analisar os dados recolhidos. Os factores de risco com o valor com carácter de previsão o mais alto eram comparecimento do paciente não hospitalizado para o covid longo, idade, sintomas respiratórios, e outras características diagnósticas e clínicas.

A natureza longitudinal dos dados significa que é uma camada inicial em grande escala de dados em que uma modelagem mais adicional do ML pode ser realizada para identificar o covid longo. Com mais e origens de dados mais novas da eletrônica wearable, os modelos podem ser mais exactos e discriminativos. Dando indicações das possibilidades que um paciente desenvolverá esta circunstância, espera-se que a melhor gestão clínica se tornará eventualmente possível.

Os pacientes que tiveram COVID-19 mas Covid nao longo teve perfis demográficos diferentes no NC3, especialmente de que mais do anterior eram fêmeas.

Estes são sabidos para pôr pacientes em risco de um COVID-19 agudo mais severo mas podem igualmente aumentar a probabilidade do covid longo

A associação de sintomas e de tratamentos respiratórios com as drogas tais como o albuterol e esteróides inalados não é surpreendente, dado que o vírus é um micróbio patogénico respiratório. a doença reactiva Cargo-viral das vias aéreas é freqüente entre os pacientes COVID-19, como esperado com infecções respiratórias do vírus.

os sintomas Não-respiratórios são relatados igualmente extensamente em Covid longo, incluindo desordens de sono, ansiedade e mal-estar, constipação, e dor no peito. Similarmente, estes pacientes têm um uso mais alto do lorazepam, do melatonin, e do glicol de polietileno 3350.

O uso de Dexamethasone foi associado inversa com o covid longo. Importante, quando a vacina foi recebida depois da infecção natural, a probabilidade do covid longo foi reduzida, indicando a capacidade da vacina para proteger contra COVID-19 sintomático e severo, assim como o covid do morte e o longo depois da infecção.

Estas tendências são visíveis usando SEUS dados, apoiando seu uso na selecção de coortes da pesquisa assim como para estudar hipóteses sobre factores sociais e demográficos, condições subjacentes e tratamentos a respeito do covid longo, assim como como a severidade aguda da doença é relacionada aos sinais e aos sintomas específicos do covid longo.

Que são as implicações?

O uso de SEUS dados deve ser compreendido em termos das oportunidades que dá recrutando uma coorte dos pacientes pela selecção computacional, baseada puramente nas características clínicas do paciente naquele imediato com critérios combinados da inclusão e da exclusão. Os critérios largos usados permitem os proxys sejam utilizados, assim ampliando o espaço da inclusão, embora permite que alguns pacientes estranhos sejam recrutados.

É igualmente necessário reconhecer que a maioria destes dados vem dos pacientes que são prováveis usar cuidados médicos, aqueles que são mais doentes, e pacientes internado, deixando para fora grandes populações com o acesso limitado a ou a capacidade pagar por cuidados médicos, e aqueles hospitais de visita sem SUAS capacidades, incluir pequeno ou clínicas ou hospitais da comunidade. Isto significa a necessidade de usar outros métodos para alcançar tais grupos para conseguir a maiores diversidade e representação.

Enquanto as coortes maiores de pacientes longos-COVID são estabelecidas, a pesquisa futura deve identificar secundário-fenótipos de longo-COVID aglomerando pacientes longos-COVID com similar SEUS dados “impressões digitais.”

O modelo pode ser refinado ao longo do tempo usando o influxo dos dados de NC3 e do grande tamanho das amostras.

observação *Important

o medRxiv publica os relatórios científicos preliminares que par-não são revistos e, não devem conseqüentemente ser considerados como conclusivos, guia a prática clínica/comportamento saúde-relacionado, ou tratado como a informação estabelecida.

Journal reference:
Dr. Liji Thomas

Written by

Dr. Liji Thomas

Dr. Liji Thomas is an OB-GYN, who graduated from the Government Medical College, University of Calicut, Kerala, in 2001. Liji practiced as a full-time consultant in obstetrics/gynecology in a private hospital for a few years following her graduation. She has counseled hundreds of patients facing issues from pregnancy-related problems and infertility, and has been in charge of over 2,000 deliveries, striving always to achieve a normal delivery rather than operative.

Citations

Please use one of the following formats to cite this article in your essay, paper or report:

  • APA

    Thomas, Liji. (2021, October 26). Identificação dos pacientes longos de COVID que usam dados grandes. News-Medical. Retrieved on January 20, 2022 from https://www.news-medical.net/news/20211026/Identification-of-long-COVID-patients-using-big-data.aspx.

  • MLA

    Thomas, Liji. "Identificação dos pacientes longos de COVID que usam dados grandes". News-Medical. 20 January 2022. <https://www.news-medical.net/news/20211026/Identification-of-long-COVID-patients-using-big-data.aspx>.

  • Chicago

    Thomas, Liji. "Identificação dos pacientes longos de COVID que usam dados grandes". News-Medical. https://www.news-medical.net/news/20211026/Identification-of-long-COVID-patients-using-big-data.aspx. (accessed January 20, 2022).

  • Harvard

    Thomas, Liji. 2021. Identificação dos pacientes longos de COVID que usam dados grandes. News-Medical, viewed 20 January 2022, https://www.news-medical.net/news/20211026/Identification-of-long-COVID-patients-using-big-data.aspx.