Advertencia: Esta página es una traducción de esta página originalmente en inglés. Tenga en cuenta ya que las traducciones son generadas por máquinas, no que todos traducción será perfecto. Este sitio Web y sus páginas están destinadas a leerse en inglés. Cualquier traducción de este sitio Web y su páginas Web puede ser imprecisa e inexacta en su totalidad o en parte. Esta traducción se proporciona como una conveniencia.

Identificación de los pacientes largos de COVID que usan datos grandes

La enfermedad 2019 (COVID-19) del coronavirus ha afectado a millones de gente, dejando muchos con síntomas crónicos o persistentes. Éstos se llaman covid largo o las secuelas poste-agudas de la infección del coronavirus 2 de la neumonía asiática (SARS-CoV-2) (PASC).

Estudio: ¿Quién tiene largo-COVID? Una aproximación grande de los datos. Haber de imagen: eamesBot/ShutterstockEstudio: ¿Quién tiene largo-COVID? Una aproximación grande de los datos. Haber de imagen: eamesBot/Shutterstock

Una nueva prueba preliminar, disponibles en el servidor de la prueba preliminar del medRxiv*, los datos grandes de las hazañas a subir con algunas respuestas en cuanto a la incidencia, el tratamiento, y el impacto en los sistemas sanitarios de covid largo.

Fondo

El covid largo ha tomado un peaje en salud humana y bienestar por sus efectos debilitantes sobre los pacientes, los que toman el cuidado de ellos, ésos que sirvieron anterior, y los sistemas sanitarios encargaron de ofrecerles asistencia médica. Los altos costos sociales y económicos de tal enfermedad son obvios.

Mientras que la enfermedad aguda afecta sistemas múltiples de la carrocería, incluyendo los pulmones, la tripa, el cerebro, y el corazón, la enfermedad a largo plazo se entiende menos. El covid largo del término se considera representar “síntomas persistentes o nuevos más de cuatro semanas después de la infección severa, suave, o asintomática SARS-CoV-2.”

La variedad escarpada de signos y síntomas que componen el covid largo y el implicado de escala de tiempo largo para haber hecho su diagnosis y administración una cuestión de dificultad importante. Sin embargo, es una cuestión urgente en que ha dejado a muchos millares de gente incapacitada para la vida de cada día, a los fragmentos diversos.

Varios estudios han puesto en evidencia la amplia gama de los síntomas pacientes debido al covid largo usando captura instantánea y estrategias de supervisión longitudinales. La ontología humana del fenotipo (HPO) también fue utilizada para mostrar cómo las características múltiples caracterizan el covid largo. Al mismo tiempo, las pautas (WHO) de la Organización Mundial de la Salud ofrecen una consideración de 12 puntos para diagnosticar esta condición de datos uno mismo-denunciados y clínicos.

Los institutos de la salud nacionales (NIH) en los E.E.U.U. han conducto semejantemente un grande RECUPERAN estudio con millares de participantes drenados de todas partes del país para ayudar a desenredar los factores de riesgo en embarazo, los efectos sobre la función psicológica y cognoscitiva, y las diferencias en resultado entre los pacientes. El uso del aprendizaje de máquina (ML) y de historiales médicos electrónicos (EHRs) puede ayudar a investigadores a desarrollar los algoritmos exactos que escogen a los pacientes de alto riesgo que usan un patrón definido.

Esto ha sido probada fuera por la cohorte nacional colaborativa (N3C), una dato-acopio de COVID cum el proyecto analítico que reúne y unifica datos de EHRs obtuvo a partir de 65 sitios y de ocho millones de pacientes durante un tiempo. El proyecto es financiado por el centro nacional de NIH para avance las ciencias de translación (NCATS).

Utiliza datos de pacientes con la infección confirmada con SARS-CoV-2, ésos con los síntomas sugestivos de esta infección, y mandos igualados sin esta diagnosis. Los datos pacientes largos de Covid a partir de tres sitios NC3 cerco y fueron enlazados NC3 a la base de datos, esta porción para entrenar a tres modelos del ml que entonces fueron probados antes de ser utilizado para lograr el resultado deseado.

El objetivo era definir al grupo de pacientes, sobre una base a escala nacional, que estaba a riesgo de covid largo. En segundo lugar, definir las características clínicas importantes de esta cohorte para ayudar a tomar a los nuevos participantes potenciales para los estudios de la investigación y las manifestaciones clínicas prácticas.

“Los NIH RECUPERAN programa han invertido en SUS estudios para entender PASC, para determinar exacto quién tiene PASC, y prevenir y tratar PASC.” En este contexto, el estudio actual describe los modelos muy exactos que han sido entrenados por SUS datos de pacientes en una clínica larga del covid.

¿Qué el estudio mostró?

Los modelos creados con estos datos demostrados ser fácilmente reproductivo y bien-entendidos. Pueden ser utilizados en instalaciones individuales para reclutar a investigadores locales y para analizar los datos cerco. Los factores de riesgo con el valor profético más alto eran atención del paciente no internado para el covid largo, edad, síntomas respiratorios, y otras características diagnósticas y clínicas.

La naturaleza longitudinal de los datos significa que es una capa inicial en grande de los datos en los cuales el modelado adicional del ml se puede realizar para determinar el covid largo. Con más y más nuevas fuentes de datos de la electrónica usable, los modelos pueden ser más exactos y discriminatorios. Dando las indicaciones de las ocasiones que un paciente desarrollará esta condición, se espera que una mejor administración clínica hará eventual posible.

Los pacientes que tenían COVID-19 pero Covid no largo tenía diversos perfiles demográficos en el NC3, especialmente de que la mayor parte del anterior eran femeninos.

Éstos se saben para poner a pacientes en riesgo de un COVID-19 agudo más severo pero pueden también aumentar la probabilidad del covid largo

La asociación de síntomas y de tratamientos respiratorios con las drogas tales como albuterol y esteroides inhalados no es asombrosamente, dado que el virus es un patógeno respiratorio. La enfermedad reactiva posvírica de las aerovías es frecuente entre los pacientes COVID-19, como se esperaba con infecciones respiratorias del virus.

los síntomas No-respiratorios también se denuncian extensamente en Covid largo, incluyendo trastornos del sueño, ansiedad y malestar, estreñimiento, y dolor de pecho. Semejantemente, estos pacientes tienen uso más alto del lorazepam, del melatonin, y del glicol de polietileno 3350.

El uso de Dexamethasone fue asociado inverso al covid largo. Importantemente, cuando la vacuna fue recibida después de la infección natural, la probabilidad del covid largo fue reducida, indicando la capacidad de la vacuna de proteger contra COVID-19 sintomático y severo, así como el covid del muerte y largo después de la infección.

Estas tendencias son visibles usando SUS datos, soportando su uso en la selección de cohortes de la investigación así como estudiar hipótesis sobre factores sociales y demográficos, condiciones subyacentes y tratamientos referentes a covid largo, así como cómo la severidad aguda de la enfermedad se relaciona con los signos y los síntomas específicos del covid largo.

¿Cuáles son las implicaciones?

El uso de SUS datos se debe entender en términos de oportunidades que da para reclutar una cohorte de pacientes por la selección de cómputo, basada puramente en las características clínicas del paciente en eso inmediato con consideraciones igualadas de la partícula extraña y de la exclusión. Las consideraciones amplias usadas permiten los poderes sean utilizados, así aumentando la extensión de la partícula extraña, aunque permite que recluten a algunos pacientes extraños.

Es también necesario reconocer que la mayor parte de estos datos vienen de los pacientes que son probables utilizar atención sanitaria, los que estén más enfermos, y hospitalizado, dejando fuera las poblaciones grandes con el acceso limitado a o capacidad de pagar atención sanitaria, y esos hospitales que visitan sin SUS capacidades, incluyendo las clínicas o los hospitales pequeños o de la comunidad. Esto significa la necesidad de utilizar otros métodos para llegar hasta a tales grupos para lograr mayores diversidad y representación.

Mientras que cohortes más grandes de pacientes largos-COVID se establecen, la investigación futura debe determinar sub-fenotipos de largo-COVID agrupando a pacientes largos-COVID con similar SUS datos “huellas dactilares.”

El modelo se puede refinar en un cierto plazo usando la afluencia de datos de NC3 y de gran tamaño de las muestras.

advertencia *Important

el medRxiv publica los partes científicos preliminares que par-no se revisan y, por lo tanto, no se deben mirar como concluyentes, conduce práctica clínica/comportamiento relativo a la salud, o tratado como información establecida.

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). Identificación de los pacientes largos de COVID que usan datos 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. "Identificación de los pacientes largos de COVID que usan datos 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. "Identificación de los pacientes largos de COVID que usan datos 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. Identificación de los pacientes largos de COVID que usan datos grandes. News-Medical, viewed 20 January 2022, https://www.news-medical.net/news/20211026/Identification-of-long-COVID-patients-using-big-data.aspx.