Published March 17, 2022
| Version v1
Publication
Open
Peer Review #1 of "Interpretable deep learning for the prediction of ICU admission likelihood and mortality of COVID-19 patients (v0.2)"
- 1. Stony Brook University Hospital
- 2. Zayed University
Description
The global healthcare system is being overburdened by an increasing number of COVID-19 patients.Physicians are having difficulty allocating resources and focusing their attention on high-risk patients, partly due to the difficulty in identifying high-risk patients early.COVID-19 hospitalizations require specialized treatment capabilities and can cause a burden on healthcare resources.Estimating future hospitalization of COVID-19 patients is, therefore, crucial to saving lives.In this paper, an interpretable deep learning model is developed to predict intensive care unit (ICU) admission and mortality of COVID-19 patients.The study comprised of patients from the Stony Brook University Hospital, with patient information such as demographics, comorbidities, symptoms, vital signs, and laboratory tests recorded.The top 3 predictors of ICU admission were Ferritin, diarrhoea, and Alamine Aminotransferase, and the top predictors for mortality were COPD, Ferritin, and Myalgia.The proposed model predicted ICU admission with an AUC score of 88.3% and predicted mortality with an AUC score of 96.3%.The proposed model was evaluated against existing model in the literature which achieved an AUC of 72.8% in predicting ICU admission and achieved an AUC of 84.4% in predicting mortality.It can clearly be seen that the model proposed in this paper shows superiority over existing models.The proposed model has the potential to provide tools to frontline doctors to help classify patients in time-bound and resource-limited scenarios.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
إن نظام الرعاية الصحية العالمي مثقل بالأعباء بسبب العدد المتزايد من مرضى كوفيد-19. يواجه الأطباء صعوبة في تخصيص الموارد وتركيز انتباههم على المرضى المعرضين لمخاطر عالية، ويرجع ذلك جزئيًا إلى صعوبة تحديد المرضى المعرضين لمخاطر عالية في وقت مبكر. تتطلب حالات دخول المستشفى بسبب كوفيد-19 قدرات علاجية متخصصة ويمكن أن تسبب عبئًا على موارد الرعاية الصحية. وبالتالي، فإن تقدير دخول مرضى كوفيد-19 إلى المستشفى في المستقبل أمر بالغ الأهمية لإنقاذ الأرواح. في هذه الورقة، تم تطوير نموذج تعلم عميق قابل للتفسير للتنبؤ بدخول وحدة العناية المركزة (ICU) ووفيات مرضى كوفيد-19. تتألف الدراسة من المرضى من مستشفى ستوني بروك الجامعي، مع معلومات المريض مثل التركيبة السكانية، والأمراض المصاحبة، والأعراض، والعلامات الحيوية، والاختبارات المعملية المسجلة. كانت أهم 3 تنبؤات لدخول وحدة العناية المركزة هي الفيريتين والإسهال والأمينو ترانسفيراز، وكانت أهم تنبؤات الوفيات هي مرض الانسداد الرئوي المزمن والفيريتين والألم العضلي. توقع النموذج المقترح دخول وحدة العناية المركزة بدرجة 88.3 ٪ من المساحة تحت المنحنى وتوقع الوفيات بنسبة 96.3٪ من المساحة تحت المنحنى. تم تقييم النموذج المقترح مقابل النموذج الحالي في الأدبيات التي حققت مساحة تحت المنحنى بنسبة 72.8 ٪ في التنبؤ بدخول وحدة العناية المركزة وحققت المنطقة تحت المنحنى بنسبة 84.4 ٪ في التنبؤ بالوفيات. يمكن أن نرى بوضوح أن النموذج المقترح في هذه الورقة يظهر التفوق على النماذج الحالية. النموذج المقترح لديه القدرة على توفير أدوات لأطباء الخطوط الأمامية للمساعدة في تصنيف المرضى في سيناريوهات محددة زمنياً ومحدودة الموارد.Translated Description (French)
Le système de santé mondial est surchargé par un nombre croissant de patients atteints de COVID-19.Les médecins ont du mal à allouer des ressources et à concentrer leur attention sur les patients à haut risque, en partie à cause de la difficulté à identifier les patients à haut risque tôt.Les hospitalisations liées à la COVID-19 nécessitent des capacités de traitement spécialisées et peuvent entraîner un fardeau sur les ressources de santé.Estimation des futures hospitalisations des patients atteints de COVID-19 est donc cruciale pour sauver des vies.Dans ce document, un modèle d'apprentissage en profondeur interprétable est développé pour prédire l'admission en unité de soins intensifs (USI) et la mortalité des patients atteints de COVID-19.L' étude composée de patients du Stony Brook University Hospital, avec des informations sur les patients telles que les données démographiques, les comorbidités, les symptômes, les signes vitaux et les tests de laboratoire enregistrés. Les 3 principaux prédicteurs de l'admission aux soins intensifs étaient la ferritine, la diarrhée et l'alamine aminotransférase, et les principaux prédicteurs de la mortalité étaient la BPCO, la ferritine et la myalgie. Le modèle proposé prévoyait l'admission aux soins intensifs avec un score ASC de 88,3 % et prédisait la mortalité avec un score ASC de 96,3 %. Le modèle proposé a été évalué par rapport au modèle existant dans la littérature qui a atteint une ASC de 72,8 % dans la prédiction de l'admission aux soins intensifs et a atteint une ASC de 84,4 % dans la prédiction de la mortalité. On peut clairement voir que le modèle proposé dans cet article montre une supériorité sur les modèles existants. Le modèle proposé a le potentiel de fournir des outils aux médecins de première ligne pour aider à classer les patients dans des scénarios limités dans le temps et les ressources.Translated Description (Spanish)
El sistema de salud global está siendo sobrecargado por un número creciente de pacientes con COVID-19. Los médicos están teniendo dificultades para asignar recursos y enfocar su atención en pacientes de alto riesgo, en parte debido a la dificultad de identificar a los pacientes de alto riesgo temprano. Las hospitalizaciones por COVID-19 requieren capacidades de tratamiento especializado y pueden causar una carga en los recursos de atención médica. Por lo tanto, estimar la hospitalización futura de los pacientes con COVID-19 es crucial para salvar vidas. En este documento, se desarrolla un modelo de aprendizaje profundo interpretable para predecir el ingreso en la unidad de cuidados intensivos (UCI) y la mortalidad de los pacientes con COVID-19. El estudio compuesto por pacientes del Hospital Universitario Stony Brook, con información del paciente como datos demográficos, comorbilidades, síntomas, signos vitales y pruebas de laboratorio registradas. Los 3 principales predictores de ingreso en la UCI fueron Ferritina, diarrea y Alamina Aminotransferasa, y los principales predictores de mortalidad fueron EPOC, Ferritina y Mialgia. El modelo propuesto predijo el ingreso en la UCI con una puntuación de AUC del 88,3% y la mortalidad prevista con una puntuación de AUC del 96,3%. El modelo propuesto se evaluó frente al modelo existente en la literatura que logró un AUC del 72,8% en la predicción del ingreso en la UCI y logró un AUC del 84,4% en la predicción de la mortalidad. Se puede ver claramente que el modelo propuesto en este documento muestra superioridad sobre los modelos existentes. El modelo propuesto tiene el potencial de proporcionar herramientas a los médicos de primera línea para ayudar a clasificar a los pacientes en escenarios con plazos y recursos limitados.Files
submission.pdf
Files
(915.1 kB)
| Name | Size | Download all |
|---|---|---|
|
md5:f9c09d7b4a1d89a97c52d409172460c4
|
915.1 kB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- مراجعة الأقران رقم1 من "التعلم العميق القابل للتفسير للتنبؤ باحتمالية دخول وحدة العناية المركزة ووفيات مرضى كوفيد-19 (الإصدار 0.2 )"
- Translated title (French)
- Examen par les pairs n °1 de « Interpretable deep learning for the prediction of ICU admission likelihood and mortality of COVID-19 patients (v0.2) »
- Translated title (Spanish)
- Revisión por pares n .º1 de "Aprendizaje profundo interpretable para la predicción de la probabilidad de ingreso en la UCI y la mortalidad de pacientes con COVID-19 (v0.2)"
Identifiers
- Other
- https://openalex.org/W4220670984
- DOI
- 10.7287/peerj-cs.889v0.2/reviews/1