一种机器学习模型可以排除许多急诊患者中的COVID-19

　　研究人员已经证明了一种机器学习模型，该模型可以排除许多急诊患者中的COVID-19，并且所有算法所需的都是常规ER血液测试的数据。

　　佛蒙特大学（University of Vermont）的医学博士（MHS）的蒂莫西·普兰特（Timothy Plante）及其同事在《医学互联网研究》杂志上描述了他们的项目。

　　该团队通过逆转录聚合酶链反应（PCR）的测试证实了该模型在43家医院的大约2，200例COVID病例中的模型。

　　对于阴性对照，他们使用了在同一家医院就诊的10，000名大流行前患者。

　　为了进行外部验证，他们使用了23家医院，这些医院的PCR确诊病例超过1000，大流行前阴性对照约为172，000。

　　为了评估模型的准确性，Plante及其同事使用了接收器工作特性曲线下的面积以及灵敏度，特异性和负预测值。

　　根据外部验证数据集的风险分数截断（满分为100）中的1.0，该模型的敏感性为95.9%，特异性为41.7%。

　　当风险临界值提高到2.0时，该模型实现了92.6%的灵敏度和59.9%的特异性。

　　同时，在2.0临界值下，疾病流行率为1%，10%和20%时，阴性预测值分别为99.9%，98.6%和97%。

　　作者总结说：“利用多中心临床数据开发的机器学习模型结合了常用的ED实验室数据，证明了COVID-19状态的排除率很高，并且可能为基于PCR的测试的选择性使用提供信息。”

　　他们强调说，他们的模型整合了通常收集的实验室数据，并指出“其辨别精度可以分为优秀到优秀”。

　　责任编辑：lq