COVID-19検査陽性のリスク予測を個別化。11,672人の患者からの結果

/ /

日本語AIでPubMedを検索

PubMedの提供する医学論文データベースを日本語で検索できます。AI(Deep Learning)を活用した機械翻訳エンジンにより、精度高く日本語へ翻訳された論文をご参照いただけます。

Chest.2020 Jun;S0012-3692(20)31654-8. doi: 10.1016/j.chest.2020.05.580.Epub 2020-06-10.

COVID-19検査陽性のリスク予測を個別化。11,672人の患者からの結果

Individualizing Risk Prediction for Positive COVID-19 Testing: Results from 11,672 Patients.

Lara Jehi
Xinge Ji
Alex Milinovich
Serpil Erzurum
Brian Rubin
Steve Gordon
James Young
Michael W Kattan

PMID: 32533957 PMCID: PMC7286244. DOI: 10.1016/j.chest.2020.05.580.

抄録

背景:

コロナウイルス病2019（COVID-19）が世界中を席巻している。複数の症例があるにもかかわらず、積極的に意思決定を調整するための実用的な知識が不足している。

BACKGROUND: Coronavirus disease-2019 (COVID-19) is sweeping the globe. Despite multiple case-series, actionable knowledge to tailor decision-making proactively is missing.

研究課題:

統計モデルはCOVID-19への感染を正確に予測できるか？

RESEARCH QUESTION: Can a statistical model accurately predict infection with COVID-19?

研究デザインおよび方法:

我々は、Cleveland ClinicでCOVID-19検査を受けた全患者のプロスペクティブレジストリーを開発し、個別化されたリスク予測モデルを作成した。ここでは、鼻または咽頭のCOVID-19検査が陽性となる可能性に焦点を当てている。最小絶対収縮および選択演算子ロジスティック回帰アルゴリズムが構築され、モデルの交差検証されたコンコーダンス指数に寄与しない変数が削除された。時間的にも地理的にも異なるコホートでの外部検証の後、統計的予測モデルはノモグラムとして図示され、オンラインリスク計算機に展開された。

STUDY DESIGN AND METHODS: We developed a prospective registry of all patients tested for COVID-19 in Cleveland Clinic to create individualized risk prediction models. We focus here on the likelihood of a positive nasal or oropharyngeal COVID-19 test. A least absolute shrinkage and selection operator logistic regression algorithm was constructed that removed variables that were not contributing to the model's cross-validated concordance index. After external validation in a temporally and geographically distinct cohort, the statistical prediction model was illustrated as a nomogram and deployed in an online risk calculator.

結果:

開発コホートでは、11,672人の患者が試験基準を満たし、その中にはCOVID-19が陽性と判定された818人（7.0％）の患者が含まれていた。男性、アフリカ系アメリカ人、高齢の患者、およびCOVID-19への曝露が知られている患者はCOVID-19陽性のリスクが高かった。肺炎球菌多糖体またはインフルエンザワクチンを服用している患者、またはメラトニン、パロキセチン、カルベジロールを服用している患者ではリスクは低下した。我々のモデルは良好な識別性（c-statistic=0.863：開発コホート、0.840：検証コホート）と較正性を有していた。異なる予測カットオフポイントでの感度、特異度、負の予測値、正の予測値を提示する。計算機は https://riskcalc.org/COVID19 で自由に利用できる。

RESULTS: In the development cohort, 11,672 patients fulfilled study criteria, including 818 patients (7.0%) who tested positive for COVID-19; in the validation cohort, 2295 patients fulfilled criteria, including 290 patients who tested positive for COVID-19. Male, African American, older patients, and those with known COVID-19 exposure were at higher risk of being positive for COVID-19. Risk was reduced in those who had pneumococcal polysaccharide or influenza vaccine or who were on melatonin, paroxetine, or carvedilol. Our model had favorable discrimination (c-statistic = 0.863 in the development cohort and 0.840 in the validation cohort) and calibration. We present sensitivity, specificity, negative predictive value, and positive predictive value at different prediction cutoff points. The calculator is freely available at https://riskcalc.org/COVID19.

インタープリテーション:

COVID-19陽性検査の予測は可能であり、医療資源の方向付けに役立つ可能性がある。我々は、COVID-19の感受性における年齢、人種、性別、社会経済的特徴の関連性を示し、薬剤再利用研究で同定された特定の一般的な予防接種と薬剤の潜在的な修飾的役割を示唆している。

INTERPRETATION: Prediction of a COVID-19 positive test is possible and could help direct health care resources. We demonstrate relevance of age, race, sex, and socioeconomic characteristics in COVID-19 susceptibility and suggest a potential modifying role of certain common vaccinations and drugs that have been identified in drug-repurposing studies.