Portal de investigación
Developing an interpretable machine learning model for predicting COVID-19 patients deteriorating prior to intensive care unit admission using laboratory markers.
Fecha de publicación:
Fecha Ahead of Print:
Autores de IIS La Fe
Participantes ajenos a IIS La Fe
- Reina-Reina A
- Barrera JM
- Maté A
- Trujillo JC
Grupos
Abstract
Coronavirus disease (COVID-19) remains a significant global health challenge, prompting a transition from emergency response to comprehensive management strategies. Furthermore, the emergence of new variants of concern, such as BA.2.286, underscores the need for early detection and response to new variants, which continues to be a crucial strategy for mitigating the impact of COVID-19, especially among the vulnerable population. This study aims to anticipate patients requiring intensive care or facing elevated mortality risk throughout their COVID-19 infection while also identifying laboratory predictive markers for early diagnosis of patients. Therefore, haematological, biochemical, and demographic variables were retrospectively evaluated in 8,844 blood samples obtained from 2,935 patients before intensive care unit admission using an interpretable machine learning model. Feature selection techniques were applied using precision-recall measures to address data imbalance and evaluate the suitability of the different variables. The model was trained using stratified cross-validation with k=5 and internally validated, achieving an accuracy of 77.27%, sensitivity of 78.55%, and area under the receiver operating characteristic (AUC) of 0.85; successfully identifying patients at increased risk of severe progression. From a medical perspective, the most important features of the progression or severity of patients with COVID-19 were lactate dehydrogenase, age, red blood cell distribution standard deviation, neutrophils, and platelets, which align with findings from several prior investigations. In light of these insights, diagnostic processes can be significantly expedited through the use of laboratory tests, with a greater focus on key indicators. This strategic approach not only improves diagnostic efficiency but also extends its reach to a broader spectrum of patients. In addition, it allows healthcare professionals to take early preventive measures for those most at risk of adverse outcomes, thereby optimising patient care and prognosis.
© 2023 The Author(s).
Datos de la publicación
- ISSN/ISSNe:
- 2405-8440, 2405-8440
- Tipo:
- Article
- Páginas:
- -
- PubMed:
- 38125502
- Factor de Impacto:
- 0,550 SCImago ℠
- Cuartil:
- Q1 SCImago ℠
Heliyon Elsevier BV
Documentos
- No hay documentos
Filiaciones
Keywords
- Covid-19; Laboratory markers; Machine learning; Precision medicine
Proyectos y Estudios Clínicos
ELABORACION DE VIAS CLINICAS CON LA PARTICIPACION DE LOS PACIENTES
Investigador Principal: VICENTE JAVIER PALAU PEREZ
GV 2005 . 2005
RED DE INNOVACION EN TECNOLOGIAS MEDICAS Y SANITARIAS - RED ITEMAS
Investigador Principal: JOSÉ VICENTE CASTELL RIPOLL
RD09/0077/00156 . INSTITUTO DE SALUD CARLOS III . 2010
MICROCLUSTER-TECNOLOGÍAS INNOVADORAS PARA LA SALUD Y EL ENVEJECIMIENTO ACTIVO Y SALUDABLE
Investigador Principal: BERNARDO VALDIVIESO MARTÍNEZ
2011_0163_VLC/CAMPUS_MCI_VALDIVIESO . 2011
IMPACTO CLINICO DE LA TELEMEDICINA EN LA ENFERMEDAD DE CROHN Y LA COLITIS ULCEROSA: ESTUDIO TECCU
Investigador Principal: MARIAM AGUAS PERIS
PI12/00277 . INSTITUTO DE SALUD CARLOS III . 2013
BEYOND SILOS - LEARNING FROM INTEGRATED ECARE PRACTICE AND PROMOTING DEPLOYMENT IN EUROPEAN REGIONS
621069_BEYOND_SILOS_PE_VALDIVIESO_CIP-ICT-PSP-2013 . GRIFOLS INTERNACIONAL S.A; FUNDACIÓN PARA LA INVESTIGACIÓN DEL HOSPITAL UNIVERSITARIO LA FE DE LA COMUNIDAD VALENCIANA . 2014
DESARROLLO DE UNA ESTRATEGIA INNOVADORA PARA LA GESTION DE PACIENTES CRONICOS APOYADA EN EL USO DE TECNOLOGIA "INTELIGENTES" DE LA INFORMACION PARA SU TRASFERENCIA AL SECTOR SANITARIO.
Investigador Principal: BERNARDO VALDIVIESO MARTÍNEZ
DTS14/00123 . INSTITUTO DE SALUD CARLOS III . 2015
EMPOWERING HOSPITAL-EMPH.
Investigador Principal: BERNARDO VALDIVIESO MARTÍNEZ
2015_003 CPC_VALDIVIESO . COMISION EUROPEA . 2015
IMPLANTACIÓN DE LA MEDICINA PERSONALIZADA EN ONCOLOGÍA PEDIÁTRICA: FARMACOGENÉTICA, EPIGENÉTICA, METABOLÓMICA Y LOS SISTEMAS DE INFORMACIÓN.
Investigador Principal: MARÍA JOSÉ HERRERO CERVERA
MJH-CIS-2016-01 . FUNDACION MUTUA MADRILEÑA . 2016
CROWDHEALTH: COLLECTIVE WISDOM DRIVING PUBLIC HEALTH POLICIES.
Investigador Principal: BERNARDO VALDIVIESO MARTÍNEZ
727560_VALDIVIESO_SC1 . INSTITUTO GRIFOLS SA; COMISION EUROPEA . 2017
INADVANCE: ENSAYO CLÍNICO ALEATORIZADO PARA VALORAR LA EFECTIVIDAD DE LOS CUIDADOS DE SOPORTE TEMPRANOS EN ADULTOS MAYORES CON ENFERMEDADES CRÓNICAS SEVERAS.
Investigador Principal: BERNARDO VALDIVIESO MARTÍNEZ
825750 . COMISION EUROPEA . 2019
CODICIE10: Codificación automática de enfermedades CIE-10 ES para episodios asistenciales con técnicas de Procesamiento de Lenguaje Natural
Investigador Principal: BERNARDO VALDIVIESO MARTÍNEZ
INNVAL10/18/057 . AGENCIA VALENCIANA DE LA INNOVACION (AVI) . 2018
MEJORÍA CLÍNICAMENTE RELEVANTE POR DOLOR IRRUPTIVO EN ENFERMOS ONCOLÓGICOS EN SITUACIÓN AVANZADA EN HAD (HOSPITALIZACIÓN A DOMICILIO).
Investigador Principal: VICENTE RUIZ GARCÍA
VRG-MOR-2018-01 . 2019
PLATAFORMA PARA LA MEJORA Y OPTIMIZACIÓN DE LA GESTIÓN DE PACIENTES CRÓNICOS, BASADA EN TÉCNICAS DE INTELIGENCIA ARTIFICIAL Y MONITORIZACIÓN NO INVASIVA, MODELANDO LOS ESTADOS DE FRAGILIDAD CON CAPACIDAD DE PREDECIR Y SIMULAR SU EVOLUCIÓN, ASÍ COMO LOS ITINERARIOS DE CUIDADO ASOCIADOS. SMARTCHRONIC.
Investigador Principal: BERNARDO VALDIVIESO MARTÍNEZ
INNEST/2020/19 . AGENCIA VALENCIANA DE LA INNOVACION (AVI) . 2020
SOLUCIONES ASISTENCIALES Y LOGÍSTICAS PARA LA COVID-19 BASADAS EN CIENCIA DE DATOS.
Investigador Principal: BERNARDO VALDIVIESO MARTÍNEZ
D63/COVID19/2020/180 . AGENCIA VALENCIANA DE LA INNOVACION (AVI); CONSELLERIA DE INNOVACIÓN, UNIVERSIDADES, CIENCIA Y SOCIEDAD DIGITAL . 2020
OBSERVATIONAL STUDY BASED ON REAL WORLD DATA TO IDENTIFY PREDICTOR MODELS FOR AN EARLY LUNG CANCER DIAGNOSIS (SREAL-ELUNG).
Investigador Principal: ÓSCAR JOSÉ JUAN VIDAL
D4191R00025 . 2021
PRAETORIAN. Protection of Critical Infrastructures from advanced combined cyber and physical threats.
Investigador Principal: BERNARDO VALDIVIESO MARTÍNEZ
101021274 . COMISION EUROPEA . 2021
DISEÑO Y VALIDACIÓN DE UN ÍNDICE PARA EVALUAR SERVICIOS Y NECESIDADES DE CUIDADOS PALIATIVOS CON METODOLOGÍA INTERDISCIPLINAR (PALLIAHELP).
Investigador Principal: BERNARDO VALDIVIESO MARTÍNEZ
PID2019-110997RB-I00 . MINISTERIO DE CIENCIA E INNOVACION . 2020
Evaluación de necesidades asistenciales de personas con enfermedades crónicas según determinantes sociales y ambientales mediante metodologías avanzadas de ciencia de datos
Investigador Principal: CARMEN SÁNCHEZ-CANTALEJO GARRIDO
PI20/00855 . INSTITUTO DE SALUD CARLOS III . 2021
Ciencia de Datos. iDATA-MP - Infraestructura de datos para Medicina Personalizada.
Investigador Principal: LUIS MARTÍ BONMATÍ
IMP/00019 . INSTITUTO DE SALUD CARLOS III . 2021
Plataforma ISCIII de Dinamización e Innovación de las capacidades industriales del SNS y su transferencia efectiva al sector productivo (ITEMAS)
Investigador Principal: SILVIA SÁNCHEZ SALVO
PT20/00105 . INSTITUTO DE SALUD CARLOS III . 2021
CHRONICextract. Desarrollo de técnicas de Machine Learning y Procesamiento del Lenguaje Natural para la extracción de indicadores de informes de pacientes crónicos.
Investigador Principal: BERNARDO VALDIVIESO MARTÍNEZ
INNVA1/2021/85 . AGENCIA VALENCIANA DE LA INNOVACION (AVI) . 2021
ENSAYO CLÍNICO ALEATORIZADO PARA LA EVALUACIÓN DEL MODELO DE GESTIÓN INTEGRAL DE LA ENFERMEDAD CRÓNICA APOYADA EN TECNOLOGÍAS DE LA INFORMACIÓN Y COMUNICACIÓN.
Investigador Principal: BERNARDO VALDIVIESO MARTÍNEZ
GECHRONIC
IMPACTO CLÍNICO DE LA TELEMEDICINA EN LA ENFERMEDAD DE CROHN Y LA COLITIS ULCEROSA.
Investigador Principal: MARIAM AGUAS PERIS
TECCU
CARACTERIZACIÓN DE LOS PACIENTES INSULINO-DEPENDIENTES CON DIABETES MELLITUS II DEL DEPARTAMENTO DE SALUD VALENCIA-LA FE.
Investigador Principal: BERNARDO VALDIVIESO MARTÍNEZ
BVM-EMP-2019-01 . 2020
TARTAGLIA. Red Federada Para Acelerar La Aplicación De La Inteligencia Artificial En El Sistema Sanitario Español.
Investigador Principal: MARÍA EUGENIA GAS LÓPEZ
MIA.2021.M02.0005 . MINISTERIO DE ECONOMIA Y COMPETITIVIDAD; GMV SOLUCIONES GLOBALES INTERNET, S.A.U . 2021
Estudio POST-COVID. Análisis de la situación e impacto de las consecuencias de la infección COVID-19 tras el episodio agudo de enfermedad en dos departamentos de salud.
Investigador Principal: BERNARDO VALDIVIESO MARTÍNEZ
GVA-COVID19/2021/065 . CONSELLERIA DE INNOVACIÓN, UNIVERSIDADES, CIENCIA Y SOCIEDAD DIGITAL . 2022
InnDIH - Valencia Region Digital Innovation Hub.
Investigador Principal: MARÍA EUGENIA GAS LÓPEZ
101083002 . COMISION EUROPEA . 2023
Impacto de un AlgoRitmo de ayuda a la deCIsion clínica en la MEjora DE la atención Sanitaria del paciente con Cáncer de próstata (ARCHIMEDES).
Investigador Principal: BERNARDO VALDIVIESO MARTÍNEZ
212082PCR4060 . 2022
JACARDI-EU4H-2022-JA-03: Direct grants to Member States’ authorities: prevention of NCDs – cardiovascular diseases and diabetes.
Investigador Principal: LUIS VICENTE MARTÍNEZ DOLZ
SEP-210902981 GA: 101126953 . COMISION EUROPEA . 2023
IDERHA-Integration of heterogeneous Data and Evidence towards Regulatory and HTA Acceptance.
Investigador Principal: MARÍA EUGENIA GAS LÓPEZ
101112135 . COMISION EUROPEA . 2023
ESSENCE: Retrospective cohort study to evaluate the non-adherence to current Chronic obstructive pulmonary disease (COPD) guidelines related to inhaled corticosteroids (ICS) use in COPD patients included in the Department of Health Valencia La Fe database, who initiated an ICS treatment.
Investigador Principal: JULIAN LUIS AMENGUAL ROIG
ESSENCE . 2023
Acute and long-term COVID-19 symptoms. Redefining and unravelling acute and long-term COVID-19 symptoms and complications: A large-scale multinational network cohort study.
Investigador Principal: BERNARDO VALDIVIESO MARTÍNEZ
Acute and long-term COVID-19 symptoms . 2023
Entreno de la solución tecnológica con técnicas de Inteligencia Artificial y big data aplicadas a la localización de posibles casos de Lipasa Ácida Lisosomal (Lysosomal Acid Lipase Deficiency o LAL-D).
Investigador Principal: MARÍA LUISA MARTÍNEZ TRIGUERO
BDCare1220-0003 . 2023
“Atrial Fibrillation (AF) Treatment Patterns in Spain, Italy and Brazil”.
Investigador Principal: MARÍA EUGENIA GAS LÓPEZ
BMS-Afib-2023-RoWoD . 2023
Newly Diagnosed Stroke and Acute Coronary Syndrome (ACS) Treatment Patterns in Patients from Spain, Italy and Brazil.
Investigador Principal: MARÍA EUGENIA GAS LÓPEZ
BMS-Stroke-2023-RoWoD . 2023
Characterisation of Care Pathways in Alopecia Areata: a Retrospective Polulation –Based cohort study using the EHDEN network.
Investigador Principal: MARÍA EUGENIA GAS LÓPEZ
Cohort study in Alopecia areata . 2023
InnDIH - Valencia Region Digital Innovation Hub (GVA)
Investigador Principal: MARÍA EUGENIA GAS LÓPEZ
101083002/ GVA S1219 . CONSELLERIA DE INNOVACIÓN, UNIVERSIDADES, CIENCIA Y SOCIEDAD DIGITAL . 2023
InnDIH - Valencia Region Digital Innovation Hub (MINISTERIO)
Investigador Principal: MARÍA EUGENIA GAS LÓPEZ
101083002 Exp Minis: A696-2023-485450400012 . AGENCIA ESTATAL DE INVESTIGACIÓN . 2023
Cita
Reina A,Barrera JM,Maté A,Trujillo JC,VALDIVIESO B,GAS ME. Developing an interpretable machine learning model for predicting COVID-19 patients deteriorating prior to intensive care unit admission using laboratory markers. Heliyon. 2023. 9. (12):e22878. IF:3,400. (1).