用于医疗保健专业人员

  1. 研究
  2. 预测模型……
  3. covid-19的诊断和预后预测模型:系统回顾和批判性评价
CC通过188滚球软件
研究

covid-19的诊断和预后预测模型:系统回顾和批判性评价

BMJ2020年;369年doi:https://doi.org/10.1136/bmj.m1328(07年4月2020年出版)引用这个:BMJ2020;369:m1328

联系编辑

预测模型在covid-19诊断和预后

阅读我们的冠状病毒疫情的最新报道
  1. 罗兰Wynants助理教授12,
  2. Ben Van Calster副教授23,
  3. 加里·柯林斯年代教授,45,
  4. 理查德·D·莱利教授,6,
  5. Georg海因策副教授7,
  6. Ewoud Schuit助理教授89,
  7. 埃琳娜Albu,博士生2,
  8. Banafsheh Arshi,研究员1,
  9. Vanesa Bellou,博士后研究员10,
  10. 马克·M J粗毛格子围巾教授,811,
  11. 达伦·L哒首席统计学家1213,
  12. 约翰娜一个之后助理教授89,
  13. 托马斯P r助理教授814,
  14. Valentijn M T德容助理教授89,
  15. Maarten德沃斯副教授215,
  16. Paula Dhiman,研究员45,
  17. 其独特的安瑟尔,研究员6,
  18. 山高,博士生2,
  19. 玛丽亚C哈勒,医生716,
  20. Michael O Harhay助理教授1718,
  21. Liesbet Henckaerts助理教授1920.,
  22. 波林处助理教授89,
  23. 珀斯Hoogland,统计学家8,
  24. 穆罕默德Hudda,高级研究员21,
  25. 凯文·杰尼斯肯斯助理教授89,
  26. 迈克尔·卡默,研究助理722,
  27. 尼娜kreuzberg,研究助理23,
  28. 安娜·罗曼24,
  29. 布鲁克李维斯,博士后研究员6,
  30. 金正日Luijken,博士生24,
  31. 杰马、医学统计学家5,
  32. 格伦·P·马丁高级讲师25,
  33. 大卫J McLernon,高级研究员26,
  34. 康斯坦萨L Andaur纳瓦罗,博士生89,
  35. 约翰内斯·B Reitsma副教授89,
  36. 杰米·C中士高级讲师2728,
  37. Chunhu史,研究助理29日,
  38. 妮可Skoetz教授,22,
  39. 吕克·J M史密特教授,1,
  40. Kym我E斯奈尔高级讲师6,
  41. 马修Sperrin高级讲师30.,
  42. Rene Spijker、信息专家8931日,
  43. Ewout W Steyerberg教授,3,
  44. 行长高田副教授832,
  45. Ioanna Tzoulaki助理教授1033,
  46. 桑德M J·Kuijk,研究员34,
  47. Bas C T van Bussel,医生135,
  48. 伊万C C van der霍斯特教授,35,
  49. 吕富凯利36,
  50. Florien年代van Royen,研究员8,
  51. Jan Y Verbakel助理教授3738,
  52. 克里斯汀Wallisch,研究员73940,
  53. 杰克·威尔金森,研究员24,
  54. 罗伯特•沃尔夫,医生41,
  55. Lotty Hooft教授,89,
  56. 卡雷尔G M卫星教授,89,
  57. 范Smeden副教授8
  1. 1流行病学、CAPHRI保健和公共卫生研究所,马斯特里赫特,荷兰马斯特里赫特大学
  2. 2部门的发展和再生,KU鲁汶比利时鲁汶
  3. 3生物医学数据科学、莱顿、荷兰莱顿大学医学中心
  4. 4医学统计中心,纳菲尔德骨科,肌肉骨骼,牛津大学,英国牛津大学
  5. 5NIHR牛津大学生物医学研究中心,约翰拉德克利夫医院,英国牛津大学
  6. 6预后研究中心医学院基尔大学、英国基尔
  7. 7部分临床生物识别技术,医疗中心统计,信息和智能系统,医科大学的维也纳,奥地利的维也纳
  8. 8朱利叶斯健康科学中心和初级保健,乌特勒支大学医学中心,乌得勒支大学,荷兰乌得勒支
  9. 9Cochrane荷兰乌得勒支大学医学中心,乌得勒支大学,荷兰乌得勒支
  10. 10卫生和流行病学、约阿尼纳,希腊约阿尼纳大学医学院
  11. 11医学微生物学、乌得勒支大学医学中心,荷兰乌得勒支
  12. 12HRB临床研究机构、软木、爱尔兰
  13. 13大学公共卫生学院的软木塞,软木,爱尔兰
  14. 14智能数据分析与统计BV,荷兰乌得勒支
  15. 15电气工程系,Stadius, KU鲁汶比利时鲁汶
  16. 16医院Elisabethinen Ordensklinikum林茨,肾脏学、奥地利的林茨
  17. 17生物统计学、流行病学和信息学,佩雷尔曼医学院大学的宾夕法尼亚州,费城,宾夕法尼亚州,美国
  18. 18缓和和先进的疾病研究中心和部门的肺和危重病医学,医学部门,佩雷尔曼医学院大学的宾夕法尼亚州,费城,宾夕法尼亚州,美国
  19. 19微生物学、免疫学和移植,鲁汶KU鲁汶大学、比利时鲁汶
  20. 20.普通内科医学、KU鲁汶大学医院鲁汶,比利时鲁汶
  21. 21人口健康研究所、伦敦大学圣乔治,克兰麦阶地,伦敦,英国
  22. 22美国肾脏学,医科大学的维也纳,奥地利的维也纳
  23. 23以证据为基础的肿瘤、内科医学部门我和综合肿瘤中心亚琛波恩科隆杜塞尔多夫,医学院和科隆大学医院,科隆大学,德国科隆
  24. 24临床流行病学、莱顿、荷兰莱顿大学医学中心
  25. 25部门信息、影像和数据科学学院生物学、医学和健康,曼彻斯特学术健康科学中心,曼彻斯特大学、英国曼彻斯特
  26. 26应用健康科学研究所、英国阿伯丁大学、阿伯丁
  27. 27中心的生物统计学、曼彻斯特大学、曼彻斯特学术健康科学中心,英国曼彻斯特
  28. 28中心流行病学与关节炎、肌肉骨骼研究中心曼彻斯特大学,曼彻斯特学术健康科学中心,英国曼彻斯特
  29. 29日的护理、助产学和社会工作,健康科学学院,曼彻斯特大学、英国曼彻斯特
  30. 30.学院生物学、医学和健康、曼彻斯特大学、英国曼彻斯特
  31. 31日阿姆斯特丹联电、阿姆斯特丹大学、荷兰阿姆斯特丹公共卫生、医学图书馆
  32. 32一般内科学系方明卫星教学和研究福岛医科大学,日本福岛
  33. 33流行病学和生物统计学、伦敦帝国理工学院公共卫生学院,伦敦,英国
  34. 34临床流行病学和医学技术评估、荷兰马斯特里赫特大学医学中心+,马斯特里赫特,
  35. 35重症监护医学部门,马斯特里赫特大学医学中心+,马斯特里赫特,荷兰马斯特里赫特大学
  36. 36流行病学、生物统计学和预防研究所,苏黎世大学、苏黎世、CH
  37. 37EPI-Centre、卫生行政部门和初级保健,KU鲁汶比利时鲁汶
  38. 38NIHR社区医疗保健医学技术和试管合作,纳菲尔德初级保健健康科学部门,牛津大学,英国牛津大学
  39. 39夏洛蒂柏林,柏林自由大学的企业成员,Humboldt-Universitat祖茂堂柏林,柏林,德国
  40. 40柏林健康研究所,德国柏林
  41. 41Kleijnen系统评价、纽约、英国
  1. 函授:L Wynantslaure.wynants在{}maastrichtuniversity.nl
  • 接受2020年3月31日
  • 接受的最终版本2022年7月17日

文摘

客观的审查和评价的有效性和实用性和预印本出版报告covid-19患者预后的预测模型,并对检测人在一般人群的风险增加covid-19感染或疾病住院或死亡。

设计生活系统回顾和批判性评价的covid-PRECISE(准确的风险评估优化covid-19照顾感染或疑似病人在不同环境下)组。

数据源PubMed和Embase通过奥维德,2021年2月17日,补充与arXiv medRxiv, bioRxiv 5 2020年5月。

研究选择研究开发或多变量covid-19相关预测模型进行验证。

数据提取使用魅力至少两位作者独立提取数据(关键的评估和数据提取系统评价的预测建模研究)清单;偏见的风险评估使用PROBAST(预测模型偏差的风险评估工具)。

结果412 126 978标题被筛选,研究描述包括731新预测模型或验证。这些731年,125人被诊断模型(其中包括75基于医学影像),其余606人预后模型识别这些covid-19一般人群的风险模型(13)或预测不同的结果在这些患者证实covid-19(593模型)。由于诊断测试的广泛可用性能力在2020年的夏天,这生活回顾已经集中在预后模型。其中,29日有低风险的偏见,32个不清楚偏见的风险,545年的高风险的偏见。偏见高风险的最常见原因是样本量不足(n = 408, 67%)和不恰当的或不完整的评价模型的性能(n = 338, 56%)。381模型都是新开发的,225被外部验证现有的模型。报道C指标变化在0.77和0.93之间发展研究风险较低的偏见,在0.56和0.78之间在外部验证和低风险的偏见。祭司Qcovid模型得分,卡尔的模型,谢ISARIC4C退化模型,模型显示足够的低风险预测性能研究的偏见。详细回顾了模型都是公开的https://www.covprecise.org/。

结论预测模型对covid-19进入学术文献来支持医疗决策以前所未有的速度和大量。大多数发表的预测模型研究报告很差和高危预测报告的偏见,他们的表现可能是乐观的。应验证模型与低风险的偏见在临床实施之前,最好能通过协作努力也允许调查的异质性表现在各种人群和设置。提供方法论的指导,在本文中,应遵循因为不可靠的预测可能导致弊大于利在指导临床决策。最后,预测建模者应坚持三脚架(透明报告个人的多变量预测模型预测或诊断)报告指南。

系统回顾登记协议https://osf.io/ehc47/、注册https://osf.io/wy245。

读者的注意本文的最终版本已经更新生活的系统回顾过去两年,以反映新兴证据。这个版本更新4的原始文章发表在2020年4月7日(BMJ2020;369:m1328)。可以找到以前的更新数据补充(https://www.bmj.com/content/369/bmj.m1328/related datasupp)。本文引用时请考虑添加更新获得清晰的号码和日期。

介绍

新型冠状病毒疾病2019 (covid-19)提出了一个重要的全球卫生威胁。爆发以来早在2019年12月在湖北省的中华人民共和国,证实有疾病的患者的数量已经超过了5亿年全球疾病传播,和被感染的人数可能更高。超过600万人死于covid-19(2022年5月24日)。1尽管公共卫生反应旨在遏制疾病和延迟传播,国家一直面临重复激增破坏卫生服务23456和社会逍遥法外。最近爆发的ο变异导致重要的增加对测试产能的需求,医院病床,和医疗设备,同时医务人员自己也越来越被感染。6虽然许多国家政府已经结束covid-19限制,科学家们警告说,流行SARS-CoV-2循环,也许季节性流行高峰,可能会有一个持续重要的疾病负担。7此外,病毒突变可以是不可预知的,缺乏有效的监测或足够的反应可以使新出现的流行或大流行covid-19模式。78减轻医疗系统的负担,同时也提供最好的照顾病人,可靠的预后covid-19仍然重要通知决定屏蔽、疫苗、治疗和医院或重症监护病房(ICU)录取。预测模型,结合几个变量或特性估计人被感染的风险或者经历一个贫穷的结果从感染可以帮助医务人员筛选病人在分配有限的医疗资源。

covid-19爆发伴随着大量科学证据。9关于covid-19积累了证据的速度是前所未有的。提供可用的预测模型的概述,一个活系统回顾,定期更新,是由国际covid-PRECISE(准确的风险评估优化covid-19照顾受感染或疑似病人在不同环境下;https://www.covprecise.org/)组预后与Cochrane协作方法组。最初,评审包括诊断和预后模型。由于当前的可用性测试covid-19感染,我们限制了专注在这个新的预后模型更新。因此我们的目的是系统地回顾和批判性评价预后模型可用来检测人在一般人群的风险增加covid-19感染或疾病住院或死亡,和模型来预测预后或covid-19诊断患者的感染。我们包括所有预后模型开发和外部验证研究。

方法

我们搜查了公开,不断更新发布的名单covid-19生活系统综述。10我们确认名单是否适合目的(在线补充材料),进一步补充研究covid-19 arXiv的检索。在线补充材料提出了搜索字符串。我们包括研究开发或验证一个多变量模型或评分系统,基于个体参与者水平数据,预测任何covid-19相关的结果。这些模型包括预测模型来预测covid-19患者感染的进程;一般人群和预测模型来识别人的风险covid-19感染或住院或死亡的风险与疾病。诊断模型预测的存在或严重性covid-19疑似患者感染包括更新3只,可以找到的数据补充。

我们反复搜索数据库2021年2月17日(补充表1),第三更新(搜索日期2020年7月1日),我们只包括同行评审文章通过奥维德在PubMed和Embase(索引)。预印本(从bioRxiv medRxiv和arXiv)已经包含在以前更新的系统回顾仍包括在分析中。重新评估后发生的预印本出版同行评议的杂志,取代了原来的评估。没有限制的设置(例如,住院病人,门诊病人,或普通人群),预测地平线(模型预测未来多远),包括预测、或结果。流行病学研究旨在疾病传播模型或死亡率,发现和预测研究,被排除在外。我们只包括研究发表在英语。从第二个更新检索记录最初接受文本分析工具使用人工智能开发优先敏感性(补充材料)。标题、摘要和全文筛选合格的复制由独立评论员(MvS,对从LW, BVC和KGMM)使用EPPI-Reviewer,11和差异是通过讨论解决。

数据提取包括文章是由两个独立的评论者(LW, BVC GSC TPAD,妇幼保健,GH, KGMM, RDR, ES,液体喷射加工,EWS,黄铁矿,连续波,艾尔,JM, TT, JAD,吉隆坡,JBR, LH, CS, MS,妇幼保健,NS, NK, SMJvK, JCS, PD,宗族,RW,流量,,JYV, DLD, JW, FSvR, PH值,VMTdJ, BCTvB, ICCvdH, DJM,可,提单,EA, SG,英航,JH, KJ, SG,基米-雷克南,我,MH, VB, MvS)。评论家使用一种标准化的数据提取基于魅力(关键的评估和数据提取系统评价的预测建模研究)清单12和PROBAST(预测模型偏差的风险评估工具;https://www.probast.org/评估报告的预测模型。1314我们试图通过使用任何提取每个模型的预测性能的措施。这些措施包括任何歧视的摘要(预测风险的程度区分参与者有或没有结果),和校准(预测风险对应于观察到的风险的程度)推荐三脚架(透明报告个人预后和诊断的多变量预测模型;https://www.tripod-statement.org/)语句。1516歧视通常是由C指数量化(C指数= 1如果模型是完美的歧视;C指数= 0.5如果歧视并不比机会)。校准通常是评估校准图形使用校准块或量化的拦截(零当没有系统地高估或低估风险)和校准斜率(这是一个如果预测风险不过于极端或太过温和)。17我们专注于性能统计数据作为估计从可用的形式验证最强的(为了力量:外部(评估在一个独立的数据库),内部(引导程序验证、交叉验证、随机培训测试分裂,时间分割),明显(评估使用完全相同的数据用于开发))。任何差异在评论者之间数据提取进行了讨论,和剩余的冲突被LW或MvS解决。在线补充材料提供了有关数据提取的详细信息。一些研究调查了多个模型和模型研究了在多个研究(也就是说,在外部验证研究)。分析模型的单位在一个研究中,除非另有规定。我们考虑的方面棱镜(首选项报告系统评价和荟萃分析)18和三脚架1516在我们的研究报告。详细回顾了研究和预测模型都是公开的https://www.covprecise.org/。

病人和公众参与

严重covid-19幸存者和躺的人参加,讨论他们的观点,提供建议,作为伙伴写一躺的总结(可以在项目的目标和结果https://www.covprecise.org/project/),从而参与知识分布的实现。由于最初的紧急情况covid-19大流行,我们不涉及患者或公众在这个生活的设计,进行评论2020年3月,但研究协议和初步结果立即公开https://osf.io/ehc47/、medRxiv和https://www.covprecise.org/living-review/。

结果

我们鉴定了126 969条记录通过我们的系统搜索,其中89 566被确定在当前搜索更新(补充表1,图1)。我们进一步包括九个研究公开但没有检测到我们的搜索。126 978种图书,828年研究保留文摘和全文筛选。我们包括412项研究描述731预测模型或验证,其中243与499模型研究或验证新包含在目前的更新(补充表1)。1920.212223242526272829日30.31日323334353637383940414243444546474849505152535455565758596061年62年63年64年65年66年67年68年69年70年71年72年73年74年75年76年77年78年79年80年81年82年83年84年85年86年87年88年89年90年91年92年93年94年95年96年97年98年99年One hundred.101年102年103年104年105年106年107年108年109年110年111年112年113年114年115年116年117年118年119年120年121年122年123年124年125年126年127年128年129年130年131年132年133年134年135年136年137年138年139年140年141年142年143年144年145年146年147年148年149年150年151年152年153年154年155年156年157年158年159年160年161年162年163年164年165年166年167年168年169年170年171年172年173年174年175年176年177年178年179年180年181年182年183年184年185年186年187年188年189年190年191年192年193年194年195年196年197年198年199年200年201年202年203年204年205年206年207年208年209年210年211年212年213年214年215年216年217年218年219年220年221年222年223年224年225年226年227年228年229年230年231年232年233年234年235年236年237年238年239年240年241年242年243年244年245年246年247年248年249年250年251年252年253年254年255年256年257年258年259年260年261年262年263年264年265年266年267年268年269年270年271年272年273年274年275年276年277年278年279年280年281年282年283年284年285年286年287年288年289年290年291年292年293年294年295年296年297年298年299年300年301年302年303年304年305年306年307年308年309年310年311年312年313年314年315年316年317年318年319年320年321年322年323年324年325年326年327年328年329年330年331年332年333年334年335年336年337年338年339年340年341年342年343年344年345年346年347年348年349年350年351年352年353年354年355年356年357年358年359年360年361年362年363年364年365年366年367年368年369年370年371年372年373年374年375年376年377年378年379年380年381年382年383年384年385年386年387年388年389年390年391年392年393年394年395年396年397年398年399年400年401年402年403年404年405年406年407年408年409年410年411年412年413年414年415年416年417年418年419年420年421年422年423年424年425年426年427年428年429年430年其中,310年研究描述606年预后模型或验证预后模型都包含在当前分析:13预后模型开发普通人群和593年covid-19 covid-19诊断患者的预后模型的预测结果。结果从先前的更新,包括诊断模型,可以作为补充材料。数据库与每个模型的描述和验证及其偏差的风险评估可以发现https://www.covprecise.org/。

Fig 1

PRISMA (preferred reporting items for systematic reviews and meta-analyses) flowchart of study inclusions and exclusions

">图1
图1

棱镜(首选项报告系统评价和荟萃分析)研究包含和排除的流程图

381年606年的预后模型,独特,covid-19新开发的模型,和225年外部验证现有模型的研究除了模型开发研究。这些外部验证包括新开发的外部验证covid模型,以及预后评分比covid-19大流行。一些模型验证不止一次(在不同的研究中,如下所述)。一百五十八人(41%)新开发的模型被公开在实践中使用的格式(箱1)。

箱1

可用性的模型格式用于临床实践

三百八十一独特的预后模型包括研究开发的。这些模型中,八十人(21%)是作为一个模型方程包括拦截和回归系数。30 9(10%)模型只是部分提出(例如,拦截或基线风险失踪)。剩余的262(69%)没有提供底层模型方程。

一百六十一(42%)中可用的工具来促进使用在临床实践中(除了或而不是发表方程)。六十模型(16%)提出了计算图表,35(9%)作为web计算器,30(8%)和得分,9例(2%)为一个软件对象,5例(1%)作为一个决策树或一组预测子组,22(6%),其他可用的格式(6%)。

所有这些报告格式作出预测使用的现成的诊所。然而,因为大多数这些预后模型偏差或不确定的风险高,我们不推荐常规使用外部验证之前,理想的情况是由独立调查人员在其他数据用于他们的发展。

返回文本

主数据集

五百五十六人(92%)开发或使用数据验证模型从一个国家(表1),39(6%)使用国际数据,和11(2%)模型尚不清楚有多少()国家贡献数据。三种(0.5%)模型使用模拟数据和21例(3%)用代理的数据来估算covid-19相关风险(例如,医疗保险索赔数据从2015年到2016年)。大多数模型是用于确认covid-19例(83%)和医院环境中(82%)。患者平均年龄范围从38岁到84岁,和男性的比例从1%到95%不等,虽然这些信息往往是不报道。

表1

的特点,综述了2019年冠状病毒疾病的预后预测模型(covid-19)

把这个表:

根据研究报道研究日期、数据收集从2019年12月到2020年10月。一些中心提供数据到多个研究,目前尚不清楚有多少这些数据集重叠在识别研究。

样本容量为模型开发中值为414分,平均数量为74个人经历的事件预测。住院患者的死亡率从8%到46%不等。这宽变化在一定程度上是由于后续的长度差异研究(通常没有报告),地方和时间变异诊断标准,录取标准和治疗,以及选择性偏差(例如,不包括参与者既没有恢复,也没有死在研究期间的结束)。

模型预测covid-19相关风险

我们确定了13个新开发的模型旨在预测covid-19相关风险。五个模型预测covid-19住院,三个预测死亡率,严重covid-19预测发展之一,和四个预测不够covid-19定义的结果。八代理使用的这13个普通人群模型的结果(例如,承认非结核肺炎、流行性感冒,急性支气管炎,或上呼吸道感染而住院covid-19)。20.13项研究报告C指数在0.52和0.99之间。校准是只有四个评估模型,在一项研究中,发现轻微的刻度错误。231年

患者的预后模型结果covid-19的诊断

我们确认593患者的预后模型预测临床结果covid-19(225年368年发展,外部验证)。这些模型主要是用于患者住院证明诊断covid-19 (n = 496, 84%),但一个特定预期用途(即完全或时刻在调查时使用它们,和为谁)通常是不清楚地描述。这593个预后模型,265(45%)死亡风险估计,84人(14%)预测发展为严重或重要的疾病,和53例(9%)预计入住ICU。剩下的191个研究使用的其他成果(单个或组合的一部分),包括需要插管,(时间)机械通气,氧气支持,急性呼吸窘迫综合征,感染性休克,心血管并发症,多个器官衰竭,血栓性并发症、住院时间、恢复、住院或重新接纳,或者隔离段的长度。预测地平线之间的不同的一天,60天,但常常不明(n = 387, 65%)。一些研究(n = 13, 2%)使用代理的结果。例如,一项研究使用的数据从2015年到2019年预测死亡率和长期辅助机械通气(如non-covid-19代理的结果)。119年

研究报道C索引0.49和1之间,平均值为0.81(四分位范围0.75 - -0.89)。平均死亡率模型C指数为0.83,0.83发展模型和0.77入住ICU模型。研究显示只有152的593模型的标定块(26%,102年在外部验证)。校准结果喜忧参半,几项研究表明不准确的风险预测(谢等例子,19Barda et al,73年、张等122年)。情节有时建立在一个不清楚的方式,阻碍解释(郭等例子,89年锣等,125年和骑士等147年)。

偏见的风险

七个新开发的预测模型和22外部验证的预测模型在低风险的偏见(n = 29, 5%)。大多数新开发的模型和外部验证在不清楚(n = 32, 5%)或高(n = 545, 90%)与PROBAST偏见根据风险评估,这表明预测的性能在实际使用时可能是低于报道(图2)。图2和框2给详细的风险偏见的常见原因。

">图2
图2

PROBAST(预测模型偏差的风险评估工具)偏差的风险包括模型相结合(n = 606)和每个类型的分解分析

框2

常见的原因偏见的风险报告covid-19的预测模型

分析域是最问题域:87% (n = 530)的新开发的模型和验证是高危的偏见,而18% (n = 107), 4% (n = 27)和17% (n = 106)的参与者,预测,结果域。一百五十一人(25%)模型在所有领域,除了低风险的偏见分析,表明足够的数据收集和研究设计,但问题是可以避免进行更好的统计分析。最常见的问题是样本量不足(n = 408, 67%)。小到适度的样本大小和数量的事件(表1)导致过度拟合的风险增加,特别是复杂的建模策略。占过度拟合不当或乐观也常见(n = 250, 41%)。九十六年模型(16%)无论是在内部还是在外部验证。如果完成,内部验证有时不正确执行(即,不是所有的建模步骤重复)。性能统计数据从这些模型可能会乐观。此外,歧视和校准的评价往往是不完整,或用不恰当的统计数据(n = 338, 56%)。校准使用校准块只有156年的评估模型(26%),其中106(17%)在外部验证数据。不恰当的处理缺失数据(n = 290, 48%)很常见。一百二十七年进行了一个完整的案例分析(21%)、205年(34%)没有提到如何处理缺失数据。

模型预测covid-19风险一般人群和covid-19患者预后模型

593 covid-19患者预后模型往往偏见比13一般人群高危模型(90% (n = 536)v69% (n = 9))。这种差异主要是由于分析域(88% (n = 521)v69% (n = 9)高危的偏见)。患者平均样本量模型发展covid-19是397(71事件),> 160万(1867事件)相比普通人群模型。外部验证的样本中位数是299(42事件),> 100万(1303事件)相比普通人群模型。因此,更多的模型有一个样本量不足的分析战略选择(69% (n = 407)v8% (n = 1)),和更多的风险过度拟合和乐观(42% (n = 248v15% (n = 2))。

结果域是普通人群更多的问题模型比模型covid-19患者,62% (n = 8)和17% (n = 98)高危偏见在这一领域。这种差异是由于使用代理的结果(n = 8 62%)——例如,住院除了covid-19由于严重呼吸道疾病。参与者和预测领域,偏见的风险相当(图2)。

开发和外部验证

外部验证更通常比新开发的模型偏差的风险低(10%,(n = 22/225)v2% (n = 7/381))。统计分析领域是最成问题的域模型发展以及外部验证研究中,有93% (n = 353)和79% (n = 177)高危的偏见域,分别。最常见的原因的高风险倾向是相同的对于这两种类型(小样本大小,不恰当的评价预测性能,和不适当的处理缺失数据),除了过度拟合和乐观,不关注外部验证。

返回文本

三百八十四人(63%)的606模型和验证有一个低风险的偏见参与者域。一百零七模型(18%)有一个高风险的偏见参与者域,这表明参与者参加研究可能不代表模型的目标人群。不清楚报告的参与者导致不清楚115年偏见的风险评估模型(19%)。三百八十六模型(64%)有一个低风险的预测偏差的领域,虽然193(32%)有一个清楚的风险偏差和27有高风险的偏差(4%)。高偏差的风险预测域表明预测没有可用的模型的使用时间,不明确,或者受测量结果的影响。大多数研究使用结果很容易评估(例如,所有导致死亡),因此353年(58%)被评为偏差结果域的低风险。然而,有理由担心偏见引起的结果在106年测量模型(17%),例如,由于使用代理的结果(如住院non-covid-19严重呼吸道感染)。一百四十七例(24%)有一个清楚的风险偏差由于不透明的或模棱两可的报告。与参与者,预测,结果域,分析领域是606年问题的模型和验证。总的来说,530年(87%)偏差分析高危领域,报告是不够明确的评估偏差的风险分析42例(7%)。 Only 34 (6%) were at low risk of bias for the analysis domain.

新开发的模型在低风险的偏见

我们发现七个新开发的模型偏差的风险低(表2)。都好优秀的歧视,但校准多样,突出当地的需要和时间校准。

表2

风险较低的covid-19偏见的预测模型

把这个表:

四个Qcovid模型预测住院和死亡的covid-19一般人群在英国,分别为男性和女性。231年模型使用年龄、民族、剥夺、身体质量指数和一系列并发症的预测因子。模型显示低估风险高危病人在外部验证,弥补的调整模型。231年

祭司的分数262年预计30天在疑似或确诊患者死亡或器官支持covid-19呈现在急诊室。分流分数是基于NEWS2(国家早期预警评分2组成的呼吸速率,血氧饱和度、心率、收缩压、温度、意识,空气,或补充氧气),年龄、性别、和性能状况(从卧床到正常的性能)。其外部验证英国紧急部门显示合理的校准,但潜在的异质性在校准中心还没有经过验证。

卡尔的模型81年和ISARIC 4 c退化模型268年预测恶化covid-19病人住院。复合两种模型的结果包括ICU住院和死亡,而ISARIC 4 c模型还增加了通气支持。都有相似的性能,但包括不同的预测模型,通常都可以在入学。卡尔和他的同事补充NEWS2随着年龄的增长,实验室和生理参数(补充氧气流量、尿素、氧饱和度、C反应蛋白,估计肾小球滤过率,中性粒细胞计数,neutrophil-lymphocyte比率)。古普塔和他的同事们268年开发了一个模型包括年龄、性别、院内感染,格拉斯哥昏迷评分分数,外围血氧饱和度在承认,呼吸室内空气或氧气疗法,呼吸速率,尿素浓度、C反应蛋白浓度、淋巴细胞计数、射线胸部浸润的存在。卡尔在国际上的模型验证81年模型验证和ISARIC4C恶化地区在英国。268年在设置为模型,标定不同。

外部验证偏差的风险低

我们确定了225年专用外部验证(即不结合模型)的发展外部验证研究。只有22是低风险的偏见,尽管所有22个验证来自同一研究使用只有英国的数据(表3)。269年这种验证研究包括411例患者,其中180经历了恶化的健康,和115年死亡。在这项研究中,卡尔模型和NEWS2表现最佳预测恶化,而谢模型和雷姆表现最佳预测死亡率。Carr模型(预印本版本,上面报道的Carr模型略有不同)和谢模型显示轻微的刻度错误。

表3

外部验证从古普塔等风险较低的偏见269年

把这个表:

NEWS2和雷姆也验证了在其他专门的验证研究。NEWS2获得C指数在0.65和0.90之间。141年203年214年233年245年280年281年303年319年340年雷姆获得C指数在0.74和0.88之间。91年233年319年这些研究meta-analyse过于异类和偏见:他们使用不同的结果定义(死亡率、入住ICU、各种复合材料,不同时间范围从1到30天),从不同人群(意大利、英国、挪威、中国),并在高或不清楚风险的偏见。

讨论

在这个系统回顾相关的预后预测模型covid-19大流行,我们识别和批判性评价606模型描述310年的研究。这些预测模型可分为模型来预测开发covid-19或造成不利疾病的风险在一般人群(n = 13),和模型支持患者的预后covid-19 (n = 593)。大多数研究报告中度至良好的预测性能,但是只有7个新开发的模型和22外部验证现有的模型在低风险的偏见。从这些,我们确定了八款车型,所有发达covid-19的预后与足够的性能和低风险的偏见在模型开发(四Qcovid模型,231年祭司模型,262年ISARIC4C退化模型,268年和卡尔的模型81年)或外部验证(谢的模型19269年)。我们建议应该进一步验证这些模型在其他数据和设置,最好是由独立调查人员,调查哪些模型保持健壮的性能随着时间的推移和在不同的设置。

大多数的606模型评价高或不确定风险的偏见由于可怜的报告和可怜的方法论的行为的结合。通常,可用的样本大小和数量的事件感兴趣的结果是有限的。这个问题是众所周知的在构建预测模型,提高模型过度拟合的风险。438年其他常见原因偏见没有充分占缺失的数据,使用技术,性能不占乐观估计,忽略模型校准和不恰当的模型验证。高风险的偏见意味着这些模型在新样品的性能可能会比报告的研究人员。因此,估计C索引,通常表明近乎完美的歧视,可能是乐观的。这些模型,没有独立的外部验证进行低风险的偏见,尽管大多数人公开可用的格式在临床实践中。

挑战和机遇

预测模型的主要目的是支持个体患者的医疗决策。因此,它是至关重要的识别预测的目标设置为临床需要(如急诊科、重症监护室、通用实践,症状监测应用程序在普通人群中),和一个代表数据集的设置(最好是由连续的病人)的预测模型可以开发和验证。这个临床和病人特征应该详细描述(包括时间内疾病,疾病严重程度目前预测,和伴随疾病),以便读者和临床医生能够理解该模型是否适合他们的人口。然而,这些研究包括在我们的系统回顾经常缺乏足够的人口目标设置的描述和研究,使得用户在怀疑这些模型的模型的适用性。虽然我们认识到,早期的研究在严重的时间限制,我们建议研究人员坚持三脚架报告指南1516改进的描述他们的研究人口和指导他们的造型的选择。三脚架的翻译(如中国)也可以https://www.tripod-statement.org。更好的描述研究的人口也可以帮助我们理解观察到的变化在研究报告的结果,如covid-19相关死亡率。死亡率的变化可能与包括病人的差异(如年龄、并发症)也在为covid-19干预。

在这生活的回顾、样本量不足构建一个健壮的模型或获得可靠性能统计数据是最普遍的缺点之一。我们建议研究人员利用公式和软件应该提供近年来计算所需的样本量构建或外部验证模型。439年440年441年442年当前报告也发现,忽略缺失数据和执行一个完整的案例分析仍然是很常见的。这导致精度降低,可以引入偏差估计模型中,我们建议研究人员处理缺失数据之前使用适当的技术开发或验证一个模型。443年444年当创建一个新的预测模型,我们建议先前的文献和专家意见的基础上选择预测因子,而不是选择预测完全基于数据。17这个建议是对数据集样本容量有限的尤其重要。445年脾气乐观估计的性能,一些内部验证策略可以开水的例子,引导。17446年我们还建议研究人员应该评估模型预测性能之间的对应关系和观察到的风险,最好是使用灵活的校准的阴谋17447年除了歧视。

Covid-19预测往往会不存在作为一个简单的二元分类任务。复杂的数据应当妥善处理。例如,预测地平线应该指定为预后结果(如30天死亡率)。如果研究参与者无论是恢复还是死在这段时间里,他们的数据不应该被排除在分析,回顾了一些研究。相反,应该考虑一个适当的比较分析,以便行政审查。17审查其他原因,例如由于快速恢复和追踪损失的患者不再从covid-19死亡的风险,可能需要分析竞争风险框架。448年

预测模型应用于一个新的医疗设置或也是国家经常会产生预测的误算447年并且可能需要更新之前,可以安全地应用于新设置。17这需要数据从covid-19患者可用设置。除了更新预测在当地环境下,个体参与者来自多个国家和卫生保健系统的数据可能允许generalisability的更好理解和实施在不同的设置和人口预测模型。这种方法可以大大提高预测模型的适用性和健壮性常规护理。446年449年450年451年452年

covid-19大流行已经以前所未有的全球数据积累的速度。不幸的是,大部分的工作分析所有这些数据病了通知和脱节。结果,我们有数百个相似模型,很少有独立验证研究比较他们的性能相同的数据。利用新兴传染病的全部潜能的预测模型和快速识别有用的模型,国际和跨学科合作在数据采集方面,模型构建、模型验证和系统评价是至关重要的。

研究的局限性

新进入医学文献出版物covid-19相关预测模型以前所未有的数量以前所未有的速度,这个系统回顾不能被视为一个最新的可用的所有当前列表covid-19相关预测模型。它提供一个全面的概述所有预后模型的发展和验证从大流行的第一年到2021年2月17日。同时,69的研究我们回顾了只可作为预印本。这些研究可能进入官方医学文献的改进版本,经过同行审查。我们重新评估预印本的同行评议的出版物包括在以前的更新当前更新之前已经出版。我们还发现其他预测模型已用于临床实践没有科学出版物,453年和网络风险计算器启动时使用科学的手稿仍在审查请求(不可用)。454年这些未发表的模型自然不属于这个范围的文献之回顾。正如我们所认为广泛的其他地方,455年透明的报告,使验证由独立研究是预测分析的关键,和临床指导方针应该只推荐公开的和可核查的算法。

对实践

这生活回顾已经确定了几个模型开发专门为covid-19预后具有良好的预测性能在外部验证,并与模型开发或外部验证偏差的风险低。Qcovid模型231年被用来预测住院和死亡的风险。祭司模型提出了分流病人在急诊室。262年ISARIC4C退化模型,268年Carr模型,81年和谢模型19269年开发预测住院患者的不良结果(通气支持,急救护理或死亡,ICU住院或死亡,和死亡,分别)。搜索日期以来,这些模型验证暂时和地理位置,这表明应该小心当使用这些模型在政策和临床实践。231年268年456年457年458年459年460年医疗系统之间的差异,感染率的波动,病毒突变,免疫接种状况的差异,不同的测试标准,和病人管理和治疗的改变可以导致最近刻度错误或本地数据。因此,未来的研究应该关注验证和比较这些预测模型与低风险的偏见。17外部验证不仅要评估歧视,而且校准和临床实用性(净收益)447年452年461年在大量的研究439年440年442年462年463年使用一个适当的设计。

许多预测模型已经开发了预测在医院设置。更新一个可用的模型,以适应时间、地区差异或扩展现有模型与新的预测需要更少的数据,并提供通常比开发一种新的预后更健壮的预测模型。17新变种可能接触传染性和严重程度不同,疫苗接种和免疫减弱可能会改变个人风险。因此,即使更新模型可以成为过时。这些变化将主要影响校准(绝对风险估计可能过高或过低),而低之间的歧视和高危病人可能影响较小。刻度错误对于一般人群尤其有关模型。模型,关注患者寻求治疗和调整风险估计的症状和严重程度标记可能会更健壮,但这一假设还有待证实经验。

虽然存在许多模型预测结果在急诊或住院,很少有适合参加初级护理,患者症状或ICU的患者。此外,模型综述了迄今为止关注covid-19诊断或评估死亡率或恶化的风险,而长期发病率和功能结果仍然可以理解和目标的结果可能是一个未来的研究兴趣发展预测模型。464年465年

本文开发的预测模型在第一年covid-19流行的大多数模型在不清楚或偏见的风险很高。而许多外部验证,最高危的偏见和大多数模型开发专门为covid-19没有独立验证。这种供应过剩的不够不用于临床实践验证模型。此外,诊断和预后模型的紧迫性协助快速有效分流病人的紧急大流行可能鼓励临床医生和决策者提前实现预测模型没有足够的文档和验证。不准确的模型甚至可以导致弊大于利。461年通过指向最重要的方法论的挑战和问题设计和报告,我们希望为未来的研究提供了一个有用的起点和未来的流行。

结论

几个covid-19预后模型是目前可用的最温和的报告给优秀的歧视。然而,许多这些模型的风险高或不清楚的偏见,主要是因为模型过度拟合,不恰当的模型评价(如校准忽略),和不适当的处理缺失数据。因此,他们的表现估计可能是乐观,可能不是代表目标人群。我们发现Qcovid模型可以用于一般人群危险分层,虽然祭司模型,ISARIC4C退化模型,卡尔的模型,谢的模型适用于预测在医院设置。这些模型的性能可能会在不同时间和不同地区之间,可能需要进一步的验证和更新之前实现。综述了模型的细节,请参阅https://www.covprecise.org/。共享数据和专业知识的验证和更新covid-19相关预测模型仍然是必要的。

已知关于这个主题是什么呢

  • 复发的高峰covid-19发病率全世界给医疗系统带来压力;需要有效的早期危险分层的存在一般人群中,和患者covid-19证实疾病的预后

  • 病毒核酸检测、胸部计算机断层扫描成像,和诊断covid-19抗原测试标准方法,及其可用性使得covid-19诊断模型不那么相关

  • 之前更新的生活找不到检查模型在低风险的偏见

这个研究增加了

  • 模型的低风险的偏见,四个识别高危病人一般人群;一个协助病人在急诊分诊;和三个估计预后与covid-19住院的病人

  • 这些模型的校准可能会改变随着时间的推移及设置

  • 有供过于求的高危模型和外部验证偏差,提高担心可能是不可靠的,当这些预测模型应用于日常实践

伦理语句

伦理批准

不是必需的。

数据可用性声明

研究协议是网上https://osf.io/ehc47/。详细的提取包括所有研究数据是可用的https://www.covprecise.org/。

确认

我们感谢作者让他们的工作可以通过发布它在公共注册中心或共享秘密地;非专业人员和幸存者的面板关键covid-19帮助解释研究结果和总结的结果一般观众;和瑞尼Maarschalkerweerd和马丁·范·它们Annaland的面板上发挥积极作用。

脚注

  • 贡献者:LW构思。LW, MvS研究设计。LW, MvS BVC筛选包含标题和摘要。LW, BVC GSC TPAD,妇幼保健,GH, KGMM, RDR, ES,液体喷射加工,EWS,黄铁矿,连续波,艾尔,JM, TT, JAD,吉隆坡,JBR, LH, CS, MS,妇幼保健,NS, NK, SMJvK, JCS, PD,宗族,RW,流量,,JYV, DLD, JW, FSvR, PH值,VMTdJ, BCTvB, ICCvdH, DJM,可,提单,EA, SG,英航,JH, KJ, SG,基米-雷克南,我,MH, VB, MvS提取和分析数据。MDV帮助解释研究结果深入学习研究和MMJB, LH,妇幼保健协助从临床的角度解释。RS和FSvR提供技术和管理支持。LW写了初稿,所有作者修订为关键内容。所有作者同意最后的手稿。LW, MvS担保人。担保人有完全访问所有的数据在这项研究中,负责数据的完整性和数据分析的准确性,并最终负责决定提交出版。 The corresponding author attests that all listed authors meet authorship criteria and that no others meeting the criteria have been omitted.

  • 资金:LW, BVC、LH和MDV承认这项工作的具体资金从内部基金KU鲁汶,ma, covid-19基金。LW的博士后研究Foundation-Flanders (FWO)和接收支持ZonMw格兰特(10430012010001)。BVC收到FWO支持(格兰特G0B4716N)和内部资金KU鲁汶(格兰特C24/15/037)。TPAD承认金融支持从荷兰卫生研究与发展组织(批准91617050)。VMTdJ由欧盟支持的地平线2020研究和创新计划根据ReCoDID赠款协议825746。KGMM Cochrane协作网和JAD承认金融支持(SMF 2018)。黄铁矿是由国家卫生研究所(NIHR)初级保健研究学校。作者的观点是(s)和不一定NHS, NIHR或卫生部和社会关怀。GSC NIHR支持的是生物医学研究中心,牛津大学,英国癌症研究中心(项目授予C49297 / A27294)。JM得到了英国癌症研究中心(项目授予C49297 / A27294)。 PD was supported by the NIHR Biomedical Research Centre, Oxford. MOH is supported by the National Heart, Lung, and Blood Institute of the United States National Institutes of Health (grant R00 HL141678). ICCvDH and BCTvB received funding from Euregio Meuse-Rhine (grant Covid Data Platform (coDaP) interreg EMR-187). BL was supported by a Fonds de recherche du Québec-Santé postdoctoral training fellowship. JYV acknowledges the National Institute for Health and Care Research (NIHR) Community Healthcare MedTech and In Vitro Diagnostics Co-operative at Oxford Health NHS Foundation Trust. The funders had no role in study design, data collection, data analysis, data interpretation, or reporting.

  • 利益冲突:所有作者已经完成了国际统一的披露形式www.icmje.org/disclosure-of-interest/并宣布:支持内部基金KU鲁汶,ma,和covid-19基金提交的工作;没有利益冲突,提交工作;从研究Foundation-Flanders LW公开支持;RDR报告编辑个人费用作为统计数据英国医学杂志(2009年以来),咨询费用罗氏给荟萃分析教学和建议2018年10月,和个人费用提供内部培训课程在英国巴兹和伦敦医学院和牙科,和阿伯丁大学,埃克塞特和利兹,所有外提交工作;女士合著的编辑原创文章。

  • 手稿的主要作者肯定是一个诚实的,准确的,和透明的研究报告;,没有省略研究的重要方面;按计划,任何差异的研究已经解释道。

  • 传播参与者和相关病人和公共社区:作者和病人的合作伙伴将通过他们的机构和分发这些信息在社交媒体提供一个公开对话的机会和为例,说明我们学习新的疾病变化和改善的结果。研究协议是网上https://osf.io/ehc47/。

  • 出处和同行评审:不是委托;外部同行评议。

http://creativecommons.org/licenses/by/4.0/

这是一个开放的分布式条188滚球软件依照Creative Commons归因的条款(4.0)CC许可,允许别人分发,混音,适应和发展这项工作,为商业使用,最初的工作是提供适当的引用。看到的:http://creativecommons.org/licenses/by/4.0/。

引用

  1. ↵
    1. 越南盾E,
    2. 杜H,
    3. 加德纳l
    。一个交互式网络实时追踪covid-19仪表板。柳叶刀感染说2020年:s1473 - 3099 (20) 30120 - 1。doi:10.1016 / s1473 - 3099 (20) 30120 - 1pmid:32087114
    OpenUrl CrossRef PubMed
  2. ↵
    1. 而YM,
    2. 没吃年代,
    3. 韦伯年代
    。covid-19:一种新的冠状病毒和急救护理的新挑战。重症监护医学2020年。doi:10.1007 / s00134 - 020 - 05955 - 1。pmid:32125458
    OpenUrl CrossRef PubMed
  3. ↵
    1. GrasselliG,
    2. Pesenti一个,
    3. Cecconi米
    。急救护理利用率在伦巴第covid-19爆发,意大利:早期经验和预测在应急响应。《美国医学会杂志》2020年。doi:10.1001 / jama.2020.4031pmid:32167538
    OpenUrl CrossRef PubMed
  4. ↵
    1. 谢J,
    2. 通Z,
    3. 关X,
    4. 杜B,
    5. 邱H,
    6. Slutsky作为
    。急救护理危机和一些建议在covid-19流行在中国。重症监护医学2020年。doi:10.1007 / s00134 - 020 - 05979 - 7pmid:32123994
    OpenUrl CrossRef PubMed
  5. ↵
    世界卫生组织。基本卫生服务面临持续破坏COVID-19大流行期间2022年。https://www.who.int/news/item/07 - 02 - 2022 -基本卫生服务面临持续-破坏- covid - 19 -大流行期间。
  6. ↵
    里奇H,马修E, Rodes-Guirao L, et al .冠状病毒大流行(COVID-19) 2020。https://ourworldindata.org/coronavirus07/03/2022访问。
  7. ↵
    1. Telenti一个,
    2. 阿尔文一个,
    3. 科里l,
    4. 等
    。流行:观点COVID-19未来的轨迹。自然2021年;596年:495年- - - - - -504年。doi:10.1038 / s41586 - 021 - 03792 - w。pmid:34237771
    OpenUrl 文摘/免费的全文
  8. ↵
    1. Katzourakis一个
    。COVID-19:流行并不意味着无害。自然2022年;601年:485年。doi:10.1038 / d41586 - 022 - 00155 - x。pmid:35075305
  9. ↵
    1. Ipekci我,
    2. Buitrago-GarciaD,
    3. 梅里雪山千瓦,
    4. 等
    。对新兴传染病暴发的出版物:SARS-CoV-2和Zika病毒。BMC医学Res Methodol2021年;21:50。doi:10.1186 / s12874 - 021 - 01244 - 7。pmid:33706715
    OpenUrl 文摘/免费的全文
  10. ↵
    社会预防医学研究所。生活于2020年covid-19证据。https://ispmbern.github.io/covid-19/living-review/index.html。
  11. ↵
    托马斯J,勃氏J, Graziosi s EPPI-Reviewer 4.0:研究合成软件(程序)。EPPI-Centre软件。伦敦:社会科学研究单位,教育学院,伦敦大学,2010年。
  12. ↵
    1. 卫星公斤,
    2. de Groot晶澳,
    3. BouwmeesterW,
    4. 等
    。关键的评估和数据提取系统评价的预测建模研究:魅力清单。科学硕士2014年;11:e1001744。doi:10.1371 / journal.pmed.1001744pmid:25314315
    OpenUrl 文摘/免费的全文
  13. ↵
    1. 卫星KGM,
    2. 沃尔夫射频,
    3. 莱利理查德·道金斯,
    4. 等
    。PROBAST:一个工具来评估风险的偏见和适用性的预测模型研究:解释和细化。安实习生地中海2019年;170年:W1- - - - - -33。doi:10.7326 / m18 - 1377pmid:30596876
    OpenUrl CrossRef PubMed
  14. ↵
    1. 沃尔夫射频,
    2. 卫星KGM,
    3. 莱利理查德·道金斯,
    4. et al。,
    5. PROBAST集团__
    。PROBAST:一个工具来评估风险的偏见和适用性的预测模型研究。安实习生地中海2019年;170年:51- - - - - -8。doi:10.7326 / m18 - 1376。pmid:30596875
    OpenUrl CrossRef PubMed
  15. ↵
    1. 卫星KGM,
    2. 奥特曼DG,
    3. Reitsma简森-巴顿,
    4. 等
    。透明的报告个人预后和诊断的多变量预测模型(三脚架):解释和细化。安实习生地中海2015年;162年:w1 - 73。doi:10.7326 / m14 - 0698pmid:25560730
    OpenUrl CrossRef PubMed
  16. ↵
    1. 柯林斯GS,
    2. Reitsma简森-巴顿,
    3. 奥特曼DG,
    4. 卫星公斤
    。透明的报告个人预后和诊断的多变量预测模型(三脚架):三脚架的声明。BMJ2015年;350年:g7594。doi:10.1136 / bmj.g7594。pmid:25569120
    OpenUrl CrossRef PubMed
  17. ↵
    1. Steyerberg电子战
    。临床预测模型:一种实用的方法来开发、验证和更新。激飞美国,2019年doi:10.1007 / 978-3-030-16399-0。
    OpenUrl CrossRef PubMed
  18. ↵
    1. Liberati一个,
    2. 奥特曼DG,
    3. TetzlaffJ,
    4. 等
    。棱镜声明报告系统评价和荟萃分析的研究,评估卫生保健干预措施:解释和细化。科学硕士2009年;6:e1000100。doi:10.1371 / journal.pmed.1000100pmid:19621070
    OpenUrl 文摘/免费的全文
  19. ↵
    陈谢J,亨格福特D, H, et al .预后多变量模型的开发和外部验证covid-19住院患者入院。medRxiv(预印本)2020。doi:10.1101 / 2020.03.28.20045997
    OpenUrl 文摘/免费的全文
  20. ↵
    1. DeCaprioD,
    2. GartnerJ,
    3. 考尔CJ,
    4. 等
    。建立一个covid-19脆弱性指数。J地中海人工英特尔2020年;3。doi:10.21037 / jmai-20-47。
    OpenUrl 文摘/免费的全文
  21. ↵
    方C,白年代,陈Q, et al .预测covid-19恶性进展和人工智能技术。medRxiv(预印本)2020。doi:10.1101 / 2020.03.20.20037325
    OpenUrl 文摘/免费的全文
  22. ↵
    王黄冯C、Z, L, et al。人工智能辅助诊断的小说分类工具援助系统疑似covid-19肺炎在诊所。medRxiv(预印本)2020。doi:10.1101 / 2020.03.19.20039099
    OpenUrl CrossRef PubMed
  23. ↵
    金C,陈W,曹Y, et al。人工智能系统的开发和评价covid-19诊断。medRxiv(预印本)2020。doi:10.1101 / 2020.03.20.20039834
    OpenUrl 文摘/免费的全文
  24. ↵
    王濛Z, M,歌H, et al .智能应用程序的开发和利用为协助covid-19诊断。medRxiv(预印本)2020。doi:10.1101 / 2020.03.18.20035816
    OpenUrl 文摘/免费的全文
  25. ↵
    Caramelo F,费雷拉N, Oliveiros b covid-19死亡率的危险因素,初步估计的结果。medRxiv(预印本)2020。doi:10.1101 / 2020.02.24.20027268
    OpenUrl CrossRef PubMed
  26. ↵
    陆J,胡锦涛年代,风扇R, et al . ACP风险等级:一个简单的确诊或疑似患者死亡率指数严重急性呼吸系统综合症冠状病毒2疾病(covid-19)在武汉爆发的早期阶段,中国。medRxiv(预印本)2020。doi:10.1101 / 2020.02.20.20025510
    OpenUrl 文摘/免费的全文
  27. ↵
    江七X, Z,于问,等。基于机器学习CT radiomics模型预测患者住院肺炎SARS-CoV-2感染:一项多中心研究。medRxiv(预印本)2020。doi:10.1101 / 2020.02.29.20029603
  28. ↵
    燕L,张谷岩,肖Y, et al .预测临界Covid-19严重感染患者使用三个临床特征:基于机器学习与临床预后模型数据在武汉。medRxiv(预印本)2020。doi:10.1101 / 2020.02.27.20028027
  29. ↵
    1. 元米,
    2. 应ydF4y2BaW,
    3. 道Z,
    4. 唐ydF4y2BaW,
    5. 胡Y
    。放射协会发现与2019年的小说《冠状病毒感染的病患死亡率在武汉,中国。《公共科学图书馆•综合》2020年;15:e0230548。doi:10.1371 / journal.pone.0230548pmid:32191764
    OpenUrl 文摘/免费的全文
  30. ↵
    应、郑、李L et al .深度学习使准确诊断的新型冠状病毒(covid-19)与CT图像。medRxiv(预印本)2020。doi:10.1101 / 2020.02.23.20026930
    OpenUrl 文摘/免费的全文
  31. ↵
    于H,邵J,郭Y, et al。数据驱动发现严重程度检测的临床路径covid-19儿科病例。medRxiv(预印本)2020。doi:10.1101 / 2020.03.09.20032219
  32. ↵
    沙丘状积砂O, Frid-Adar M,格林斯潘H, et al . AI快速发展周期的冠状病毒(covid-19)大流行:初步结果进行自动检测和病人监护使用深度学习CT图像分析。arXiv预印本(预印本)2020。https://ui.adsabs.harvard.edu/abs/2020arXiv200305037G
  33. ↵
    陈J,吴L,张军,等。基于深度学习模型在高分辨率计算机断层扫描检测2019年新型冠状病毒肺炎:一种前瞻性研究。medRxiv(预印本)2020。doi:10.1101 / 2020.02.25.20021568
    OpenUrl 文摘/免费的全文
  34. ↵
    江徐X, X,马C, et al。深学习系统屏幕冠状病毒疾病2019肺炎。arXiv预印本(预印本)2020。https://ui.adsabs.harvard.edu/abs/2020arXiv200209334X
  35. ↵
    掸族F,高Y,王J, et al .肺部感染量化covid-19的CT图像与深度学习。2020年arXiv预印本。https://ui.adsabs.harvard.edu/abs/2020arXiv200304655S
  36. ↵
    王,康B,马J, et al。深入学习算法利用CT图像屏幕电晕病毒病(covid-19)。medRxiv(预印本)2020。doi:10.1101 / 2020.02.14.20023028
    OpenUrl CrossRef PubMed
  37. ↵
    他J-Q,歌bxcy,徐J等人covid-19预警得分:一个多参数的检测工具来识别高度怀疑患者。medRxiv(预印本)2020。doi:10.1101 / 2020.03.05.20031906
    OpenUrl CrossRef PubMed
  38. ↵
    Barstugan M Ozkaya U, Ozturk美国冠状病毒(covid-19)分类使用CT图像通过机器学习方法。arXiv预印本(预印本)2020。https://ui.adsabs.harvard.edu/abs/2020arXiv200309424B
  39. ↵
    金,王B,徐H, et al . AI-assisted CT成像分析covid-19筛查:构建和部署医学人工智能系统四个星期。medRxiv(预印本)2020。doi:10.1101 / 2020.03.19.20039354
    OpenUrl CrossRef PubMed
  40. ↵
    1. 李l,
    2. 秦l,
    3. 徐Z,
    4. 等
    。人工智能covid-19有别于社区获得性肺炎在胸部CT。放射学2020年:200905年。pmid:32191588
    OpenUrl CrossRef PubMed
  41. ↵
    Lopez-Rincon, Tonda, Mendoza-Maldonado L, et al .准确识别SARS-CoV-2从病毒基因组序列使用深度学习。bioRxiv(预印本)2020。doi:10.1101 / 2020.03.13.990242
  42. ↵
    夏史F, L,掸族F, et al。大规模筛选covid-19使用感染size-aware从社区获得性肺炎的分类。arXiv预印本2020。https://arxiv.org/abs/2003.09860
  43. ↵
    1. 史Y,
    2. 余X,
    3. 赵H,
    4. 王H,
    5. 赵R,
    6. 盛J
    。主机对严重covid-19和建立主机风险评分:武汉外487例的结果。暴击治疗2020年;24:108年。doi:10.1186 / s13054 - 020 - 2833 - 7pmid:32188484
  44. ↵
    郑C,邓X,傅问,等。基于深度学习检测covid-19从胸部CT使用弱标签。medRxiv(预印本)2020。doi:10.1101 / 2020.03.12.20027185
    OpenUrl 免费的全文
  45. ↵
    Chowdhury咩,拉赫曼T, Khandakar et al。AI能帮助筛选病毒和covid-19肺炎吗?arXiv预印本(预印本)2020。https://ui.adsabs.harvard.edu/abs/2020arXiv200313145C。
  46. ↵
    1. 太阳Y,
    2. KohV,
    3. MarimuthuK,
    4. 等
    。流行病学和临床预测covid-19。中国感染说2020年;ciaa322。pmid:32211755
    OpenUrl CrossRef
  47. ↵
    马丁,Nateqi J, Gruarin年代,等。基于人工智能的一线防御covid-19:数字化筛查公民通过chatbot风险。bioRxiv(预印本)2020。doi:10.1101 / 2020.03.25.008805
    OpenUrl 文摘/免费的全文
  48. ↵
    王,咋Y,李W, et al。全自动covid-19深度学习系统的诊断和预后分析。medRxiv(预印本)2020。doi:10.1101 / 2020.03.24.20042317
    OpenUrl 免费的全文
  49. ↵
    王Z,翁J, Z, et al。开发和验证一个诊断计算图表预测covid-19肺炎。medRxiv(预印本)2020。doi:10.1101 / 2020.04.03.20052068
    OpenUrl CrossRef PubMed
  50. ↵
    Sarkar J, Chakrabarti p .机器学习模型揭示了老年和延迟covid-19患者住院死亡率的预测。medRxiv(预印本)2020。doi:10.1101 / 2020.03.25.20043331
    OpenUrl CrossRef PubMed
  51. ↵
    吴J,张P L, et al。快速、准确识别covid-19通过机器学习基于临床感染可用血液测试结果。medRxiv(预印本)2020。doi:10.1101 / 2020.04.02.20051136
    OpenUrl CrossRef PubMed
  52. ↵
    杨周Y, Z,郭Y,等。一种新的预测患者的疾病严重程度的covid-19在武汉,中国。medRxiv(预印本)2020。doi:10.1101 / 2020.03.24.20042119
    OpenUrl CrossRef PubMed
  53. ↵
    阿巴斯,Abdelsamea M, Gaber M . covid-19分类在胸部x光图像使用DeTraC深卷积神经网络。medRxiv(预印本)2020。doi:10.1101 / 2020.03.30.20047456
    OpenUrl CrossRef PubMed
  54. ↵
    1. ApostolopoulosID,
    2. Mpesiana助教
    。Covid-19:自动检测x射线图像利用转移与卷积神经网络学习。医学物理和工程科学,2020年。doi:10.1007 / s13246 - 020 - 00865 - 4。
    OpenUrl CrossRef PubMed
  55. ↵
    布哈里SUK,布哈里构造论,赛义德·A, et al .卷积神经网络(CNN)的诊断评估的评估病人的胸部x光片covid-19感染。medRxiv(预印本)2020。doi:10.1101 / 2020.03.26.20044610
    OpenUrl CrossRef PubMed
  56. ↵
    查宾Chaganti年代,Balachandran, G, et al .层析模式的量化与covid-19从胸部CT。arXiv预印本(预印本)2020。https://ui.adsabs.harvard.edu/abs/2020arXiv200401279C。
  57. ↵
    傅M,曾易的,Y, et al .深上优于识别covid-19和其他常见传染病的肺胸部CT扫描图像。medRxiv(预印本)2020。doi:10.1101 / 2020.03.28.20046045
    OpenUrl CrossRef PubMed
  58. ↵
    沙丘状积砂O, Frid-Adar M, Sagie N, et al。胸部CT冠状病毒检测和分析与深度学习。arXiv预印本(预印本)2020。https://ui.adsabs.harvard.edu/abs/2020arXiv200402640G。
  59. ↵
    伊姆兰,Posokhova我,库雷希HN, et al . AI4covid-19: AI启用的初步诊断为covid-19咳嗽样本通过一个应用arXiv预印本(预印本)2020。https://ui.adsabs.harvard.edu/abs/2020arXiv200401275I。
  60. ↵
    1. 李K,
    2. 方Y,
    3. 李W,
    4. 等
    。CT图像视觉定量评价和临床冠状病毒疾病的分类(covid-19)。欧元Radiol2020年;doi:10.1007 / s00330 - 020 - 06817 - 6pmid:32215691
    OpenUrl CrossRef PubMed
  61. ↵
    朱李X,李C, d . covid-MobileXpert:设备内置covid-19筛选使用快照的胸部X光片。arXiv预印本(预印本)2020。https://ui.adsabs.harvard.edu/abs/2020arXiv200403042L。
  62. ↵
    Mahdy LN、Ezzat KA Elmousalami HH, et al . x射线covid-19肺图像自动分类系统基于多级阈值转换法和支持向量机。medRxiv(预印本)2020。doi:10.1101 / 2020.03.30.20047787
  63. ↵
    唐Z,赵W,谢X, et al .冠状病毒疾病的严重性评估2019 (covid-19)使用定量特性从胸部CT图像。arXiv预印本(预印本)2020。https://ui.adsabs.harvard.edu/abs/2020arXiv200311988T。
  64. ↵
    谢张J, Y, Y,李等人covid-19筛查在胸部x光图像使用基于深度学习的异常检测。2020年arXiv预印本。https://ui.adsabs.harvard.edu/abs/2020arXiv200312338Z。
  65. ↵
    周,陈Y,王D, et al。改善深度学习模型区分新型冠状病毒肺炎和流感肺炎。medRxiv(预印本)2020。doi:10.1101 / 2020.03.24.20043117
    OpenUrl CrossRef PubMed
  66. ↵
    1. 黄H,
    2. 蔡年代,
    3. 李Y,
    4. 等
    。COVID-19肺炎预后因素发展为严重的症状根据早期临床特点:一项回顾性分析。前面地中海(洛桑)2020年;7:557453年。doi:10.3389 / fmed.2020.557453。pmid:33123541
    OpenUrl CrossRef PubMed
  67. ↵
    1. Pourhomayoun米,
    2. Shakibi米
    。预测患者的死亡风险COVID-19用机器学习来帮助医疗决策。智能健康(Amst)2021年;20.:100178年。doi:10.1016 / j.smhl.2020.100178。pmid:33521226
    OpenUrl 文摘/免费的全文
  68. ↵
    李曾L, J,廖M, et al。风险评估covid-19肺炎患者发展为严重的条件:单中心回顾性研究。medRxiv(预印本)2020。doi:10.1101 / 2020.03.25.20043166
    OpenUrl PubMed
  69. ↵
    1. Al-NajjarH,
    2. Al-RousanN
    。分类器预测模型来预测冠状病毒的状态covid-19病人在韩国。欧元牧师地中海Sci杂志2020年;24:3400年- - - - - -3。doi:10.26355 / eurrev_202003_20709pmid:32271458
    OpenUrl CrossRef PubMed
  70. ↵
    安格诺夫P,苏亚雷斯大肠covid-19 Explainable-by-design方法分类图中显示通过。medRxiv(预印本)2020。doi:10.1101 / 2020.04.24.20078584。
    OpenUrl CrossRef PubMed
  71. ↵
    Arpan M,苏亚K,哈瑞R, et al . CovidAID: covid-19检测使用胸部x光片。ArXiv预印本(预印本)2020
  72. ↵
    1. 白HX,
    2. 王R,
    3. 熊Z,
    4. 等
    。AI放射科医师的扩充性能区分covid-19和肺炎的病因在胸部CT。放射学2020年;201491年。pmid:32339081
    OpenUrl 文摘/免费的全文
  73. ↵
    1. BardaN,
    2. RieselD,
    3. Akriv一个,
    4. 等
    。开发一个COVID-19死亡率预测模型在个体层面的数据不可用。Nat Commun2020年;11:4439年。doi:10.1038 / s41467 - 020 - 18297 - 9。pmid:32895375
    OpenUrl 免费的全文
  74. ↵
    低音部普拉斯,Attux r .卷积神经网络用于covid-19检测使用胸部x光检查。ArXiv预印本(预印本)2020
  75. ↵
    巴蒂斯塔AfdM。Miraglia杰,Donato刺,等人covid-19急诊患者的诊断预测:机器学习方法。medRxiv(预印本)2020doi:10.1101 / 2020.04.04.20052092。
    OpenUrl CrossRef PubMed
  76. ↵
    1. Bello-ChavollaOY,
    2. Bahena-Lopez摩根大通,
    3. antonio villa不,
    4. 等
    。预测死亡率由于SARS-CoV-2:肥胖和糖尿病相关的机械的分数在墨西哥covid-19结果。中国性金属底座2020年;105年:dgaa346。doi:10.1210 / clinem / dgaa346pmid:32474598
    OpenUrl CrossRef PubMed
  77. ↵
    Benchoufi M, Bokobza J,安东尼·C et al .肺损伤患者或疑似covid-19:比较肺超声波和胸部ct扫描仪严重性评估,一项观察性研究。MedRxiv(预印本)2020doi:10.1101 / 2020.04.24.20069633。
    OpenUrl CrossRef PubMed
  78. ↵
    1. Borghesi一个,
    2. MaroldiR
    。covid-19爆发在意大利:实验胸部x光量化评分系统和监测疾病进展。Radiol地中海2020年;125年:509年- - - - - -13。doi:10.1007 / s11547 - 020 - 01200 - 3pmid:32358689
    OpenUrl CrossRef PubMed
  79. ↵
    出生的J, Brandle G, Cossio M, et al。Pocovid-Net:自动检测covid-19从一个新的肺超声波成像数据集(巫师)。ArXiv预印本(预印本)2020。
  80. ↵
    1. BrinatiD,
    2. 窄花边一个,
    3. 法拉利D,
    4. Locatelli米,
    5. 班菲G,
    6. CabitzaF
    。从血常规检测COVID-19感染与机器学习考试:可行性研究。J医疗系统2020年;44:135年。doi:10.1007 / s10916 - 020 - 01597 - 4。pmid:32607737
    OpenUrl CrossRef PubMed
  81. ↵
    1. 卡尔E,
    2. BendayanR,
    3. 豆D,
    4. 等
    。评估和改善国家COVID-19早期预警评分(NEWS2):参加一个由多个医院协作。研究项目。BMC医学2021年;19:23。doi:10.1186 / s12916 - 020 - 01893 - 3。pmid:33472631
    OpenUrl 文摘/免费的全文
  82. ↵
    卡斯蒂格利奥尼,使役动词D, Interlenghi M, et al。人工智能应用于胸部x光可以帮助covid-19感染的诊断:从伦巴第的第一次经历。medRxiv(预印本)2020。doi:10.1101 / 2020.04.08.20040907。
    OpenUrl CrossRef PubMed
  83. ↵
    1. ChassagnonG,
    2. Vakalopoulou米,
    3. BattistellaE,
    4. 等
    。AI-driven量化、分期和结果的预测COVID-19肺炎。医学图像肛门2021年;67年:101860年。doi:10.1016 / j.media.2020.101860。pmid:33171345
    OpenUrl CrossRef PubMed
  84. ↵
    1. 程ydF4y2BaX,
    2. 唐Y,
    3. 莫Y,
    4. 等
    。冠状病毒病的诊断模型2019 (covid-19)基于辐射语义和临床特征:一项多中心研究。欧元Radiol2020年。doi:10.1007 / s00330 - 020 - 06829 - 2pmid:32300971
    OpenUrl 文摘/免费的全文
  85. ↵
    1. ColombiD,
    2. Bodini足球俱乐部,
    3. Petrini提出米,
    4. 等
    。的肺在承认胸部CT预测covid-19肺炎的不良结局。放射学2020年;201433年。doi:10.1148 / radiol.2020201433pmid:32301647
    OpenUrl CrossRef PubMed
  86. ↵
    1. 达斯正义与发展党,
    2. Mishra年代,
    3. Saraswathy格帕兰年代
    。预测CoVID-19社区死亡风险使用机器学习和发展的在线预测工具。PeerJ2020年;8:e10083。doi:10.7717 / peerj.10083。pmid:33062451
    OpenUrl CrossRef PubMed
  87. ↵
    Diaz-Quijano FA、席尔瓦JMNd Ganem F,等。基于模型预测SARS-CoV-2感染在巴西第一个三个月的监测数据。medRxiv(预印本)2020。doi:10.1101 / 2020.04.05.20047944。
    OpenUrl 文摘/免费的全文
  88. ↵
    Guiot J, Vaidyanathan Deprez L, et al。开发和验证的自动化检测covid-19 radiomic CT签名。medRxiv(预印本)2020。doi:10.1101 / 2020.04.28.20082966。
    OpenUrl CrossRef PubMed
  89. ↵
    刘郭Y, Y,路J, et al。开发和验证一个早期预警评分(ewa)预测2019年冠状病毒疾病患者临床恶化。medRxiv(预印本)2020。doi:10.1101 / 2020.04.17.20064691
    OpenUrl CrossRef
  90. ↵
    1. 胡C,
    2. 刘Z,
    3. 江Y,
    4. 等
    。早期预测患者的死亡风险严重COVID-19,使用机器学习。Int增加2021年;49:1918年- - - - - -29日。doi:10.1093 / ije / dyaa171。pmid:32997743
    OpenUrl CrossRef PubMed
  91. ↵
    1. 胡H,
    2. 姚N,
    3. 邱Y
    。死亡率比较快速评分系统预测与新型冠状病毒疾病病人至关重要。阿德莱德大学地中海紧急情况2020年;27:461年- - - - - -8。doi:10.1111 / acem.13992pmid:32311790
    OpenUrl 文摘/免费的全文
  92. ↵
    1. 胡R,
    2. 阮G,
    3. 香年代,
    4. 等
    。自动诊断covid-19使用深度学习和数据在胸部CT增强。medRxiv(预印本)2020年。doi:10.1101 / 2020.04.24.20078998。
    OpenUrl CrossRef PubMed
  93. ↵
    伊斯兰教太,弗莱舍JW。区分L和H表型covid-19使用单一x射线图像。medRxiv(预印本)2020。doi:10.1101 / 2020.04.27.20081984。
    OpenUrl CrossRef PubMed
  94. ↵
    1. 霁D,
    2. 张D,
    3. 徐J,
    4. 等
    。预测进展风险covid-19肺炎患者:调用得分。中国感染说2020年;ciaa414。doi:10.1093 / cid / ciaa414pmid:32271369
    OpenUrl CrossRef PubMed
  95. ↵
    1. 江X,
    2. 咖啡米,
    3. 巴里一个,
    4. 等
    。对一个人工智能数据驱动框架的预测冠状病毒临床严重程度。电脑。材料和连续2020年;63年:537年- - - - - -51doi:10.32604 / cmc.2020.010691。
    OpenUrl 文摘/免费的全文
  96. ↵
    江Z,胡M, L,粉丝等。结合可见光和红外成像等呼吸道感染的有效检测covid-19便携设备。ArXiv预印本(预印本)2020。
  97. ↵
    假名创业板,假名ZMG假名DAF,等。基于web的诊断工具covid-19胸片上使用机器学习(CXR)。medRxiv(预印本)2020。doi:10.1101 / 2020.04.21.20063263。
    OpenUrl 文摘/免费的全文
  98. ↵
    Rezaul公里,Dohmen T, Rebholz-Schuhmann D, et al。DeepcovidExplainer:可辩解的covid-19预测基于胸部x光图像。ArXiv预印本(预印本)2020。
  99. ↵
    1. 汗人工智能,
    2. 沙阿莱托,
    3. Bhat毫米
    。冠状头饰:深层神经网络检测和诊断的covid-19胸部x光图像。第一版方法程序生物医学2020年;196年:105581年。doi:10.1016 / j.cmpb.2020.105581pmid:32534344
    OpenUrl CrossRef PubMed
  100. ↵
    Kumar R, R Arora,邦萨尔V, et al。准确预测covid-19使用胸部x光图像通过深功能与击打和机器学习分类器学习模型。medRxiv(预印本)2020。doi:10.1101 / 2020.04.13.20063461。
    OpenUrl 文摘/免费的全文
  101. ↵
    Kurstjens年代,van der霍斯特,疱疹R, et al。快速识别SARS-CoV-2-infected病人在急诊室使用常规检测。medRxiv(预印本)2020。doi:10.1101 / 2020.04.20.20067512
    OpenUrl 文摘/免费的全文
  102. ↵
    利维TJ,理查森年代,K杯,et al。估计covid-19住院病人从入院信息的生存。medRxiv(预印本)2020。doi:10.1101 / 2020.04.22.20075416。
    OpenUrl 文摘/免费的全文
  103. ↵
    李Z,钟Z,李Y,等。从社区获得性肺炎covid-19:基于深度学习的方法定量分析covid-19 thick-section CT扫描。medRxiv(预印本)2020。doi:10.1101 / 2020.04.17.20070219。
    OpenUrl CrossRef PubMed
  104. ↵
    1. 刘问,
    2. 方X,
    3. Tokuno年代,
    4. 等
    。网络可视化工具使用T细胞亚群作为预测评估COVID-19病人的严重程度。《公共科学图书馆•综合》2020年;15:e0239695。doi:10.1371 / journal.pone.0239695。pmid:32970753
    OpenUrl CrossRef PubMed
  105. ↵
    1. 律P,
    2. 刘X,
    3. 张R,
    4. 史l,
    5. 高J
    。胸部CT的性能评估的临床严重性covid-19肺炎:识别关键的情况下基于CT特征。投资Radiol2020年;55:412年- - - - - -21。doi:10.1097 / RLI.0000000000000689pmid:32304402
  106. ↵
    1. 麦克雷国会议员,
    2. 席梦思床品公司吉瓦,
    3. Christodoulides新泽西,
    4. 等
    。临床决策支持工具和快速即时平台确定covid-19患者的疾病严重程度。芯片实验室2020年;20.:2075年- - - - - -85年。doi:10.1039 / D0LC00373Epmid:32490853
    OpenUrl 文摘/免费的全文
  107. ↵
    1. 梅X,
    2. 李HC,
    3. 刁肯塔基州,
    4. 等
    。人工intelligence-enabled covid-19患者的快速诊断。Nat地中海2020年;26:1224年- - - - - -8。doi:10.1038 / s41591 - 020 - 0931 - 3pmid:32427924
    OpenUrl CrossRef PubMed
  108. ↵
    1. MenniC,
    2. 巴尔德斯我,
    3. FreidinMB,
    4. 等
    。实时跟踪预测潜在covid-19自述症状。Nat地中海2020年;26:1037年- - - - - -40。doi:10.1038 / s41591 - 020 - 0916 - 2pmid:32393804
    OpenUrl 文摘/免费的全文
  109. ↵
    Moutounet-Cartan调整。深卷积神经网络诊断covid-19从胸部后前位的x射线和其他肺炎疾病。ArXiv预印本(预印本)2020
  110. ↵
    1. OzturkT,
    2. Talo米,
    3. YildirimEA,
    4. Baloglu乌兰巴托,
    5. YildirimO,
    6. Rajendra AcharyaU
    。自动检测covid-19病例使用深层神经网络和x射线图像。第一版生物医学2020年;121年:103792年。doi:10.1016 / j.compbiomed.2020.103792pmid:32568675
    OpenUrl 文摘/免费的全文
  111. ↵
    1. Rahimzadeh米,
    2. 香精油一个
    。修改深卷积神经网络检测covid-19和肺炎从胸部x光图像拼接的基础上Xception ResNet50V2。通知地中海解锁2020年;19:100360年。doi:10.1016 / j.imu.2020.100360pmid:32501424
    OpenUrl CrossRef PubMed
  112. ↵
    拉赫曼,纳兹,汗一个,等。改善冠状病毒(covid-19)诊断使用深转移学习。medRxiv(预印本)2020。doi:10.1101 / 2020.04.11.20054643。
    OpenUrl 文摘/免费的全文
  113. ↵
    1. 辛格D,
    2. 库马尔V,
    3. 瑟利NA,
    4. 考尔米
    。分类covid-19患者胸部CT图像使用多目标微分基于进化学的卷积神经网络。中国欧元Microbiol感染说2020年;39:1379年- - - - - -89年。doi:10.1007 / s10096 - 020 - 03901 - zpmid:32337662
    OpenUrl 文摘/免费的全文
  114. ↵
    1. 辛格K,
    2. 谷TS,
    3. 唐年代,
    4. 等
    。评价指数模型中广泛实现专有恶化COVID-19患者住院。安是Thorac Soc2021年;18:1129年- - - - - -37。doi:10.1513 / annalsats.202006 - 698摄氏度。pmid:33357088
    OpenUrl 文摘/免费的全文
  115. ↵
    Soares F, Villavicencio Anzanello MJ,等。一种新型高特异性covid-19基于简单的血液检查来筛查方法和人工智能。medRxiv(预印本)2020。doi:10.1101 / 2020.04.10.20061036。
    OpenUrl 文摘/免费的全文
  116. ↵
    Tordjman M, Mekki马里RD, et al .预先测试SARS-Cov-2-related感染概率得分:巴黎得分。medRxiv(预印本)2020。doi:10.1101 / 2020.04.28.20081687。
    OpenUrl 文摘/免费的全文
  117. ↵
    1. UcarF,
    2. KorkmazD
    。covidiagnosis-Net:深Bayes-SqueezeNet基于诊断的冠状病毒疾病2019 (covid-19) x射线图像。地中海的假设2020年;140年:109761年。doi:10.1016 / j.mehy.2020.109761pmid:32344309
    OpenUrl 文摘/免费的全文
  118. ↵
    1. Vaid一个,
    2. Somani年代,
    3. RussakAJ,
    4. 等
    。机器学习来预测死亡率和关键事件队列的患者在纽约市COVID-19:模型的开发和验证。J地中海互联网Res2020年;22:e24018。doi:10.2196/24018。pmid:33027032
    OpenUrl CrossRef PubMed
  119. ↵
    巴斯克斯Guillamet C,巴斯克斯Guillamet R,克雷默AA, et al。向covid-19 score-risk评估和注册表。medRxiv(预印本)2020。doi:10.1101 / 2020.04.15.20066860。
    OpenUrl CrossRef PubMed
  120. ↵
    王c,邓R,郭台铭L, et al。初步研究确定严重的病例使用NLR&RDW-SD covid-19的组合参数。medRxiv(预印本)2020。doi:10.1101 / 2020.04.09.20058594。
    OpenUrl CrossRef PubMed
  121. ↵
    吴Y-H高h,梅J, et al . JCS:一个可辩解的covid-19诊断系统由联合分类和分割。ArXiv预印本(预印本)2020。
  122. ↵
    张H, T,吴X, et al。风险预测结果不佳,死在医院住院病人covid-19:推导在武汉,中国在伦敦和外部验证。medRxiv(预印本)2020。doi:10.1101 / 2020.04.28.20082222。
    OpenUrl CrossRef PubMed
  123. ↵
    魏赵B, Y,太阳W, et al .区分冠状病毒病2019例普外科紧急CIAAD规模:开发和验证预测模型基于822例在中国。medRxiv(预印本)2020。doi:10.1101 / 2020.04.18.20071019。
    OpenUrl CrossRef PubMed
  124. ↵
    1. 朱Z,
    2. 蔡T,
    3. 方ydF4y2Bal,
    4. 等
    。免疫炎症的临床价值参数来评估2019年冠状病毒疾病的严重程度。Int J感染说2020年;95年:332年- - - - - -9。doi:10.1016 / j.ijid.2020.04.041pmid:32334118
    OpenUrl CrossRef PubMed
  125. ↵
    1. 龚J,
    2. 欧J,
    3. 邱X,
    4. 等
    。一个工具来预测严重的冠状病毒疾病2019年初(covid-19):一项多中心研究使用风险列线图在武汉、广东,中国。中国感染说2020年;ciaa443。pmid:32296824
    OpenUrl CrossRef PubMed
  126. ↵
    1. ApostolopoulosID,
    2. Aznaouridis如果,
    3. Tzani马
    。从x射线图像中提取可能代表covid-19生物标记与深度学习方法和图像数据相关肺部疾病。J地中海英格2020年;40:462年- - - - - -9。doi:10.1007 / s40846 - 020 - 00529 - 4。pmid:32412551
    OpenUrl CrossRef PubMed
  127. ↵
    1. ArdakaniAA,
    2. Kanafi基于“增大化现实”技术,
    3. 阿查里雅你的,
    4. KhademN,
    5. 穆罕默一个
    。应用深度学习技术来管理covid-19使用CT图像的日常临床实践:10卷积神经网络的结果。第一版生物医学2020年;121年:103795年。doi:10.1016 / j.compbiomed.2020.103795pmid:32568676
    OpenUrl CrossRef PubMed
  128. ↵
    1. 酒吧年代,
    2. Lecourtois一个,
    3. 迪乌夫米,
    4. 等
    。与covid-19感染肺协会超声图像在急诊室队列。麻醉2020年;75年:1620年- - - - - -5。doi:10.1111 / anae.15175pmid:32520406
    OpenUrl CrossRef PubMed
  129. ↵
    1. BiX,
    2. 苏Z,
    3. 杨ydF4y2BaH,
    4. 等
    。预测的严重疾病由于covid-19基于初始纤维蛋白原白蛋白比值的分析和血小板计数。血小板2020年;31日:674年- - - - - -9。doi:10.1080 / 09537104.2020.1760230pmid:32367765
    OpenUrl CrossRef PubMed
  130. ↵
    1. Borghesi一个,
    2. Zigliani一个,
    3. Golemi年代,
    4. 等
    。胸部x光片严重程度指数在冠状病毒病住院死亡率的预测2019年:从意大利302名患者的研究。Int J感染说2020年;96年:291年- - - - - -3。doi:10.1016 / j.ijid.2020.05.021pmid:32437939
    OpenUrl CrossRef PubMed
  131. ↵
    1. BurianE,
    2. JungmannF,
    3. Kaissis遗传算法,
    4. 等
    。重症监护covid-19肺炎风险评估基于临床和成像参数:经历从慕尼黑队列。中国医疗2020年;9:E1514。doi:10.3390 / jcm9051514pmid:32443442
    OpenUrl CrossRef PubMed
  132. ↵
    1. Cecconi米,
    2. PiovaniD,
    3. 来庆祝E,
    4. 等
    。一群早期预测因子的临床恶化感染239例住院covid-19伦巴第,意大利。中国医疗2020年;9:E1548。doi:10.3390 / jcm9051548pmid:32443899
    OpenUrl CrossRef PubMed
  133. ↵
    1. 程财政年度,
    2. JoshiH,
    3. TandonP,
    4. 等
    。使用机器学习预测ICU covid-19住院患者的转移。中国医疗2020年;9:E1668。doi:10.3390 / jcm9061668pmid:32492874
    OpenUrl CrossRef PubMed
  134. ↵
    1. 崔MH,
    2. 安H,
    3. Ryu海关,
    4. 等
    。早期covid-19患者的临床特征与疾病进展在韩国。中国医疗2020年;9:E1959。doi:10.3390 / jcm9061959pmid:32585855
    OpenUrl CrossRef PubMed
  135. ↵
    1. 仁慈BM,
    2. VarugheseR,
    3. ScheaferDK,
    4. 等
    。卫生保健工作者的症状标准covid-19测试。阿德莱德大学地中海紧急情况2020年;27:469年- - - - - -74年。doi:10.1111 / acem.14009pmid:32396670
    OpenUrl CrossRef PubMed
  136. ↵
    1. 越南盾Y,
    2. 周H,
    3. 李米,
    4. 等
    。小说简单的评分模型预测SARS-CoV-2患者感染的严重程度。Transbound紧急情况说2020年;67年:2823年- - - - - -9。doi:10.1111 / tbed.13651pmid:32469137
    OpenUrl CrossRef PubMed
  137. ↵
    1. El AsnaouiK,
    2. ChawkiY
    。使用x射线图像和深度学习的自动检测冠状病毒疾病。J Biomol结构动力学2020年;1- - - - - -12。pmid:32397844
    OpenUrl CrossRef PubMed
  138. ↵
    1. 傅l,
    2. 李Y,
    3. 程一个,
    4. 庞P,
    5. 蜀Z
    。整个肺的一种新型机器learning-derived radiomic签名区分稳定进步covid-19感染:回顾性队列研究。J Thorac成像2020年。doi:10.1097 / RTI.0000000000000544pmid:32555006
    OpenUrl CrossRef PubMed 网络的科学
  139. ↵
    1. 加洛韦简森-巴顿,
    2. 诺顿年代,
    3. 巴克理查德·道金斯,
    4. 等
    。临床风险评分确定高危covid-19重症监护患者住院或死亡:一项观察性队列研究。J感染2020年;81年:282年- - - - - -8。doi:10.1016 / j.jinf.2020.05.064pmid:32479771
    OpenUrl 免费的全文
  140. ↵
    1. 基色NS,
    2. ErganB,
    3. Barış毫米,
    4. 等
    。covid-19 S:诊断和结构化报告的新提议covid-19计算机断层扫描成像。成岩作用间歇雨刷Radiol2020年;26:315年- - - - - -22。doi:10.5152 / dir.2020.20351pmid:32558646
    OpenUrl 文摘/免费的全文
  141. ↵
    1. Gidari一个,
    2. 德社会全球之声,
    3. Sabbatini年代,
    4. FrancisciD
    。国家早期预警评分预测价值2 (NEWS2)重症监护室患者入院SARS-CoV-2感染。感染Dis (Lond)2020年;52:698年- - - - - -704年。doi:10.1080 / 23744235.2020.1784457pmid:32584161
    OpenUrl CrossRef PubMed
  142. ↵
    1. 在香港Y,
    2. 吴X,
    3. 曲J,
    4. 高Y,
    5. 程ydF4y2BaH,
    6. 张Z
    。2019年冠状病毒疾病的临床特点和发展医院住院时间延长的预测模型。安Transl地中海2020年;8:443年。doi:10.21037 / atm.2020.03.147pmid:32395487
    OpenUrl 免费的全文
  143. ↵
    1. 黄D,
    2. 王T,
    3. 程ydF4y2BaZ,
    4. 杨H,
    5. 姚R,
    6. 梁Z
    。小说风险评分与冠状病毒疾病预测诊断2019 (covid-19)疑似患者:回顾,多中心观察研究。J地中海2020年;92年:2709年- - - - - -17。doi:10.1002 / jmv.26143pmid:32510164
    OpenUrl CrossRef PubMed
  144. ↵
    1. 黄J,
    2. 程一个,
    3. 凌ydF4y2Ba年代,
    4. 朱Y,
    5. 程ydF4y2BaG
    。个性化的预测疾病进展在轻度covid-19列线图。J地中海2020年;92年:2074年- - - - - -80年。doi:10.1002 / jmv.25969pmid:32369205
    OpenUrl CrossRef PubMed
  145. ↵
    1. Jehil,
    2. 霁X,
    3. Milinovich一个,
    4. 等
    。有个性的积极的冠状病毒疾病风险预测2019年测试:11672名患者的结果。胸部2020年;158年:1364年- - - - - -75年。doi:10.1016 / j.chest.2020.05.580pmid:32533957
    OpenUrl CrossRef PubMed
  146. ↵
    1. JoshiRP,
    2. PejaverV,
    3. Hammarlund不,
    4. 等
    。预测工具识别SARS-CoV-2 PCR-negative急诊患者使用常规的测试结果。中国性2020年;129年:104502年。doi:10.1016 / j.jcv.2020.104502pmid:32544861
    OpenUrl CrossRef PubMed
  147. ↵
    1. 骑士老,
    2. 何一个,
    3. 庇护R,
    4. et al。,
    5. ISARIC4C调查人员
    。住院患者的危险分层与使用ISARIC covid-19临床描述协议:开发和验证的4 c死亡率得分。BMJ2020年;370年:m3339。doi:10.1136 / bmj.m3339pmid:32907855
    OpenUrl CrossRef PubMed
  148. ↵
    1. KoH,
    2. 钟H,
    3. 康WS,
    4. 等
    。covid-19肺炎诊断使用一个简单的二维深度学习框架与一个胸部CT图像:模型的开发和验证。J地中海互联网Res2020年;22:e19569。doi:10.2196/19569pmid:32568730
    OpenUrl CrossRef PubMed
  149. ↵
    1. 李问,
    2. 张J,
    3. 凌Y,
    4. 等
    。一个简单的算法有助于早期识别SARS-CoV-2感染患者严重的发展趋势。感染2020年;48:577年- - - - - -84年。doi:10.1007 / s15010 - 020 - 01446 - zpmid:32440918
    OpenUrl CrossRef PubMed
  150. ↵
    1. 李Y,
    2. 杨Z,
    3. 人工智能T,
    4. 吴年代,
    5. 夏l
    。协会的“初始CT发现与2019年与冠状病毒疾病老年患者死亡率(covid-19)。欧元Radiol2020年;30.:6186年- - - - - -93年。doi:10.1007 / s00330 - 020 - 06969 - 5pmid:32524220
    OpenUrl CrossRef PubMed
  151. ↵
    1. 李Z,
    2. 曾B,
    3. LeiP,
    4. 等
    。区分肺炎使用和不使用胸部CT图像covid-19:从定性到定量。J x光Sci抛光工艺2020年;28:583年- - - - - -9。doi:10.3233 / xst - 200689pmid:32568167
    OpenUrl CrossRef PubMed
  152. ↵
    1. 梁W,
    2. 梁H,
    3. 欧l,
    4. et al。,
    5. 中国对covid-19医疗专家小组
    。开发和验证的临床风险评分预测重要疾病的发生与covid-19住院病人。JAMA实习生地中海2020年;180年:1081年- - - - - -9。doi:10.1001 / jamainternmed.2020.2033pmid:32396163
    OpenUrl CrossRef PubMed
  153. ↵
    1. 刘F,
    2. 张问,
    3. 黄C,
    4. 等
    。早期肺炎病变的CT定量预测进展在一群covid-19严重疾病患者。开展2020年;10:5613年- - - - - -22。doi:10.7150 / thno.45985pmid:32373235
    OpenUrl PubMed
  154. ↵
    1. 刘X,
    2. 史年代,
    3. 肖J,
    4. 等
    。2019年预测冠状病毒病的严重性及其不良临床结果。日本J感染说2020年;73年:404年- - - - - -10。doi:10.7883 / yoken.JJID.2020.194pmid:32475880
    OpenUrl CrossRef PubMed
  155. ↵
    1. 刘Y,
    2. 王Z,
    3. 任J,
    4. 等
    。全科医生的covid-19风险评估决策支持系统:设计和开发研究。J地中海互联网Res2020年;22:e19786。doi:10.2196/19786pmid:32540845
    OpenUrl CrossRef PubMed
  156. ↵
    1. 刘YP,
    2. 李通用汽车,
    3. 他J,
    4. 等
    。结合使用neutrophil-to-lymphocyte率和c反应蛋白预测7天疾病严重程度在84年住院患者covid-19肺炎:回顾性队列研究。安Transl地中海2020年;8:635年。doi:10.21037 / atm - 20 - 2372pmid:32566572
    OpenUrl CrossRef PubMed
  157. ↵
    1. Lorente-Ros一个,
    2. Monteagudo鲁伊斯JM,
    3. 林康LM,
    4. 等
    。心肌损伤的决心改善covid-19患者的危险分层和预测死亡率。心功能杂志J2020年;27:489年- - - - - -96年。doi:10.5603 / CJ.a2020.0089pmid:32589258
    OpenUrl CrossRef PubMed
  158. ↵
    1. 罗l,
    2. 罗Z,
    3. 贾Y,
    4. 等
    。CT鉴别诊断covid-19和non-covid-19症状怀疑:一个实际的计分法。BMC Pulm地中海2020年;20.:129年。doi:10.1186 / s12890 - 020 - 1170 - 6pmid:32381057
    OpenUrl CrossRef PubMed
  159. ↵
    1. 罗米,
    2. 刘J,
    3. 江W,
    4. 悦年代,
    5. 刘H,
    6. 魏年代
    。il - 6和CD8 + T细胞数量的总和是一个covid-19患者住院死亡率的早期预测。江森自控的洞察力2020年;5:139024年。doi:10.1172 / jci.insight.139024pmid:32544099
    OpenUrl CrossRef PubMed
  160. ↵
    1. 罗Y,
    2. 元X,
    3. 雪Y,
    4. 等
    。使用基于常规实验室检测诊断模型区分病人感染SARS-CoV-2从那些感染了流感病毒。Int J感染说2020年;95年:436年- - - - - -40。doi:10.1016 / j.ijid.2020.04.078pmid:32371192
    OpenUrl CrossRef PubMed
  161. ↵
    1. 马托斯J,
    2. PaparoF,
    3. Mussetto我,
    4. 等
    。使用定量评价新型冠状病毒病(covid-19)肺CT和临床数据:短期结果的预测。欧元Radiol实验2020年;4:39。doi:10.1186 / s41747 - 020 - 00167 - 0pmid:32592118
    OpenUrl CrossRef PubMed
  162. ↵
    1. MazzaccaroD,
    2. GiacomazziF,
    3. Giannetta米,
    4. 等
    。在non-ICU Non-overt凝血障碍患者轻度至中度covid-19肺炎。中国医疗2020年;9:E1781。doi:10.3390 / jcm9061781pmid:32521707
    OpenUrl CrossRef PubMed
  163. ↵
    1. 墨菲K,
    2. 史密特H,
    3. 努AJG,
    4. 等
    。Covid-19胸片:multireader评估的人工智能系统。放射学2020年;296年:E166- - - - - -72年。doi:10.1148 / radiol.2020201874pmid:32384019
    OpenUrl CrossRef PubMed
  164. ↵
    1. 欧贝得JS,
    2. 戴维斯米,
    3. 特纳米,
    4. et al。,
    5. 欧贝得JS,
    6. 戴维斯米,
    7. 特纳米,
    8. 等
    。covid-19感染风险评估的人工智能方法在虚拟访问:一个案例报告。J是通知协会2020年;27:1321年- - - - - -5。doi:10.1093 /地点/ ocaa105pmid:32449766
    OpenUrl CrossRef PubMed
  165. ↵
    1. 聚氨酯J,
    2. 领袖J,
    3. 也免不了一个,
    4. 等
    。独特的形象与covid-19相关生物标志物吗?欧元Radiol2020年;30.:6221年- - - - - -7。doi:10.1007 / s00330 - 020 - 06956 - wpmid:32462445
    OpenUrl CrossRef PubMed
  166. ↵
    1. 拉贾年代,
    2. Antani年代
    。深度学习弱带安全标签的数据时增加:一项研究在胸部x光检查covid-19检测。诊断(巴塞尔)2020年;10:E358。doi:10.3390 / diagnostics10060358pmid:32486140
    OpenUrl CrossRef PubMed
  167. ↵
    1. 罗兰LT,
    2. Gurrola詹2日。,
    3. Loftus巴勒斯坦权力机构,
    4. 张西南,
    5. 常莱托
    。嗅觉和味觉症状covid-19诊断预测模型。Int论坛过敏Rhinol2020年;10:832年- - - - - -8。doi:10.1002 / alr.22602pmid:32363809
    OpenUrl CrossRef PubMed
  168. ↵
    1. SaticiC,
    2. Demirkol马,
    3. Sargin AltunokE,
    4. 等
    。性能的肺炎严重程度指数在预测和控制- 65 30天死亡率covid-19患者。Int J感染说2020年;98年:84年- - - - - -9。doi:10.1016 / j.ijid.2020.06.038pmid:32553714
    OpenUrl CrossRef PubMed
  169. ↵
    1. 首歌J,
    2. 王H,
    3. 刘Y,
    4. 等
    。端到端自动分化的冠状病毒疾病2019 (covid-19)根据胸部CT病毒性肺炎。欧元J诊断地中海摩尔成像2020年;47:2516年- - - - - -24。doi:10.1007 / s00259 - 020 - 04929 - 1pmid:32567006
    OpenUrl CrossRef PubMed
  170. ↵
    1. 太阳l,
    2. 首歌F,
    3. 史N,
    4. 等
    。结合四个临床指标预测严重症状的患者感染covid-19 /至关重要的。中国性2020年;128年:104431年。doi:10.1016 / j.jcv.2020.104431pmid:32442756
    OpenUrl CrossRef PubMed
  171. ↵
    1. ToraihEA,
    2. ElshazliRM,
    3. 侯赛因MH,
    4. 等
    。协会心脏生物标记和并发症与死亡率增加,严重程度,和在covid-19心脏损伤患者:一个多元回归和决策树分析。J地中海2020年;92年:2473年- - - - - -88年。doi:10.1002 / jmv.26166pmid:32530509
    OpenUrl CrossRef PubMed
  172. ↵
    1. TuncerT,
    2. 多根年代,
    3. OzyurtF
    。自动剩余范例基于局部二进制模式和迭代relieff covid-19检测方法使用胸部x光图像。Chemometr智能实验室系统2020年;203年:104054年。doi:10.1016 / j.chemolab.2020.104054pmid:32427226
    OpenUrl CrossRef PubMed
  173. ↵
    1. Vaid年代,
    2. KalantarR,
    3. 班达里米
    。深度学习covid-19检测偏差:通过人工智能的准确性。Int .2020年;44:1539年- - - - - -42。doi:10.1007 / s00264 - 020 - 04609 - 7pmid:32462314
    OpenUrl CrossRef PubMed
  174. ↵
    1. Vultaggio一个,
    2. VivarelliE,
    3. VirgiliG,
    4. 等
    。及时预测早期临床恶化严重covid-19病人:实用性结合分数使用il - 6的初步研究。J过敏Immunol Pract2020年;8:2575年- - - - - -2581. e2。doi:10.1016 / j.jaip.2020.06.013pmid:32565226
    OpenUrl CrossRef PubMed
  175. ↵
    1. 王F,
    2. 侯H,
    3. 王T,
    4. 等
    。建立一个模型预测的结果covid-19实验室检测的基于组合。地中海旅游感染说2020年;36:101782年。doi:10.1016 / j.tmaid.2020.101782pmid:32526372
    OpenUrl CrossRef PubMed
  176. ↵
    1. 王K,
    2. 左P,
    3. 刘Y,
    4. 等
    。临床和实验室预测冠状病毒疾病患者住院死亡率- 2019:在中国武汉,一个队列研究。中国感染说2020年;71年:2079年- - - - - -88年。doi:10.1093 / cid / ciaa538pmid:32361723
    OpenUrl CrossRef PubMed
  177. ↵
    1. 王l,
    2. 刘Y,
    3. 张T,
    4. 等
    。区分2019新型冠状病毒肺炎和流感使用非特异性实验室概略介绍动态列线图。开放论坛感染说2020年;7:a169。doi:10.1093 / ofid / ofaa169pmid:32490031
    OpenUrl CrossRef PubMed
  178. ↵
    1. 吴年代,
    2. 杜Z,
    3. 盛ydF4y2Ba年代,
    4. 等
    。小说的临床特征的识别和验证预测covid-19确诊患者的预后。中国感染说2020年;ciaa793。pmid:32556293
    OpenUrl CrossRef PubMed
  179. ↵
    1. 吴X,
    2. 回族H,
    3. 妞妞米,
    4. 等
    。深上优于多视点融合模型筛选2019新型冠状病毒肺炎:一项多中心研究。欧元J Radiol2020年;128年:109041年。doi:10.1016 / j.ejrad.2020.109041pmid:32408222
    OpenUrl CrossRef PubMed
  180. ↵
    1. 杨P,
    2. 王P,
    3. 首歌Y,
    4. 张一个,
    5. 元G,
    6. 崔Y
    。回顾性研究的流行病学特征和建立一个早期预警系统的严重covid-19病人。J地中海2020年;92年:2173年- - - - - -80年。doi:10.1002 / jmv.26022pmid:32410285
    OpenUrl CrossRef PubMed
  181. ↵
    1. 杨Y,
    2. 盛ydF4y2BaC,
    3. 李J,
    4. 等
    。等离子体IP-10和MCP-3水平与疾病严重程度高度相关和预测covid-19的进展。J过敏Immunol2020年;146年:119年- - - - - -e4 127.。doi:10.1016 / j.jaci.2020.04.027pmid:32360286
    OpenUrl CrossRef PubMed
  182. ↵
    1. 余C,
    2. Lei问,
    3. 李W,
    4. 等
    。临床特点、相关因素和预测covid-19死亡率风险:一项回顾性研究在武汉,中国。地中海是J上一页2020年;59:168年- - - - - -75年。doi:10.1016 / j.amepre.2020.05.002pmid:32564974
    OpenUrl CrossRef PubMed
  183. ↵
    1. 张C,
    2. 秦l,
    3. 李K,
    4. 等
    。一种新的评分系统在covid-19疾病严重程度的预测。前细胞感染Microbiol2020年;10:318年。doi:10.3389 / fcimb.2020.00318pmid:32582575
    OpenUrl CrossRef PubMed
  184. ↵
    1. 张K,
    2. 刘X,
    3. 盛ydF4y2BaJ,
    4. 等
    。准确的诊断,临床适用的AI系统定量测量,并使用计算机断层扫描covid-19肺炎预后。细胞2020年;181年:1423年- - - - - -1433. e11。doi:10.1016 / j.cell.2020.04.045pmid:32416069
  185. ↵
    1. 郑QN,
    2. 徐我的,
    3. 郑YL型,
    4. 王XY,
    5. 赵H
    。康复时间的预测和风险管理为轻中度covid-19。灾难医学公共卫生准备2020年;14:652年- - - - - -7。doi:10.1017 / dmp.2020.214pmid:32576328
  186. ↵
    1. 周Y,
    2. 他Y,
    3. 杨H,
    4. 等
    。开发和验证一个诺模图预测的风险严重covid-19:一项多中心研究在四川,中国。《公共科学图书馆•综合》2020年;15:e0233328。doi:10.1371 / journal.pone.0233328pmid:32421703
    OpenUrl 文摘/免费的全文
  187. ↵
    1. 邹X,
    2. 李年代,
    3. 方米,
    4. 等
    。急性生理和慢性健康评估II评分预测医院的死亡率在2019年冠状病毒疾病的病人。暴击治疗地中海2020年;48:e657- - - - - -65年。doi:10.1097 / CCM.0000000000004411pmid:32697506
    OpenUrl CrossRef PubMed
  188. ↵
    1. 胡H,
    2. 杜H,
    3. 李J,
    4. 等
    。早期预测和识别为严重患者在大流行期间COVID-19:严重COVID-19风险模型由多元逻辑回归分析。J水珠健康2020年;10:020510年。doi:10.7189 / jogh.10.020510。pmid:33110593
    OpenUrl CrossRef PubMed 网络的科学
  189. ↵
    1. Abdulaal一个,
    2. 帕特尔一个,
    3. CharaniE,
    4. 等
    。比较深刻的学习与回归分析建立预测模型SARS-CoV-2结果。Mak BMC医学通知决策2020年;20.:299年。doi:10.1186 / s12911 - 020 - 01316 - 6。pmid:33213435
    OpenUrl 文摘/免费的全文
  190. ↵
    1. Abdulaal一个,
    2. 帕特尔一个,
    3. CharaniE,
    4. 丹尼年代,
    5. 莫卧儿王朝N,
    6. 摩尔l
    。的预后模型COVID-19使用人工智能在英国:模型开发和验证。J地中海互联网Res2020年;22:e20259。doi:10.2196/20259。pmid:32735549
    OpenUrl 免费的全文
  191. ↵
    1. AcarHC,
    2. 可以G,
    3. KaraaliR,
    4. 等
    。一个易于使用的列线图预测住院死亡率COVID-19:回顾性队列研究在大学医院。BMC感染说2021年;21:148年。doi:10.1186 / s12879 - 021 - 05845 - x。pmid:33546639
    OpenUrl 文摘/免费的全文
  192. ↵
    1. 艾尔哈桑H,
    2. 公鸡E,
    3. Jesanil,
    4. 刘易斯年代,
    5. SzakmanyT
    。临床冠状病毒疾病风险预测分数2019:谨防低有效性和临床实用程序。暴击治疗空洞2020年;2:e0253。doi:10.1097 / CCE.0000000000000253。pmid:33134944
  193. ↵
    1. AlafifT,
    2. AlotaibiR,
    3. Albassam一个,
    4. Almudhayyani一个
    。预测的隔离、释放和死亡状态COVID-19患者:一个案例研究在韩国。ISA反式2022年;124年:191年- - - - - -6。doi:10.1016 / j.isatra.2020.12.053。pmid:33451801
    OpenUrl CrossRef PubMed
  194. ↵
    1. AlibertiMJR,
    2. Covinsky柯,
    3. Garcez神奇动物,
    4. 等
    。更全面的COVID-19预后:脆弱的附加值预测住院老年人的死亡率的措施。年龄老化2021年;50:32- - - - - -9。doi:10.1093 /老化/ afaa240。pmid:33068099
    OpenUrl 免费的全文
  195. ↵
    1. AllenbachY,
    2. SaadounD,
    3. MaaloufG,
    4. et al。,
    5. DIMICOVID
    。发展多元重症监护室转移或死亡的预测模型:一个法国COVID-19住院患者的前瞻性群组研究。《公共科学图书馆•综合》2020年;15:e0240711。doi:10.1371 / journal.pone.0240711。pmid:33075088
    OpenUrl CrossRef PubMed
  196. ↵
    1. AltschulDJ,
    2. 浪蚀底老,
    3. 本顿J,
    4. 等
    。小说严重程度评分预测COVID-19患者住院死亡率。Sci代表2020年;10:16726年。doi:10.1038 / s41598 - 020 - 73962 - 9。pmid:33028914
    OpenUrl CrossRef PubMed
  197. ↵
    1. Alvarez-Mon米,
    2. 奥尔特加马,
    3. GasullaO,
    4. 等
    。一个预测模型和COVID-19病死率的危险因素。J珀耳斯2021年;11:36。doi:10.3390 / jpm11010036。pmid:33430129
    OpenUrl CrossRef PubMed
  198. ↵
    1. 一个C,
    2. LimH,
    3. 金DW,
    4. 常JH,
    5. 崔YJ,
    6. 金西南
    。机器学习预测死亡的患者诊断为COVID-19:全国韩国队列研究。Sci代表2020年;10:18716年。doi:10.1038 / s41598 - 020 - 75767 - 2。pmid:33127965
    OpenUrl CrossRef PubMed
  199. ↵
    1. Anurag一个,
    2. Preetam米
    。PSI /端口的验证,抑制COVID-19肺炎- 65和SCAP评分系统预测疾病的严重程度和14天死亡。中国和J2021年;15:467年- - - - - -71年。doi:10.1111 / crj.13326。pmid:33417280
  200. ↵
    1. Artero一个,
    2. Madrazo米,
    3. Fernandez-Garces米,
    4. et al。,
    5. SEMI-COVID-19网络
    。在COVID-19肺炎严重程度评分:一个多中心回顾性队列研究。J创实习生2021年;36:1338年- - - - - -45。doi:10.1007 / s11606 - 021 - 06626 - 7。pmid:33575909
  201. ↵
    1. ArvindV,
    2. 金JS,
    3. 赵黑洞,
    4. 耿E,
    5. 赵SK
    。开发的一种机器学习算法来预测插管COVID-19患者住院。J暴击治疗2021年;62年:25- - - - - -30.。doi:10.1016 / j.jcrc.2020.10.033。pmid:33238219
    OpenUrl CrossRef PubMed
  202. ↵
    1. 艾瑟夫巴德D,
    2. 古特曼Y,
    3. 纽曼Y,
    4. 等
    。利用机器学习模型来准确预测临界COVID-19的风险。地中海实习生紧急情况2020年;15:1435年- - - - - -43。doi:10.1007 / s11739 - 020 - 02475 - 0。pmid:32812204
    OpenUrl CrossRef PubMed
  203. ↵
    1. 贝克KF,
    2. Hanrath在,
    3. Schim van der Loeff我,
    4. 凯LJ,
    5. 回来J,
    6. 邓肯CJ
    。国家早期预警评分2 (NEWS2)确定住院COVID-19恶化:一项回顾性分析。地中海(Lond)2021年;21:84年- - - - - -9。doi:10.7861 / clinmed.2020 - 0688。pmid:33547065
    OpenUrl CrossRef PubMed
  204. ↵
    1. Bartoletti米,
    2. Giannella米,
    3. Scudellerl,
    4. et al。,
    5. PREDICO研究小组
    。开发和验证预测模型的严重的呼吸衰竭患者住院SARS-CoV-2感染:一项多中心队列研究(PREDI-CO研究)。中国Microbiol感染2020年;26:1545年- - - - - -53。doi:10.1016 / j.cmi.2020.08.003。pmid:32781244
    OpenUrl 文摘/免费的全文
  205. ↵
    1. Bello-ChavollaOY,
    2. antonio villa不,
    3. Ortiz-BrizuelaE,
    4. 等
    。验证和再利用MSL-COVID-19分数的预测严重COVID-19使用简单的临床预测分类设置:Nutri-CoV分数。《公共科学图书馆•综合》2020年;15:e0244051。doi:10.1371 / journal.pone.0244051。pmid:33326502
    OpenUrl 免费的全文
  206. ↵
    1. 巴洛斯我,
    2. LouridaP,
    3. Argyraki一个,
    4. 等
    。开发的一种新型风险评分预测COVID-19之间重要的疾病患者。Int中国Pract2021年;75年:e13915。doi:10.1111 / ijcp.13915。pmid:33969593
    OpenUrl 文摘/免费的全文
  207. ↵
    1. Bennouar年代,
    2. Bachir Cherif一个,
    3. Kessira一个,
    4. Bennouar德,
    5. Abdi年代
    。开发和验证一个实验室的早期预测风险评分COVID-19严重性和住院死亡率。暴击治疗历史2021年;64年:103012年。doi:10.1016 / j.iccn.2021.103012。pmid:33487518
    OpenUrl CrossRef PubMed
  208. ↵
    1. Bernabeu-Wittel米,
    2. Ternero-Vega我,
    3. Diaz-JimenezP,
    4. 等
    。老年患者的死亡风险分层covid-19。比较队列研究在疗养院的爆发。拱Gerontol Geriatr2020年;91年:104240年。doi:10.1016 / j.archger.2020.104240。pmid:32877792
  209. ↵
    1. BertsimasD,
    2. 鲁金G,
    3. Mingardil,
    4. et al。,
    5. 希腊COVID-19研究小组
    。COVID-19死亡率风险评估:一个国际多中心研究。《公共科学图书馆•综合》2020年;15:e0243262。doi:10.1371 / journal.pone.0243262。pmid:33296405
  210. ↵
    1. BerzuiniC,
    2. 汉纳C,
    3. 王一个,
    4. 等
    。死亡风险的动态临床和生物标志物数据值预测COVID-19:多中心回顾性队列研究。BMJ开放2020年;10:e041983。doi:10.1136 / bmjopen - 2020 - 041983。pmid:32967887
  211. ↵
    1. BoeroE,
    2. Rovida年代,
    3. 以下两一个,
    4. 等
    。COVID-19恶化分数(牛)——预测床边重要疾病的工具。超声心动图2021年;38:207年- - - - - -16。doi:10.1111 / echo.14962。pmid:33491261
  212. ↵
    1. Bolourani年代,
    2. 布伦纳米,
    3. 王P,
    4. et al。,
    5. Northwell COVID-19研究联盟
    。一个机器学习的预测模型,呼吸衰竭病人入院48小时内COVID-19:模型开发和验证。J地中海互联网Res2021年;23:e24246。doi:10.2196/24246。pmid:33476281
  213. ↵
    1. 展位艾尔,
    2. 亚伯E,
    3. 麦卡弗里P
    。COVID-19感染死亡率的预后模型的发展使用机器学习。国防部分册2021年;34:522年- - - - - -31日。doi:10.1038 / s41379 - 020 - 00700 - x。pmid:33067522
  214. ↵
    1. 布拉德利P,
    2. 霜F,
    3. TharmaratnamK,
    4. 伍DG,
    5. 西北协作组织呼吸的研究
    。实用程序的建立预后评分COVID-19住院:多中心前瞻性评价抑制- 65,NEWS2 qSOFA。BMJ开放和Res2020年;7:e000729。doi:10.1136 / bmjresp - 2020 - 000729。pmid:33293361
  215. ↵
    1. BurdickH,
    2. 林C,
    3. Mataraso年代,
    4. 等
    。预测Covid-19呼吸代谢失调的病人使用机器学习:准备好试验。第一版生物医学2020年;124年:103949年。doi:10.1016 / j.compbiomed.2020.103949。pmid:32798922
  216. ↵
    1. 伯克H,
    2. 弗里曼一个,
    3. Cellura直流,
    4. et al。,
    5. 反应COVID调查人员
    。在COVID-19炎性表型出现预测临床结果。和物2020年;21:245年。doi:10.1186 / s12931 - 020 - 01511 - z。pmid:32962703
  217. ↵
    1. 曹G,
    2. 李P,
    3. 程ydF4y2BaY,
    4. 等
    。风险预测模型评估COVID-19肺炎的疾病进展。前面地中海(洛桑)2020年;7:556886年。doi:10.3389 / fmed.2020.556886。pmid:33251226
  218. ↵
    1. 曹l,
    2. 张年代,
    3. 王E,
    4. 等
    。CB指数预测危重COVID-19患者的预后。安Transl地中海2020年;8:1654年。doi:10.21037 / atm - 20 - 7447。pmid:33490166
  219. ↵
    1. Caro-CodonJ,
    2. 唇GYH,
    3. 雷伊小,
    4. 等
    。血栓栓塞事件的预测和死亡率CHADS2和CHA2DS2-VASc COVID-19。Europace2021年;23:937年- - - - - -47。doi:10.1093 / europace / euab015。pmid:33564822
  220. ↵
    1. CetinkalG,
    2. KocasBB,
    3. 爵士操作系统,
    4. 等
    。评估修改CHA2DS2VASc风险评分在预测死亡率与COVID-19住院的病人。在心功能杂志2020年;135年:143年- - - - - -9。doi:10.1016 / j.amjcard.2020.08.040。pmid:32861734
  221. ↵
    1. 曹国伟H,
    2. 方X,
    3. 张J,
    4. 等
    。综合分析COVID-19病人结果预测。医学图像肛门2021年;67年:101844年。doi:10.1016 / j.media.2020.101844。pmid:33091743
  222. ↵
    1. 程ydF4y2BaH,
    2. 程ydF4y2BaR,
    3. 杨H,
    4. 等
    。开发和验证的诺模图使用入院常规实验室参数来预测住院COVID-19患者的生存。J地中海2021年;93年:2332年- - - - - -9。doi:10.1002 / jmv.26713。pmid:33289142
  223. ↵
    1. 程ydF4y2BaH,
    2. 曾米,
    3. 王X,
    4. 等
    。一个CT-based radiomics诺模图2019年预测冠状病毒疾病的预后(COVID-19) radiomics诺模图预测COVID-19。Br J Radiol2021年;94年:20200634。doi:10.1259 / bjr.20200634。pmid:33296222
  224. ↵
    1. 程ydF4y2BaX,
    2. 彭F,
    3. 周X,
    4. 等
    。预测严重或关键症状住院患者COVID-19从宜昌,中国。老化(奥尔巴尼纽约)2020年;13:1608年- - - - - -19。doi:10.18632 / aging.202261。pmid:33318316
  225. ↵
    1. 程ydF4y2BaY,
    2. 林立Z,
    3. LeiY,
    4. 等
    。死亡率的危险因素在黄冈COVID-19危重患者中,中国:单中心多元模式分析。J地中海2021年;93年:2046年- - - - - -55。doi:10.1002 / jmv.26572。pmid:32997344
  226. ↵
    1. 程一个,
    2. 胡l,
    3. 王Y,
    4. 等
    。最初的血液尿素氮结合肺动脉栓塞诊断性能水平预测COVID-19患者住院死亡率。Int J Antimicrob代理2020年;56:106110年。doi:10.1016 / j.ijantimicag.2020.106110。pmid:32712332
  227. ↵
    1. 程P,
    2. 吴H,
    3. 杨J,
    4. 等
    。肺炎严重COVID-19评分系统:哪一个更好。性研究J2021年;18:33。doi:10.1186 / s12985 - 021 - 01502 - 6。pmid:33568204
  228. ↵
    1. 赵SY,
    2. 公园党卫军,
    3. 首歌可,
    4. 英国宇航系统公司YY,
    5. 李DG,
    6. 金DW
    。预后评分系统预测生存COVID-19例:韩国全国队列研究。J地中海互联网Res2021年;23:e26257。doi:10.2196/26257。pmid:33539312
  229. ↵
    1. 周润发DS,
    2. Glavis-BloomJ,
    3. 像是我,
    4. 等
    。开发和外部验证COVID-19重要疾病预后的工具。《公共科学图书馆•综合》2020年;15:e0242953。doi:10.1371 / journal.pone.0242953。pmid:33296357
  230. ↵
    1. CınarT,
    2. HayıroğluMİ,
    3. 克V,
    4. 等
    。预后营养指数估计全因死亡率的预测标记COVID-19患者心血管风险因素?心肺2021年;50:307年- - - - - -12。doi:10.1016 / j.hrtlng.2021.01.006。pmid:33482433
  231. ↵
    1. 克利夫特正义与发展党,
    2. 科普兰CAC,
    3. 基奥计划RH,
    4. 等
    。生活风险预测算法(QCOVID)住院的风险和死亡率在成人冠状病毒19:国家推导和验证队列研究。BMJ2020年;371年:m3731。doi:10.1136 / bmj.m3731。pmid:33082154
  232. ↵
    1. Covino米,
    2. 德•加尼姆G,
    3. Burzo毫升,
    4. et al。,
    5. 对COVID-19 GEMELLI集团
    。预测covid-19老年患者住院死亡率特别发达的分数。J是Geriatr Soc2021年;69年:37- - - - - -43。doi:10.1111 / jgs.16956。pmid:33197278
  233. ↵
    1. Covino米,
    2. SandroniC,
    3. 澳网米,
    4. 等
    。预测重症监护室住院和死亡COVID-19病人在急诊室使用早期预警评分。复苏2020年;156年:84年- - - - - -91年。doi:10.1016 / j.resuscitation.2020.08.124。pmid:32918985
  234. ↵
    1. 戴Z,
    2. 曾D,
    3. 崔D,
    4. 等
    。预测COVID-19病人发展为严重的疾病的风险很高。前面的公共卫生2020年;8:574915年。doi:10.3389 / fpubh.2020.574915。pmid:33330318
  235. ↵
    1. De Giorgi一个,
    2. FabbianF,
    3. 希腊年代,
    4. et al。,
    5. 结果内科医学和疾病评价COVID19 (OUTCOME-INTMED-COV19)研究的合作者
    。预测患者的住院死亡率SARS-CoV-2感染发病率索引:一个意大利内科单中心研究。欧元牧师地中海Sci杂志2020年;24:10258年- - - - - -66年。doi:10.26355 / eurrev_202010_23250。pmid:33090437
  236. ↵
    1. 丁ZY,
    2. 李GX,
    3. 程ydF4y2Bal,
    4. et al。,
    5. 同济多学科小组治疗COVID-19 (TTTC)
    。协会的肝脏异常COVID-19患者住院死亡率。J乙醇2021年;74年:1295年- - - - - -302年。doi:10.1016 / j.jhep.2020.12.012。pmid:33347952
  237. ↵
    1. Doganci年代,
    2. 恩斯我,
    3. 口服补液盐N,
    4. 等
    。一个新的COVID-19预测评分模型的死亡率:来自土耳其的经历,单中心回顾性队列分析。欧元牧师地中海Sci杂志2020年;24:10247年- - - - - -57。doi:10.26355 / eurrev_202010_23249。pmid:33090436
  238. ↵
    1. 越南盾YM,
    2. 太阳J,
    3. 李YX,
    4. 等
    。开发和验证的诺模图评估COVID-19肺炎患者的生存期。中国感染说2021年;72年:652年- - - - - -60。doi:10.1093 / cid / ciaa963。pmid:32649738
  239. ↵
    1. Douville新泽西,
    2. DouvilleCB,
    3. MentzG,
    4. 等
    。临床适用的方法预测COVID-19患者机械通气。Br J Anaesth2021年;126年:578年- - - - - -89年。doi:10.1016 / j.bja.2020.11.034。pmid:33454051
  240. ↵
    1. 雅RWG,
    2. HilderinkBN,
    3. Haksteen我们,
    4. 等
    。生物标志物的预测危重COVID-19患者的静脉血栓栓塞。Thromb Res2020年;196年:308年- - - - - -12。doi:10.1016 / j.thromres.2020.09.017。pmid:32977128
  241. ↵
    1. Ebrahimian年代,
    2. HomayouniehF,
    3. RockenbachMABC,
    4. 等
    。人工智能匹配预测主观评估严重性肺炎病人的结果,需要机械通气:队列研究。Sci代表2021年;11:858年。doi:10.1038 / s41598 - 020 - 79470 - 0。pmid:33441578
  242. ↵
    1. El-SolhAA,
    2. 劳森Y,
    3. 卡特米,
    4. El-Solh达,
    5. Mergenhagen卡
    。从COVID-19比较住院死亡率预测模型。《公共科学图书馆•综合》2020年;15:e0244629。doi:10.1371 / journal.pone.0244629。pmid:33370409
  243. ↵
    1. 西班牙页,
    2. 毕尔巴鄂一个,
    3. Garcia-Gutierrez年代,
    4. et al。,
    5. COVID-19-Osakidetza工作组
    。预测COVID-19一般人群的死亡率和养老院。地中海实习生紧急情况2021年;16:1487年- - - - - -96年。doi:10.1007 / s11739 - 020 - 02594 - 8。pmid:33400164
  244. ↵
    1. 埃斯波西托一个,
    2. 帕米萨诺一个,
    3. Toselli米,
    4. 等
    。胸部CT-derived肺动脉扩大招生预测COVID-19患者的总体生存:洞察力在意大利从1461年开始连续的病人。欧元Radiol2021年;31日:4031年- - - - - -41。doi:10.1007 / s00330 - 020 - 07622 - x。pmid:33355697
  245. ↵
    1. 方ydF4y2BaG,
    2. 你C,
    3. 周F,
    4. 等
    。比较COVID-19肺炎患者的严重程度评分:一个回顾性研究。欧元和J2020年;56:2002113。doi:10.1183/13993003.02113 -2020。pmid:32675205
  246. ↵
    1. 方ydF4y2Ba问,
    2. 朱H,
    3. 赵J,
    4. 等
    。心肌损伤的危险因素患者冠状病毒疾病2019在中国。ESC心脏失败2020年。doi:10.1002 / ehf2.13022。pmid:33006440
  247. ↵
    1. 方ydF4y2BaT,
    2. 郝B,
    3. 杨年代,
    4. 等
    。基于单中心数据列线图预测COVID-19疾病进展:观察性研究和模型的发展。地中海JMIR通知2020年;8:e19588。doi:10.2196/19588。pmid:32866109
  248. ↵
    1. 冯Z,
    2. 余问,
    3. 姚年代,
    4. 等
    。早期预测疾病进展的COVID-19肺炎患者胸部CT和临床特点。Nat Commun2020年;11:4968年。doi:10.1038 / s41467 - 020 - 18786 - x。pmid:33009413
  249. ↵
    1. 费尔南德斯英国《金融时报》,
    2. de Oliveira助教,
    3. 特谢拉CE,
    4. 巴蒂斯塔AFM,
    5. Dalla科斯塔G,
    6. Chiavegatto球场ADP
    。多功能机器学习的方法来预测COVID-19 -预后在圣保罗,巴西。Sci代表2021年;11:3343年。doi:10.1038 / s41598 - 021 - 82885 - y。pmid:33558602
  250. ↵
    1. 费尔南德斯一个,
    2. ObiechinaN,
    3. KohJ,
    4. 在香港一个,
    5. 南帝一个,
    6. 雷诺兹TM
    。生存预测算法对COVID-19病人承认英国地区综合医院。Int中国Pract2021年;75年:e13974。doi:10.1111 / ijcp.13974。pmid:33368796
  251. ↵
    1. 法拉利D,
    2. MilicJ,
    3. TonelliR,
    4. 等
    。机器学习在预测患者呼吸衰竭COVID-19 pneumonia-Challenges,优势,和机会在全球卫生紧急状态。《公共科学图书馆•综合》2020年;15:e0239172。doi:10.1371 / journal.pone.0239172。pmid:33180787
  252. ↵
    1. FismanDN,
    2. 格里尔艾尔,
    3. Hillmer米,
    4. TuiteR
    。推导和验证的临床预测规则COVID-19死亡率在安大略省,加拿大。开放论坛感染说2020年;7:a463。doi:10.1093 / ofid / ofaa463pmid:33204755
  253. ↵
    1. 弗洛勒斯米,
    2. 达扬我,
    3. 罗斯H,
    4. 等
    。联合学习用于预测结果SARS-COV-2病人。Res平方2021年。doi:10.21203 / rs.3.rs - 126892 / v1
  254. ↵
    1. FoieniF,
    2. 萨拉G,
    3. Mognarelli詹,
    4. 等
    。临床预测模型的推导和验证COVID-19。地中海实习生紧急情况2020年;15:1409年- - - - - -14。doi:10.1007 / s11739 - 020 - 02480 - 3。pmid:32930963
  255. ↵
    1. FumagalliC,
    2. RozziniR,
    3. Vannini米,
    4. 等
    。临床风险评分预测COVID-19患者住院死亡率:一项回顾性队列研究。BMJ开放2020年;10:e040729。doi:10.1136 / bmjopen - 2020 - 040729。pmid:32978207
  256. ↵
    1. 高Y,
    2. 蔡孔侑,
    3. 方W,
    4. 等
    。基于机器学习的早期预警系统能够准确COVID-19死亡风险预测。Nat Commun2020年;11:5033年。doi:10.1038 / s41467 - 020 - 18684 - 2。pmid:33024092
  257. ↵
    1. 加西亚CMM,
    2. 埃雷罗H,
    3. 等
    。风险评估在covid-19分数。Int中国Pract2020年;e13705。doi:10.1111 / ijcp.13705。
  258. ↵
    1. 加里波第英国电信,
    2. FikselJ,
    3. MuschelliJ,
    4. 等
    。人住院病人轨迹COVID-19:队列研究。安实习生地中海2021年;174年:33- - - - - -41。doi:10.7326 / m20 - 3905。pmid:32960645
  259. ↵
    1. GavelliF,
    2. 城堡LM,
    3. 贝兰米,
    4. 等
    。临床稳定和住院死亡率预测COVID-19急诊病人。密涅瓦地中海2021年;112年:118年- - - - - -23。doi:10.23736 / S0026-4806.20.07074-3。pmid:33104301
  260. ↵
    1. GerotziafasGT,
    2. SergentanisTN,
    3. VoiriotG,
    4. 等
    。推导和验证的预测评分COVID-19患者疾病恶化。Thromb Haemost2020年;120年:1680年- - - - - -90年。doi:10.1055 / s - 0040 - 1716544。pmid:32961572
  261. ↵
    1. Goncalves信用证,
    2. 巴乔年代,
    3. 韦伯米,
    4. 等
    。COVID-19囚犯风险评估(CIRA):检测工具的开发和验证评估COVID-19漏洞在监狱。瑞士医疗工作2021年;151年:w20471。doi:10.4414 / smw.2021.20471。pmid:33580705
  262. ↵
    1. Goodacre年代,
    2. 托马斯。B,
    3. 萨顿l,
    4. 等
    。推导和验证的临床严重程度评分与疑似COVID-19患急病的成年人:神父观察性队列研究。《公共科学图书馆•综合》2021年;16:e0245840。doi:10.1371 / journal.pone.0245840。pmid:33481930
  263. ↵
    1. 关X,
    2. 张B,
    3. 傅米,
    4. 等
    。临床和炎症特征基于机器学习模型COVID-19住院患者的死亡风险预测:回顾性队列研究的结果。地中海安2021年;53:257年- - - - - -66年。doi:10.1080 / 07853890.2020.1868564。pmid:33410720
  264. ↵
    1. 古德F,
    2. RiveiroV,
    3. Rodriguez-NunezN,
    4. 等
    。开发和验证临床分数估计发展为严重或COVID-19肺炎住院患者的临界状态。Sci代表2020年;10:19794年。doi:10.1038 / s41598 - 020 - 75651 - z。pmid:33188225
  265. ↵
    1. Gude-SampedroF,
    2. Fernandez-MerinoC,
    3. Ferreirol,
    4. 等
    。开发和验证基于并存病的预后模型来预测COVID-19严重性:以人群为基础的研究。Int增加2021年;50:64年- - - - - -74年。doi:10.1093 / ije / dyaa209。pmid:33349845
  266. ↵
    1. 想YX,
    2. 坦尼森米,
    3. 高J,
    4. 任年代,
    5. 汉字R,
    6. Gorog达
    。小说的发展风险评分预测死亡率与COVID-19住院的病人。Sci代表2020年;10:21379年。doi:10.1038 / s41598 - 020 - 78505 - w。pmid:33288840
  267. ↵
    1. 郭l,
    2. 熊W,
    3. 刘D,
    4. 等
    。mncp-spi评分预测风险的严重covid-19 mild-pneumonia患者入院时。感染药物抵抗2020年;13:3593年- - - - - -600年。doi:10.2147 / IDR.S263157。pmid:33116679
  268. ↵
    1. 古普塔RK,
    2. 哈里森新兴市场,
    3. 何一个,
    4. et al。,
    5. ISARIC4C调查人员
    。ISARIC 4 c退化模型的开发和验证为成人住院COVID-19:前瞻性队列研究。柳叶刀和地中海2021年;9:349年- - - - - -59。doi:10.1016 / s2213 - 2600 (20) 30559 - 2。pmid:33444539
  269. ↵
    1. 古普塔RK,
    2. 标志着米,
    3. 塞缪尔那,
    4. et al。,
    5. UCLH COVID-19报告组
    。系统的评估和外部验证22预后模型与COVID-19住院成年人:一项观察性队列研究。欧元和J2020年;56:2003498。doi:10.1183/13993003.03498 -2020。pmid:32978307
  270. ↵
    1. Hachim我的,
    2. HachimIY,
    3. NaeemKB,
    4. HannawiH,
    5. SalmiIA,
    6. Hannawi年代
    。肺动脉栓塞、肌钙蛋白、尿素水平与COVID-19可以预测入住ICU表示:一个单一的集中研究。地中海面前2020年;7:585003年。doi:10.3389 / fmed.2020.585003。pmid:33363185
  271. ↵
    1. Haimovich广告,
    2. RavindraNG,
    3. Stoytchev年代,
    4. 等
    。快速的发展和验证COVID-19严重性指数:一个预后早期临床代谢失调的工具。安地中海紧急情况2020年;76年:442年- - - - - -53。doi:10.1016 / j.annemergmed.2020.07.022。pmid:33012378
  272. ↵
    1. HajifathalianK,
    2. SharaihaRZ,
    3. 库马尔年代,
    4. 等
    。风险预测模型的开发和外部验证短期美国COVID-19住院病人死亡率:提议COVID-AID风险工具。《公共科学图书馆•综合》2020年;15:e0239536。doi:10.1371 / journal.pone.0239536。pmid:32997700
  273. ↵
    1. Halalau一个,
    2. 伊玛目Z,
    3. KarabonP,
    4. 等
    。外部验证的临床风险评分预测住院,住院死亡率COVID-19病人。地中海安2021年;53:78年- - - - - -86年。doi:10.1080 / 07853890.2020.1828616。pmid:32997542
  274. ↵
    1. 郝B,
    2. Sotudian年代,
    3. 王T,
    4. 等
    。一级治疗需求COVID-19患者的早期预测。Elife2020年;9:e60519。doi:10.7554 / eLife.60519。pmid:33044170
  275. ↵
    1. 他l,
    2. 张问,
    3. 李Z,
    4. 等
    。将尿中性粒细胞gelatinase-Associated lipocalin和计算机断层扫描量化预测急性肾损伤和covid-19住院死亡患者。肾脏说)2021年;7:120年- - - - - -30.。doi:10.1159 / 000511403。pmid:33824868
  276. ↵
    1. 多SJ,
    2. Riyahi年代,
    3. DevH,
    4. 克里希南K,
    5. 马戈利斯DJA,
    6. 王子先生
    。多变量分析CT成像、实验室和人口特征COVID-19患者急性肾损伤的预测:Bi-centric分析。Abdom Radiol2021年;46:1651年- - - - - -8。doi:10.1007 / s00261 - 020 - 02823 - w。pmid:33098478
  277. ↵
    1. HeoJ,
    2. 汉D,
    3. 金沪江,
    4. 等
    。COVID-19预测需要重症监护的病人:开发和验证基于整数的分数,使用的数据来自疾病控制和预防中心的韩国。J重症监护2021年;9:16。doi:10.1186 / s40560 - 021 - 00527 - x。pmid:33514443
  278. ↵
    1. HeoJ,
    2. 公园晶澳,
    3. 汉D,
    4. 等
    。COVID-19结果预测和监控解决方案为:在韩国军队医院发展和评估的一个平台。J地中海互联网Res2020年;22:e22131。doi:10.2196/22131。pmid:33048824
  279. ↵
    1. 何TT,
    2. 公园J,
    3. 金T,
    4. 等
    。深度学习模型预测的严重恶化COVID-19-Infected病人:回顾性研究。地中海JMIR通知2021年;9:e24973。doi:10.2196/24973。pmid:33455900
  280. ↵
    1. Holten基于“增大化现实”技术,
    2. 诺尔公斤,
    3. TveitenCEVWK,
    4. OlasveengenTM,
    5. TonbyK
    。预测严重COVID-19急诊室。Resusc +2020年;4:100042年。doi:10.1016 / j.resplu.2020.100042。pmid:33403367
  281. ↵
    1. 胡H,
    2. 姚N,
    3. 邱Y
    。预测价值5对临界COVID-19病人早期预警评分。灾难医学公共卫生准备2022年;16:232年- - - - - -9。doi:10.1017 / dmp.2020.324。pmid:32900406
  282. ↵
    1. 胡X,
    2. 邓H,
    3. 王Y,
    4. 程ydF4y2Bal,
    5. 顾X,
    6. 王X
    。预后的预测价值营养指数2019年冠状病毒疾病的严重程度。营养2021年;84年:111123年。doi:10.1016 / j.nut.2020.111123。pmid:33476998
  283. ↵
    1. 黄D,
    2. 杨H,
    3. 余H,
    4. 王T,
    5. 姚R,
    6. 梁Z
    。一种新的风险评分预测心血管疾病并发症患者的冠状病毒2019 (COVID-19):一个回顾,多中心观察研究。Immun Inflamm说2020年;8:638年- - - - - -49。doi:10.1002 / iid3.353。pmid:32969605
  284. ↵
    1. 黄J,
    2. 郑l,
    3. 李Z,
    4. 等
    。动力学SARS-CoV-2积极感染和恢复病人从一个中心。Sci代表2020年;10:18629年。doi:10.1038 / s41598 - 020 - 75629 - x。pmid:33122706
  285. ↵
    1. 饭岛爱Y,
    2. 冈本T,
    3. ShiraiT,
    4. 等
    。MuLBSTA分数预测COVID-19疾病的行为是一个有用的工具。J感染Chemother2021年;27:284年- - - - - -90年。doi:10.1016 / j.jiac.2020.10.013。pmid:33129694
  286. ↵
    1. IkemuraK,
    2. BellinE,
    3. 八木天线Y,
    4. 等
    。使用自动机器学习来预测患者的死亡率COVID-19:预测模型的开发研究。J地中海互联网Res2021年;23:e23458。doi:10.2196/23458。pmid:33539308
  287. ↵
    1. 耆那教徒的交流,
    2. Kansal年代,
    3. 萨达纳舞R,
    4. 巴厘岛RK,
    5. 冰斗年代,
    6. 乔拉R
    。回顾性观察研究,以确定患者住院死亡率的早期预测因素与covid-19入学。印度J暴击治疗2020年;24:1174年- - - - - -9。doi:10.5005 / jp -期刊10071 - 23683。pmid:33446968
  288. ↵
    1. 贾马尔MH,
    2. DoiSA,
    3. AlYouha年代,
    4. 等
    。基于生物标志物的严重恶化指标COVID-19:科威特预后指标得分。生物标记物2020年;25:641年- - - - - -8。doi:10.1080 / 1354750 x.2020.1841296。pmid:33090050
  289. ↵
    1. 张成泽詹,
    2. 户珥J,
    3. 在香港KS,
    4. 李W,
    5. 安JH
    。预后的准确性众位,qSOFA和新闻的早期检测临床恶化SARS-CoV-2受感染的病人。J韩医学科学2020年;35:e234。doi:10.3346 / jkms.2020.35.e234。pmid:32597046
  290. ↵
    1. Jehil,
    2. 霁X,
    3. Milinovich一个,
    4. 等
    。开发和验证模型的个性化住院治疗风险的预测在4536年COVID-19患者。《公共科学图书馆•综合》2020年;15:e0237419。doi:10.1371 / journal.pone.0237419。pmid:32780765
  291. ↵
    1. Jimenez-SolemE,
    2. 彼得森TS,
    3. 汉森C,
    4. 等
    。开发和验证COVID-19不利结果的风险预测模型从一个两国共同的欧洲的5594名患者。Sci代表2021年;11:3246年。doi:10.1038 / s41598 - 021 - 81844 - x。pmid:33547335
  292. ↵
    1. KaeufferC,
    2. 鲁赫Y,
    3. FabacherT,
    4. et al。,
    5. COVID-19阿尔萨斯研究小组
    。BAS的2IC分数:一个有用的工具来识别高危患者早期2019年发展为严重的冠状病毒疾病。开放论坛感染说2020年;7:a405。doi:10.1093 / ofid / ofaa405pmid:33274248
  293. ↵
    1. KamranSM,
    2. 阁下泽,
    3. 莫伊哈,
    4. 等
    。叫分数和RAS分数作为2019年冠状病毒疾病的预测模型。Cureus2020年;12:e11368。doi:10.7759 / cureus.11368。pmid:33304701
  294. ↵
    1. 康J,
    2. 程ydF4y2BaT,
    3. 罗H,
    4. 罗Y,
    5. 杜G,
    6. Jiming-Yang米
    。机器学习为严重COVID-19预测模型。麝猫感染另一个星球2021年;90年:104737年。doi:10.1016 / j.meegid.2021.104737。pmid:33515712
  295. ↵
    1. Kattan兆瓦,
    2. 霁X,
    3. Milinovich一个,
    4. 等
    。一个算法为分类患者最可能患严重的冠状病毒疾病2019疾病。暴击治疗空洞2020年;2:e0300。doi:10.1097 / CCE.0000000000000300。pmid:33354674
  296. ↵
    1. 金沪江,
    2. 汉D,
    3. 金JH,
    4. 等
    。一个易于使用的机器学习模型来预测患者的预后COVID-19:回顾性队列研究。J地中海互联网Res2020年;22:e24225。doi:10.2196/24225。pmid:33108316
  297. ↵
    1. Kimura-SandovalY,
    2. Arevalo-Molina我,
    3. Cristancho-RojasCN,
    4. 等
    。胸部计算机断层扫描的验证人工智能确定机械通风要求和冠状病毒Disease-19住院病人死亡率的风险在墨西哥城三级保健中心。加快投资中国2020年。doi:10.24875 / RIC.20000451。pmid:33201872
  298. ↵
    1. 王JT小。,
    2. 尹JS,
    3. RentschCT,
    4. 等
    。开发和验证一个30天死亡率指数根据已有的医保管理数据从13323年COVID-19病人:退伍军人健康管理局COVID-19 (VACO)指数。《公共科学图书馆•综合》2020年;15:e0241825。doi:10.1371 / journal.pone.0241825。pmid:33175863
  299. ↵
    1. 樱桃酒B,
    2. 阿齐兹米,
    3. 库马尔年代,
    4. 等
    。井分数预测2019年冠状病毒疾病患者肺栓塞。地中海是J2021年;134年:688年- - - - - -90年。doi:10.1016 / j.amjmed.2020.10.044。pmid:33316254
  300. ↵
    1. Kivrak米,
    2. GuldoganE,
    3. ColakC
    。预测死亡的状态在SARS-COV-2疗程患者深度学习和机器学习方法。第一版方法程序生物医学2021年;201年:105951年。doi:10.1016 / j.cmpb.2021.105951。pmid:33513487
  301. ↵
    1. KoH,
    2. 钟H,
    3. 康WS,
    4. 等
    。一个人工智能模型来预测COVID-19患者的死亡率在住院时使用常规血液样本:一个模型的开发和验证。J地中海互联网Res2020年;22:e25442。doi:10.2196/25442。pmid:33301414
  302. ↵
    1. 小玉T,
    2. ObinataH,
    3. 森H,
    4. 等
    。增加氧气的需求预测SARS-CoV-2肺炎使用三种不同的评分系统。J感染Chemother2021年;27:336年- - - - - -41。doi:10.1016 / j.jiac.2020.12.009。pmid:33402303
  303. ↵
    1. 科斯塔基斯我,
    2. 史密斯GB,
    3. 他D,
    4. 梅雷迪思P,
    5. 价格C,
    6. Chauhan一个,
    7. 朴茨茅斯学术联盟调查COVID-19 (PACIFIC-19)
    。国家早期预警评分和国家的性能预警得分2住院患者感染的严重急性呼吸系统综合症冠状病毒2 (SARS-CoV-2)。复苏2021年;159年:150年- - - - - -7。doi:10.1016 / j.resuscitation.2020.10.039。pmid:33176170
  304. ↵
    1. Laguna-GoyaR,
    2. Utrero-Rico一个,
    3. TalayeroP,
    4. 等
    。IL-6-based COVID-19患者住院死亡率模型。J过敏Immunol2020年;146年:799年- - - - - -807. e9。doi:10.1016 / j.jaci.2020.07.009。pmid:32710975
  305. ↵
    1. Lasbleiz一个,
    2. CariouB,
    3. DarmonP,
    4. 等
    。表型特征和开发门诊糖尿病患者的住院风险评分预测和covid-19: diabcovid研究。中国医疗2020年;9:E3726。doi:10.3390 / jcm9113726。pmid:33233575
  306. ↵
    1. LassauN,
    2. Ammari年代,
    3. ChouzenouxE,
    4. 等
    。图中显示集成深度学习模型,生物和临床变量来预测COVID-19患者的严重性。Nat Commun2021年;12:634年。doi:10.1038 / s41467 - 020 - 20657 - 4。pmid:33504775
  307. ↵
    1. 莱文DM,
    2. Lipsitz老,
    3. 有限公司Z,
    4. 首歌W,
    5. 堤坝个人电脑,
    6. Samall
    。推导的临床风险评分预测14日发生缺氧,ICU住院和死亡之间的冠状病毒疾病患者2019人。J创实习生2021年;36:730年- - - - - -7。doi:10.1007 / s11606 - 020 - 06353 - 5。pmid:33274414
  308. ↵
    1. 李J,
    2. 程ydF4y2BaY,
    3. 程ydF4y2Ba年代,
    4. 等
    。推导和验证预测模型的预测住院患者的死亡率与武汉COVID-19承认,中国:计划(血小板淋巴细胞年龄中性粒细胞性)模型。BMC感染说2020年;20.:959年。doi:10.1186 / s12879 - 020 - 05688 - y。pmid:33334318
  309. ↵
    1. 李司法院,
    2. 王高频,
    3. 应ydF4y2BaP,
    4. et al。,
    5. Thrombo-COVID-19协作
    。临床特点及COVID-19住院患者的症状性静脉血栓栓塞的危险因素:多中心回顾性研究。J Thromb Haemost2021年;19:1038年- - - - - -48。doi:10.1111 / jth.15261。pmid:33534149
  310. ↵
    1. 李l,
    2. 方X,
    3. 程l,
    4. 等
    。开发和验证预测住院死亡率的预后列线图COVID-19:多中心回顾性队列研究的4086例在中国。老化(奥尔巴尼纽约)2021年;13:3176年- - - - - -89年。doi:10.18632 / aging.202605。pmid:33561834
  311. ↵
    1. 李问,
    2. 张T,
    3. 李F,
    4. 等
    。急性肾损伤能预测老年患者住院死亡率在ICU COVID-19:单中心研究。中国间歇雨刷老化2020年;15:2095年- - - - - -107年。doi:10.2147 / CIA.S273720。pmid:33204075
  312. ↵
    1. 李年代,
    2. 凌ydF4y2BaY,
    3. 朱T,
    4. 等
    。开发和外部评估死亡率的预测模型COVID-19病人使用机器学习方法。神经第一版:2021年;1- - - - - -10。doi:10.1007 / s00521 - 020 - 05592 - 1。pmid:33424133
  313. ↵
    1. 李X,
    2. 通用电气P,
    3. 朱J,
    4. 等
    。深度学习的预测ICU住院和死亡的可能性COVID-19病人使用临床变量。PeerJ2020年;8:e10337。doi:10.7717 / peerj.10337。pmid:33194455
  314. ↵
    1. 李Y,
    2. 霍洛维茨马,
    3. 刘J,
    4. 等
    。个体层面的死亡预测COVID-19病人使用人工智能方法。前面的公共卫生2020年;8:587937年。doi:10.3389 / fpubh.2020.587937。pmid:33102426
  315. ↵
    1. 梁米,
    2. 他米,
    3. 唐J,
    4. 等
    。小说中风险评分系统预测急性呼吸窘迫综合征住院患者冠状病毒疾病2019在武汉,中国。BMC感染说2020年;20.:960年。doi:10.1186 / s12879 - 020 - 05561 - y。pmid:33334314
  316. ↵
    1. 梁W,
    2. 姚J,
    3. 程ydF4y2Ba一个,
    4. 等
    。患者的早期治疗危重COVID-19使用深度学习。Nat Commun2020年;11:3543年。doi:10.1038 / s41467 - 020 - 17280 - 8。pmid:32669540
  317. ↵
    1. 林森J,
    2. Ermens一个,
    3. Berrevoets米,
    4. 等
    。小说haemocytometric COVID-19预后评分系统开发和验证一个观察欧洲多中心医院学习。Elife2020年;9:e63195。doi:10.7554 / eLife.63195。pmid:33241996
  318. ↵
    1. 刘C,
    2. 李l,
    3. 首歌K,
    4. 等
    。的诺模图预测死亡率COVID-19和实体肿瘤:患者多中心回顾性队列研究。J Immunother癌症2020年;8:e001314。doi:10.1136 / jitc - 2020 - 001314。pmid:32895296
  319. ↵
    1. 刘财政年度,
    2. 太阳XL,
    3. 张Y,
    4. 等
    。评估患者冠状病毒疾病风险预测工具的2019在武汉,中国:一个单中心回顾性观察研究。暴击治疗地中海2020年;48:e1004- - - - - -11。doi:10.1097 / CCM.0000000000004549。pmid:32897668
  320. ↵
    1. 刘H,
    2. 程ydF4y2BaJ,
    3. 杨问,
    4. 等
    。开发和验证使用完整的血细胞计数的风险评分预测COVID-19患者住院死亡率。地中海(N Y)2021年;2:435年- - - - - -e4 447.。doi:10.1016 / j.medj.2020.12.013。pmid:33521746
  321. ↵
    1. 刘J,
    2. 道l,
    3. 高Z,
    4. 江R,
    5. 刘米
    。开发和验证预测模型的重病老人COVID-19病人的早期识别。老化(奥尔巴尼纽约)2020年;12:18822年- - - - - -32。doi:10.18632 / aging.103716。pmid:33024057
  322. ↵
    1. 刘l,
    2. 程ydF4y2BaZ,
    3. 杜Y,
    4. 等
    。CD8+T细胞预测常见covid-19严重的转换。Sci代表2021年;11:2169年。doi:10.1038 / s41598 - 021 - 81732 - 4。pmid:33500507
  323. ↵
    1. 刘l,
    2. 谢J,
    3. 吴W,
    4. 等
    。一个简单的计算图表预测失败的非侵入性与COVID-19成人呼吸道策略:一项回顾性多中心研究。柳叶刀数字健康2021年;3:e166- - - - - -74年。doi:10.1016 / s2589 - 7500 (20) 30316 - 2。pmid:33573999
  324. ↵
    1. 刘问,
    2. 王Y,
    3. 赵X,
    4. 等
    。诊断性能的血液尿素氮肌酐Ratio-based诺模图预测COVID-19患者住院死亡率。风险等Healthc政策2021年;14:117年- - - - - -28。doi:10.2147 / RMHP.S278365。pmid:33469395
  325. ↵
    1. 刘年代,
    2. 姚N,
    3. 邱Y,
    4. 他C
    。预测性能的沙发和qSOFA住院死亡率严重的新型冠状病毒疾病。地中海是J紧急情况2020年;38:2074年- - - - - -80年。doi:10.1016 / j.ajem.2020.07.019。pmid:33142178
  326. ↵
    1. Lorentel,
    2. Gomez-BernalF,
    3. 马丁毫米,
    4. et al。,
    5. 工作组COVID-19金丝雀ICU
    。高血清硝酸盐含量non-survivor COVID-19病人。地中海Intensiva(英格兰Ed)2020年;s0210 - 5691 (20) 30336 - 3。doi:10.1016 / j.medin.2020.10.003。pmid:33293102
  327. ↵
    1. 兰顿DJ,
    2. 凯利双相障碍,
    3. 舒克拉D,
    4. 博尔顿DM,
    5. WiklundP,
    6. 特瓦芮一个
    。决定助手顾癌症患者的危险分层的风险SARS-CoV-2感染,COVID-19相关住院,插管和死亡率。中国医疗2020年;9:9。doi:10.3390 / jcm9092799pmid:32872607
  328. ↵
    1. 罗Y,
    2. 毛l,
    3. 元X,
    4. 等
    。预测模型的基础上,结合细胞因子和淋巴细胞子集SARS-CoV-2感染的预后。中国Immunol2020年;40:960年- - - - - -9。doi:10.1007 / s10875 - 020 - 00821 - 7。pmid:32661797
  329. ↵
    1. 马B,
    2. 龚J,
    3. 杨Y,
    4. 姚X,
    5. 邓X,
    6. 程ydF4y2BaX
    。适用性MuLBSTA评分系统的诊断和预后的作用严重COVID-19的早期预警。活细胞Pathog2021年;150年:104706年。doi:10.1016 / j.micpath.2020.104706。pmid:33347962
  330. ↵
    1. 马X,
    2. 李一个,
    3. 焦米,
    4. 等
    。523年河南省COVID-19和死亡的特征预测模型。前面的公共卫生2020年;8:475年。doi:10.3389 / fpubh.2020.00475。pmid:33014973
  331. ↵
    1. 马X,
    2. 王H,
    3. 黄J,
    4. 等
    。nomogramic模型基于临床和实验室参数预测录取COVID-19患者的生存。BMC感染说2020年;20.:899年。doi:10.1186 / s12879 - 020 - 05614 - 2。pmid:33256643
  332. ↵
    1. MagroB,
    2. ZuccaroV,
    3. Novellil,
    4. 等
    。2019年预测住院死亡率冠状病毒病:一个简单的验证应用程序供临床使用。《公共科学图书馆•综合》2021年;16:e0245281。doi:10.1371 / journal.pone.0245281。pmid:33444411
  333. ↵
    1. Manocha乐,
    2. KirznerJ,
    3. 应X,
    4. 等
    。肌钙蛋白和其他生物标志物水平和住院病人的生存率COVID-19: HA的推导和验证2T2COVID-19死亡率风险评分。J是心脏协会2021年;10:e018477。doi:10.1161 / JAHA.120.018477。pmid:33121304
  334. ↵
    1. McElvaney橙汁,
    2. 霍布斯双相障碍,
    3. 乔D,
    4. 等
    。一个线性预后评分系统基于白细胞介素- 6的比例在COVID-19白细胞介素- 10”预测的结果。EBioMedicine2020年;61年:103026年。doi:10.1016 / j.ebiom.2020.103026。pmid:33039714
  335. ↵
    1. 麦克雷国会议员,
    2. Dapkins知识产权,
    3. 谢里夫我,
    4. 等
    。管理与临床决策支持工具COVID-19社区卫生网络:算法的开发和验证。J地中海互联网Res2020年;22:e22033。doi:10.2196/22033。pmid:32750010
  336. ↵
    1. 梅J,
    2. 胡W,
    3. 程ydF4y2Ba问,
    4. 等
    。开发和外部验证COVID-19死亡率的预测算法:多中心回顾性队列研究。BMJ开放2020年;10:e044028。doi:10.1136 / bmjopen - 2020 - 044028。pmid:33361083
  337. ↵
    1. 梅问,
    2. 王唉,
    3. 科比一个,
    4. 等
    。开发和验证预测模型的预测死亡率COVID-19病人在武汉,中国。Sci代表2020年;10:22451年。doi:10.1038 / s41598 - 020 - 78870 - 6。pmid:33384422
  338. ↵
    1. Mejia-ViletJM,
    2. Cordova-SanchezBM,
    3. Fernandez-Camargo达,
    4. Mendez-Perez类风湿性关节炎,
    5. Morales-Buenrostro勒,
    6. Hernandez-GilsoulT
    。一个风险评分预测进入重症监护室患者Covid-19: ABC-GOALS分数。祝您健康Publica墨西哥人2020年;63年(1,ene-feb):1- - - - - -11。doi:10.21149/11684。pmid:33021362
  339. ↵
    1. 默罕默德LJ,
    2. 伊斯兰教毫米,
    3. 乌斯曼党卫军,
    4. Ayon如果
    。预测性数据挖掘模型的新型冠状病毒(COVID-19)感染患者的复苏。SN第一版Sci2020年;1:206年。doi:10.1007 / s42979 - 020 - 00216 - w。pmid:33063049
  340. ↵
    1. Myrstad米,
    2. Ihle-HansenH,
    3. TveitaAA,
    4. 等
    。国家早期预警评分2 (NEWS2)入院时预测严重疾病和住院死亡率Covid-19——一个前瞻性队列研究。地中海Scand J创伤Resusc紧急情况2020年;28:66年。doi:10.1186 / s13049 - 020 - 00764 - 3。pmid:32660623
  341. ↵
    1. NagantC,
    2. PonthieuxF,
    3. 手中J,
    4. 等
    。得分结合早期检测细胞因子的准确预测COVID-19严重程度和重症监护室转移。Int J感染说2020年;101年:342年- - - - - -5。doi:10.1016 / j.ijid.2020.10.003。pmid:33039609
  342. ↵
    1. Nemati米,
    2. AnsaryJ,
    3. NematiN
    。机器学习方法在COVID-19生存可能性分析和放电时间预测使用的临床数据。模式(N Y)2020年;1:100074年。doi:10.1016 / j.patter.2020.100074。pmid:32835314
  343. ↵
    1. 阮Y,
    2. 收款银行F,
    3. HonselV,
    4. 等
    。一个列线图来预测不利的结果的风险COVID-19: 279住院病人的回顾性队列在巴黎地区。地中海安2020年;52:367年- - - - - -75年。doi:10.1080 / 07853890.2020.1803499。pmid:32723107
  344. ↵
    1. 尼科尔森CJ,
    2. 伍斯特l,
    3. SigurslidHH,
    4. 等
    。估计机械通风和死亡率的风险成人COVID-19病人承认质量一般布里格姆:副和骰子分数。medRxiv2020年doi:10.1101 / 2020.09.14.20194670
  345. ↵
    1. 宁W,
    2. Lei年代,
    3. 杨J,
    4. 等
    。开放资源从肺炎患者的临床数据的预测COVID-19通过深度学习的结果。Nat生物医学中2020年;4:1197年- - - - - -207年。doi:10.1038 / s41551 - 020 - 00633 - 5。pmid:33208927
  346. ↵
    1. 妞妞Y,
    2. 张ydF4y2BaZ,
    3. 李J,
    4. 等
    。发展预测模型在COVID-19患者住院死亡率。灾难医学公共卫生准备2021年;1- - - - - -9。doi:10.1017 / dmp.2021.320pmid:33413721
  347. ↵
    1. Nunez-GilIJ,
    2. Fernandez-PerezC,
    3. 埃斯特拉达V,
    4. et al。,
    5. 希望COVID-19调查人员
    。死亡率风险评估在西班牙和意大利,见解的希望COVID-19注册表。地中海实习生紧急情况2021年;16:957年- - - - - -66年。doi:10.1007 / s11739 - 020 - 02543 - 5。pmid:33165755
  348. ↵
    1. 庞ydF4y2BaD,
    2. 程D,
    3. 曹Y,
    4. 等
    。COVID-19患者死亡率的预测计算图表。前面的公共卫生2020年;8:461年。doi:10.3389 / fpubh.2020.00461。pmid:32850612
  349. ↵
    1. 庞ydF4y2BaP,
    2. 李Y,
    3. 肖Y,
    4. 等
    。预后的评估在重症监护室COVID-19机器学习方法:模型的开发和验证。J地中海互联网Res2020年;22:e23128。doi:10.2196/23128。pmid:33035175
  350. ↵
    1. ParchureP,
    2. JoshiH,
    3. DharmarajanK,
    4. 等
    。基于机器学习的开发和验证预测模型对短期COVID-19患者住院死亡率。BMJ支持Palliat保健2020年:bmjspcare - 2020 - 002602。doi:10.1136 / bmjspcare - 2020 - 002602。pmid:32963059
  351. ↵
    1. Payan-Pernia年代,
    2. 戈麦斯佩雷斯l,
    3. Remacha塞维利亚房颤,
    4. 塞拉吉尔J,
    5. Novelli卡纳莱斯年代
    。绝对的淋巴细胞,铁蛋白、c反应蛋白和乳酸脱氢酶早期预测入侵通风COVID-19患者。实验室地中海2021年;52:141年- - - - - -5。doi:10.1093 / labmed / lmaa105。pmid:33336243
  352. ↵
    1. 秦年代,
    2. 李W,
    3. 史X,
    4. 等
    。3044例揭示COVID-19病人的重要预后签名。第一版J生物科技结构》2021年;19:1163年- - - - - -75年。doi:10.1016 / j.csbj.2021.01.042。pmid:33584997
  353. ↵
    1. 秦ZJ,
    2. 刘l,
    3. 太阳问,
    4. 等
    。免疫和凝固系统受损可能是早期COVID-19患者的危险因素:从武汉的118名住院患者的回顾性研究,中国。医学(巴尔的摩)2020年;99年:e21700。doi:10.1097 / MD.0000000000021700。pmid:32871887
  354. ↵
    1. 一个JC,
    2. 冯YZ,
    3. 程ZY,
    4. 等
    。开发和验证的机器学习方法自动化程度的评估COVID-19根据临床和影像数据:回顾性研究。地中海JMIR通知2021年;9:e24572。doi:10.2196/24572。pmid:33534723
  355. ↵
    1. RazavianN,
    2. 主要VJ,
    3. 苏达山米,
    4. 等
    。验证、实时预测模型COVID-19住院患者有利的结果。地中海NPJ数字2020年;3:130年。doi:10.1038 / s41746 - 020 - 00343 - x。pmid:33083565
  356. ↵
    1. RechtmanE,
    2. 科廷P,
    3. 纳瓦罗E,
    4. Nirenberg年代,
    5. 霍顿可
    。生命体征评估初步临床遇到预测COVID-19死亡率在纽约医院系统。Sci代表2020年;10:21545年。doi:10.1038 / s41598 - 020 - 78392 - 1。pmid:33298991
  357. ↵
    1. Riveiro-Barciela米,
    2. Labrador-Horrillo米,
    3. Camps-Relatsl,
    4. 等
    。简单的预测模型确定COVID-19肺炎患者预后不良。《公共科学图书馆•综合》2020年;15:e0244627。doi:10.1371 / journal.pone.0244627。pmid:33370397
  358. ↵
    1. Rodriguez-NavaG,
    2. Yanez-Bello马,
    3. Trelles-GarciaDP,
    4. 钟连续波,
    5. 弗里德曼沪江,
    6. 海恩斯DW
    。性能的快速COVID-19严重程度指数和Brescia-COVID住院患者发生呼吸道严重程度量表与COVID-19社区医院设置。Int J感染说2021年;102年:571年- - - - - -6。doi:10.1016 / j.ijid.2020.11.003。pmid:33181332
  359. ↵
    1. Roimi米,
    2. 古特曼R,
    3. 海默J,
    4. 等
    。开发和验证的机器学习模型预测疾病轨迹和医院利用COVID-19患者:一项全国性研究。J是通知协会2021年;28:1188年- - - - - -96年。doi:10.1093 /地点/ ocab005。pmid:33479727
  360. ↵
    1. RuoccoG,
    2. 麦卡洛巴勒斯坦权力机构,
    3. Tecson公里,
    4. 等
    。使用CHA死亡率风险评估(2)DS (2) -VASc分数在2019年与冠状病毒疾病住院患者感染。在心功能杂志2020年;137年:111年- - - - - -7。doi:10.1016 / j.amjcard.2020.09.029。pmid:32991860
  361. ↵
    1. 瑞安C,
    2. 明克一个,
    3. 卡塞雷斯J,
    4. 等
    。预测严重结果Covid-19相关疾病只使用病人的人口统计,并发症和症状。地中海是J紧急情况2021年;45:378年- - - - - -84年。doi:10.1016 / j.ajem.2020.09.017。pmid:33046294
  362. ↵
    1. 瑞安l,
    2. 林C,
    3. Mataraso年代,
    4. 等
    。死亡率预测模型的分类COVID-19,肺炎,和机械通风ICU患者:一个回顾性研究。安医学杂志(Lond)2020年;59:207年- - - - - -16。doi:10.1016 / j.amsu.2020.09.044。pmid:33042536
  363. ↵
    1. SaberianP,
    2. TavakoliN,
    3. Hasani-SharaminP,
    4. Modabber米,
    5. Jamshididana米,
    6. Baratloo一个
    。院前诊断工具的准确性(qSOFA,新闻,和PRESEP)在预测可能COVID-19紧急医疗服务转移的患者的结果。里海J实习生2020年;11(增刊1):536年- - - - - -43。doi:10.22088 / cjim.11.0.536。pmid:33425272
  364. ↵
    1. SalahshourF,
    2. Mehrabinejad毫米,
    3. Nassiri Toosi米,
    4. 等
    。临床和胸部CT特征作为预测工具COVID-19临床进展:引入一种新颖的半定量评分系统。欧元Radiol2021年;31日:5178年- - - - - -88年。doi:10.1007 / s00330 - 020 - 07623 - w。pmid:33449185
  365. ↵
    1. Sanchez-Montanes米,
    2. Rodriguez-BelenguerP,
    3. Serrano-LopezAJ,
    4. Soria-OlivasE,
    5. Alakhdar-MohmaraY
    。机器学习COVID-19患者死亡率的分析。Int J围住Res公共卫生2020年;17:E8386。doi:10.3390 / ijerph17228386。pmid:33198392
  366. ↵
    1. 唱年代,
    2. 太阳R,
    3. 卖弄风情的女人J,
    4. 卡迈克尔H,
    5. 濑户T,
    6. Hernandez-BoussardT
    。学习从过去的呼吸道感染预测COVID-19结果:回顾性研究。J地中海互联网Res2021年;23:e23026。doi:10.2196/23026。pmid:33534724
  367. ↵
    1. Saridaki米,
    2. Metallidis年代,
    3. Grigoropoulou年代,
    4. 等
    。整合heparin-binding蛋白质和白细胞介素- 6在呼吸衰竭的早期预测和肺炎的死亡率SARS-CoV-2 (COVID-19)。中国欧元Microbiol感染说2021年;40:1405年- - - - - -12。doi:10.1007 / s10096 - 020 - 04145 - 7。pmid:33515095
  368. ↵
    1. Schalekamp年代,
    2. 豪氏威马米,
    3. 冯·迪类风湿性关节炎,
    4. 等
    。基于模型预测的关键疾病住院患者COVID-19。放射学2021年;298年:E46- - - - - -54。doi:10.1148 / radiol.2020202723。pmid:32787701
  369. ↵
    1. 肖恩V,
    2. LiakoniE,
    3. 费利克斯C,
    4. 等
    。开发和验证预后COVID-19严重性评估(科)评分和机器学习模型在三级医院病人分流。J Transl地中海2021年;19:56。doi:10.1186 / s12967 - 021 - 02720 - w。pmid:33546711
  370. ↵
    1. Sensusiati广告,
    2. 阿明米,
    3. NasronudinN,
    4. 等
    。年龄、中性粒细胞淋巴细胞比率和影像学评估肺部水肿的数量(罗音)评分预测COVID-19患者住院死亡率:一项回顾性研究。F1000Res2020年;9:1286年。doi:10.12688 / f1000research.26723.1。pmid:33537125
  371. ↵
    1. 商Y,
    2. 刘T,
    3. 魏Y,
    4. 等
    。评分系统预测死亡率严重COVID-19患者。EClinicalMedicine2020年;24:100426年。doi:10.1016 / j.eclinm.2020.100426。pmid:32766541
  372. ↵
    1. 锋利的艾尔,
    2. 黄热晕,
    3. 布罗德B,
    4. 等
    。识别患者症状为COVID-19可疑不良事件风险升高:cova分数。地中海是J紧急情况2021年;46:489年- - - - - -94年。doi:10.1016 / j.ajem.2020.10.068。pmid:33189516
  373. ↵
    1. ShashikumarSP,
    2. WardiG,
    3. 保罗P,
    4. 等
    。发展和未来的深度预测学习算法的验证需要机械通气。胸部2021年;159年:2264年- - - - - -73年。doi:10.1016 / j.chest.2020.12.009。pmid:33345948
  374. ↵
    1. 史Y,
    2. Pandita一个,
    3. Hardesty一个,
    4. 等
    。验证的肺炎预后评分在全州范围内的住院患者COVID-19。Int中国Pract2021年;75年:e13926。doi:10.1111 / ijcp.13926。pmid:33296132
  375. ↵
    1. 钉蹄铁工人年代,
    2. KaradyT,
    3. Keshet一个,
    4. 等
    。预测模型为SARS-CoV-2优先考虑个人测试由全国症状调查。地中海(N Y)2021年;2:196年- - - - - -e4 208.。doi:10.1016 / j.medj.2020.10.002。pmid:33073258
  376. ↵
    1. 首歌C,
    2. 越南盾Z,
    3. 龚H,
    4. 等
    。一个在线工具与SARS-CoV-2感染预测癌症患者的预后:一项多中心研究。J癌症Res肿瘤防治杂志2021年;147年:1247年- - - - - -57。doi:10.1007 / s00432 - 020 - 03420 - 6。pmid:33040189
  377. ↵
    1. Soto-Mota一个,
    2. Marfil-Garza英航,
    3. 马丁内斯R,
    4. 等
    。病人诊断为低危害评分预测死亡率COVID-19:多中心验证研究。J科尔医生紧急情况开放,2020年,doi:10.1002 / emp2.12259。
  378. ↵
    1. SourijH,
    2. 阿齐兹F,
    3. 布劳尔一个,
    4. et al。,
    5. 在奥地利COVID-19糖尿病研究小组
    。COVID-19糖尿病患者的病死率的预测和前驱糖尿病住院时使用一个简单的分数。糖尿病ob金属底座2021年;23:589年- - - - - -98年。doi:10.1111 / dom.14256。pmid:33200501
  379. ↵
    1. 太阳C,
    2. 在香港年代,
    3. 首歌米,
    4. 李H,
    5. 王Z
    。预测COVID-19疾病进展和病人结果基于时序深度学习。Mak BMC医学通知决策2021年;21:45。doi:10.1186 / s12911 - 020 - 01359 - 9。pmid:33557818
  380. ↵
    1. 太阳H,
    2. 耆那教徒的一个,
    3. 里昂乔丹,
    4. 等
    。CoVA:门诊筛查的敏度评分预测2019年冠状病毒疾病预后。J感染说2021年;223年:38- - - - - -46。doi:10.1093 / infdis / jiaa663。pmid:33098643
  381. ↵
    1. Tabatabai一个,
    2. 地上修建MH,
    3. KaczorowskiDJ,
    4. 等
    。死亡率风险评估COVID-19 Venovenous体外膜氧合。安Thorac杂志2021年;112年:1983年- - - - - -9。doi:10.1016 / j.athoracsur.2020.12.050。pmid:33485917
  382. ↵
    1. TanboğaIH,
    2. CanpolatU,
    3. 软脂酸十六酯EHO,
    4. 等
    。开发和验证的临床预测模型来估计死亡的概率与COVID-19住院病人:从一个全国性的数据库。J地中海2021年;93年:3015年- - - - - -22。doi:10.1002 / jmv.26844。pmid:33527474
  383. ↵
    1. (音)C,
    2. 布罗迪摩根大通
    。评价的遗传风险评分的严重性COVID-19使用人类chromosomal-scale长度变化。哼基因组学2020年;14:36。doi:10.1186 / s40246 - 020 - 00288 - y。pmid:33036646
  384. ↵
    1. Torres-MachoJ,
    2. 瑞安P,
    3. 瓦伦西亚J,
    4. 等
    。PANDEMYC分数。一个容易适用和解释的模型预测死亡率与COVID-19有关。中国医疗2020年;9:E3066。doi:10.3390 / jcm9103066。pmid:32977606
  385. ↵
    1. 徐ELH,
    2. 他CSM,
    3. 吸引PPS,
    4. 等
    。开发一个数据驱动COVID-19预测工具告知分诊和降压照顾住院病人在香港:以人群为基础的队列研究。Mak BMC医学通知决策2020年;20.:323年。doi:10.1186 / s12911 - 020 - 01338 - 0。pmid:33287804
  386. ↵
    1. Vaid一个,
    2. JaladankiSK,
    3. 徐J,
    4. 等
    。联合电子健康记录的学习提高住院患者的死亡率预测COVID-19:机器学习方法。地中海JMIR通知2021年;9:e24207。doi:10.2196/24207。pmid:33400679
  387. ↵
    1. 面包车大坝点,
    2. ZelisN,
    3. 斯达森P,
    4. 等
    。验证起来分数预测患者预后COVID-19急诊科:回顾性研究。BMJ开放2021年;11:e045141。doi:10.1136 / bmjopen - 2020 - 045141。pmid:33550267
  388. ↵
    1. van de富有爱心D,
    2. 范Genderen我,
    3. RosmanB,
    4. 等
    。预测使用机器学习COVID-19 ICU患者的血栓栓塞并发症。中国Transl Res2020年;6:179年- - - - - -86年。pmid:33501388
  389. ↵
    1. VarolY,
    2. HakogluB,
    3. Kadri Cirak一个,
    4. et al。,
    5. COVID研究小组
    。charlson发病率的影响指数死亡率SARS-CoV-2病毒感染和小说COVID-19死亡率指数:CoLACD。Int中国Pract2021年;75年:e13858。doi:10.1111 / ijcp.13858。pmid:33237615
  390. ↵
    1. Vizcaychipi国会议员,
    2. ShovlinCL,
    3. 麦卡锡一个,
    4. et al。,
    5. ChelWest COVID-19财团
    。开发和实施一个COVID-19接近实时的交通信号灯系统在急性医院设置。紧急情况地中海J2020年;37:630年- - - - - -6。doi:10.1136 / emermed - 2020 - 210199。pmid:32948623
  391. ↵
    1. 王B,
    2. 钟F,
    3. 张H,
    4. 一个W,
    5. 廖米,
    6. 曹Y
    。风险因素分析和计算图表建设对Non-Survivors COVID-19患者至关重要。日本J感染说2020年;73年:452年- - - - - -8。doi:10.7883 / yoken.JJID.2020.227。pmid:32611979
  392. ↵
    1. 王J,
    2. 张H,
    3. 乔R,
    4. 等
    。Thrombo-inflammatory特性预测患者的死亡率COVID-19:时尚- 85分数。J Int Res2020年;48:300060520955037。doi:10.1177 / 0300060520955037pmid:32960106
  393. ↵
    1. 王l,
    2. Lv问,
    3. 张X,
    4. 等
    。马厩的效用与COVID-19预测老年人的死亡率:一项回顾性队列研究与其他相比,预测临床分数。PeerJ2020年;8:e10018。doi:10.7717 / peerj.10018。pmid:33062437
  394. ↵
    1. 王P,
    2. 沙J,
    3. 孟米,
    4. 等
    。严重COVID-19中年患者无并发症的危险因素:一项多中心回顾性研究。J Transl地中海2020年;18:461年。doi:10.1186 / s12967 - 020 - 02655 - 8。pmid:33287826
  395. ↵
    1. 王R,
    2. 他米,
    3. 应ydF4y2BaW,
    4. 等
    。死亡率的预后相关的营养指数COVID-19病人在武汉,中国。中国实验室肛门2020年;34:e23566。doi:10.1002 / jcla.23566。pmid:32914892
  396. ↵
    1. 王T,
    2. Paschalidis一个,
    3. 刘问,
    4. 刘Y,
    5. 元Y,
    6. Paschalidis集成电路
    。COVID-19患者住院死亡率的预测模型:回顾性队列研究。地中海JMIR通知2020年;8:e21788。doi:10.2196/21788。pmid:33055061
  397. ↵
    1. 翁Z,
    2. 程ydF4y2Ba问,
    3. 李年代,
    4. 等
    。并且:着早期预警评分预测2019年冠状病毒疾病患者死亡风险。J Transl地中海2020年;18:328年。doi:10.1186 / s12967 - 020 - 02505 - 7。pmid:32867787
  398. ↵
    1. Wollenstein-Betech年代,
    2. 预言家CG,
    3. Paschalidis集成电路
    。个性化COVID-19症状患者的预测模型使用基本先决条件:住院治疗,死亡率、加护病房或通风的必要性。Int J地中海通知2020年;142年:104258年。doi:10.1016 / j.ijmedinf.2020.104258。pmid:32927229
  399. ↵
    1. Wollenstein-Betech年代,
    2. 席尔瓦艺术展,
    3. 法立科莱托,
    4. 预言家CG,
    5. Paschalidis集成电路
    。生理和社会经济特征预测COVID-19死亡率在巴西和资源利用率。《公共科学图书馆•综合》2020年;15:e0240346。doi:10.1371 / journal.pone.0240346。pmid:33052960
  400. ↵
    1. 吴G,
    2. 杨P,
    3. 谢Y,
    4. 等
    。临床决策支持系统的发展严重风险的预测和分类的COVID-19住院患者:一个国际多中心研究。欧元和J2020年;56:2001104。doi:10.1183/13993003.01104 -2020。pmid:32616597
  401. ↵
    1. 吴G,
    2. 周年代,
    3. 王Y,
    4. 等
    。结果的预测模型基于实验室发现SARS-CoV-2肺炎。Sci代表2020年;10:14042年。doi:10.1038 / s41598 - 020 - 71114 - 7。pmid:32820210
  402. ↵
    1. 吴H,
    2. 张H,
    3. Karwath一个,
    4. 等
    。整体学习不良预后的预测:一个案例研究在SARS-CoV-2。J是通知协会2021年;28:791年- - - - - -800年。doi:10.1093 /地点/ ocaa295。pmid:33185672
  403. ↵
    1. 吴问,
    2. 王年代,
    3. 李l,
    4. 等
    。Radiomics分析计算机断层扫描有助于预测COVID-19预后不良的结果。开展2020年;10:7231年- - - - - -44。doi:10.7150 / thno.46428。pmid:32641989
  404. ↵
    1. 夏Y,
    2. 张Y,
    3. 元年代,
    4. 等
    。列线图来早期预测隔离长度不重的COVID-19患者基于实验室调查:中国浙江省一个多中心的回顾性研究。中国詹学报2021年;512年:49- - - - - -57。doi:10.1016 / j.cca.2020.11.019。pmid:33279501
  405. ↵
    1. 肖LS,
    2. 张WF,
    3. 龚MC,
    4. 等
    。开发和验证HNC-LL分数的预测2019年冠状病毒疾病的严重程度。EBioMedicine2020年;57:102880年。doi:10.1016 / j.ebiom.2020.102880。pmid:32645614
  406. ↵
    1. 谢J,
    2. 史D,
    3. 保米,
    4. 等
    。改善临床结果预测概率的预测计算图表COVID-19患者在浙江省,中国。工程技术(北京)2022年;8:122年- - - - - -9。doi:10.1016 / j.eng.2020.05.014。pmid:32837744
  407. ↵
    1. 谢l,
    2. 侯K,
    3. 徐H,
    4. 等
    。胸部CT特点及发展冠状病毒疾病患者2019人。Br J Radiol2020年;93年:20200219。doi:10.1259 / bjr.20200219。pmid:33186052
  408. ↵
    1. 徐J,
    2. 杨X,
    3. 黄C,
    4. 等
    。一种新的危险分层模型的高速流鼻插管治疗COVID-19血氧过低的呼吸衰竭患者。前面地中海(洛桑)2020年;7:607821年。doi:10.3389 / fmed.2020.607821。pmid:33425951
  409. ↵
    1. 徐R,
    2. 崔J,
    3. 胡l,
    4. 等
    。开发和验证一个简化的计算图表预测个人COVID-19重要疾病的风险:一项回顾性研究。J地中海2021年;93年:1999年- - - - - -2009年。doi:10.1002 / jmv.26551。pmid:32975825
  410. ↵
    1. 徐R,
    2. 侯K,
    3. 张K,
    4. 等
    。两个危险分层模型的性能与冠状病毒疾病住院病人。前面地中海(洛桑)2020年;7:518年。doi:10.3389 / fmed.2020.00518。pmid:32923449
  411. ↵
    1. 雪G,
    2. 氮化镓X,
    3. 吴Z,
    4. 等
    。小说血清学的炎症生物标记物预测COVID-19患者的疾病严重程度。Int Immunopharmacol2020年;89年(Pt一):107065年。doi:10.1016 / j.intimp.2020.107065。pmid:33045571
  412. ↵
    1. Yadaw作为,
    2. 李YC,
    3. 玻色年代,
    4. IyengarR,
    5. Bunyavanich年代,
    6. PandeyG
    。COVID-19死亡的临床特征:开发和验证的临床预测模型。柳叶刀数字健康2020年;2:e516- - - - - -25。doi:10.1016 / s2589 - 7500 (20) 30217 - x。pmid:32984797
  413. ↵
    1. 余J,
    2. 聂l,
    3. 吴D,
    4. 等
    。冠状病毒疾病的预后价值,临床Biochemistry-Based列线图2019。前面地中海(洛桑)2021年;7:597791年。doi:10.3389 / fmed.2020.597791。pmid:33537326
  414. ↵
    1. 余Y,
    2. 王X,
    3. 李米,
    4. 等
    。2019列线图识别严重冠状病毒疾病(COVID-19)基于最初的临床和CT特征:一项多中心研究。BMC医学成像2020年;20.:111年。doi:10.1186 / s12880 - 020 - 00513 - z。pmid:33008329
  415. ↵
    1. 余Y,
    2. 朱C,
    3. 杨l,
    4. 等
    。死亡率与COVID-19相关的风险因素的识别。PeerJ2020年;8:e9885。doi:10.7717 / peerj.9885。pmid:32953279
  416. ↵
    1. 元Y,
    2. 太阳C,
    3. 唐X,
    4. 等
    。开发和验证COVID-19住院病人的预后风险评分系统:在中国一个多中心的回顾性研究。工程技术(北京)2022年;8:116年- - - - - -21。doi:10.1016 / j.eng.2020.10.013。pmid:33282444
  417. ↵
    1. 曾F,
    2. 邓G,
    3. 崔Y,
    4. 等
    。一个预测模型在老年病人COVID-19的严重程度。老化(奥尔巴尼纽约)2020年;12:20982年- - - - - -96年。doi:10.18632 / aging.103980。pmid:33170150
  418. ↵
    1. 张B,
    2. 刘问,
    3. 张X,
    4. 等
    。30天的临床效用计算图表预测不良结果住院患者COVID-19:多中心外部验证和决策曲线分析。前面地中海(洛桑)2020年;7:590460年。doi:10.3389 / fmed.2020.590460。pmid:33425939
  419. ↵
    1. 张年代,
    2. 郭米,
    3. 段l,
    4. 等
    。风险因素体系的开发和验证预测短期生存在成人患者住院COVID-19:一个多中心回顾性队列研究。暴击治疗2020年;24:438年。doi:10.1186 / s13054 - 020 - 03123 - x。pmid:32678040
  420. ↵
    1. 张X,
    2. 王W,
    3. 王ydF4y2BaC,
    4. 等
    。COVID-19患者呼吸窘迫的预测模型:一项回顾性研究。安Transl地中海2020年;8:1585年。doi:10.21037 / atm - 20 - 4977。pmid:33437784
  421. ↵
    1. 张XY,
    2. 张l,
    3. 赵Y,
    4. 程ydF4y2Bal
    。风险评估和预测严重或关键covid-19疾病的老年人。中国间歇雨刷老化2020年;15:2145年- - - - - -53。doi:10.2147 / CIA.S268156。pmid:33204079
  422. ↵
    1. 张Y,
    2. 吴l,
    3. 杨J,
    4. 周C,
    5. 刘Y
    。nomogram-based预测2019年严重的肺炎患者的冠状病毒疾病(COVID-19)。感染药物抵抗2020年;13:3575年- - - - - -82年。doi:10.2147 / IDR.S261725。pmid:33116677
  423. ↵
    1. 赵Y,
    2. 王F,
    3. 越南盾G,
    4. 盛问,
    5. 冯年代
    。疾病进展的预测模型和神经系统症状在冠状病毒疾病2019例。是J Transl Res2020年;12:8192年- - - - - -207年。pmid:33437392
  424. ↵
    1. 赵Z,
    2. 程ydF4y2Ba一个,
    3. 侯W,
    4. 等
    。预测模型和分数COVID-19 ICU住院和死亡的风险。《公共科学图书馆•综合》2020年;15:e0236618。doi:10.1371 / journal.pone.0236618。pmid:32730358
  425. ↵
    1. 郑Y,
    2. 肖一个,
    3. 余X,
    4. 等
    。开发和验证预后诺模图基于临床和CT特征预测COVID-19患者不良结局。韩国J Radiol2020年;21:1007年- - - - - -17。doi:10.3348 / kjr.2020.0485。pmid:32677385
  426. ↵
    1. 郑Y,
    2. 朱Y,
    3. 霁米,
    4. 等
    。学习型模型来评估住院优先COVID-19流行病。模式(N Y)2020年;1:100092年。doi:10.1016 / j.patter.2020.100092。pmid:32838344
  427. ↵
    1. 周J,
    2. 黄l,
    3. 程ydF4y2BaJ,
    4. 等
    。临床特征与COVID-19预测老年患者的死亡风险。咕咕叫地中海Res当今2020年;36:1753年- - - - - -9。doi:10.1080 / 03007995.2020.1825365。pmid:32945707
  428. ↵
    1. 周W,
    2. 秦X,
    3. 胡X,
    4. 陆Y,
    5. 庞ydF4y2BaJ
    。严重的预后模型和关键COVID-19基于Charlson和Elixhauser发病率指数。Int J医疗科学2020年;17:2257年- - - - - -63年。doi:10.7150 / ijms.50007。pmid:32922189
  429. ↵
    1. 周Y,
    2. 他Y,
    3. 杨H,
    4. 等
    。利用预警预测列线图COVID-19患者入住ICU的风险:一项多中心研究。地中海Scand J创伤Resusc紧急情况2020年;28:106年。doi:10.1186 / s13049 - 020 - 00795 - w。pmid:33109234
  430. ↵
    1. 朱JS,
    2. 通用电气P,
    3. 江C,
    4. 等
    。深度学习人工智能分析的临床变量预测COVID-19患者的死亡率。J科尔医生紧急情况开放,2020年,doi:10.1002 / emp2.12205。
    1. 皇家医师学院
    。国家早期预警评分(新闻)2:标准化NHS的急性疾病严重程度的评估。工作组的报告更新。RCP,2017年。
    1. 卡尔E,
    2. BendayanR,
    3. O 'GallagherK,
    4. 等
    。补充国家预测预警得分(NEWS2)患者早期恶化COVID-19感染。MedRxiv2020年。doi:10.1101 / 2020.04.24.20078006
  433. 单位有条件现金援助。策略:剑桥大学临床试验单位;2020年。https://cctu.org.uk/portfolio/COVID-19/TACTIC。
    1. SubbeCP,
    2. 克鲁格米,
    3. 卢瑟福P,
    4. Gemmell
    。验证修改后的早期预警评分在医学招生。QJM2001年;94年:521年- - - - - -6。doi:10.1093 / qjmed / 94.10.521。pmid:11588210
    1. LimWS,
    2. van der Eerden毫米,
    3. 莱恩R,
    4. 等
    。定义表示医院社区获得性肺炎的严重程度:一个国际推导和验证研究。胸腔2003年;58:377年- - - - - -82年。doi:10.1136 / thorax.58.5.377。pmid:12728155
    1. 奥尔森T,
    2. Terent一个,
    3. 林德l
    。快速急诊医学分数:一个新的预后非手术急诊患者住院死亡率的工具。J实习生2004年;255年:579年- - - - - -87年。doi:10.1111 / j.1365-2796.2004.01321.x。pmid:15078500
    1. 西摩连续波,
    2. 刘VX,
    3. IwashynaTJ,
    4. 等
    。评估脓毒症的临床标准:第三国际共识定义为脓毒症和脓毒性休克(Sepsis-3)。《美国医学会杂志》2016年;315年:762年- - - - - -74年。doi:10.1001 / jama.2016.0288。pmid:26903335
  438. ↵
    1. 莱利理查德·道金斯,
    2. 安瑟尔J,
    3. 斯奈尔KIE,
    4. 等
    。计算所需的样本规模发展临床预测模型。BMJ2020年;368年:m441。doi:10.1136 / bmj.m441pmid:32188600
  439. ↵
    1. 莱利理查德·道金斯,
    2. 柯林斯GS,
    3. 安瑟尔J,
    4. 等
    。最小样本量计算外部验证的临床预测模型的比较结果。地中海统计2022年;41:1280年- - - - - -95年。doi:10.1002 / sim.9275。pmid:34915593
  440. ↵
    1. 莱利理查德·道金斯,
    2. rTPA,
    3. 柯林斯GS,
    4. 等
    。最小样本量的外部验证临床预测模型与一个二进制的结果。地中海统计2021年;40:4230年- - - - - -51。doi:10.1002 / sim.9025。pmid:34031906
  441. ↵
    1. 莱利理查德·道金斯,
    2. 安瑟尔J,
    3. 斯奈尔KIE,
    4. 等
    。计算所需的样本规模发展临床预测模型。BMJ2020年;368年:m441。doi:10.1136 / bmj.m441。pmid:32188600
  442. ↵
    1. Pavlou米,
    2. 曲C,
    3. 奥马尔RZ,
    4. 等
    。估计所需的样本量为二进制外部风险模型的验证结果。统计方法地中海Res2021年;30.:2187年- - - - - -206年。doi:10.1177 / 09622802211007522。pmid:33881369
  443. ↵
    1. Gravesteijn通过,
    2. SewaltCA,
    3. VenemaE,
    4. NieboerD,
    5. Steyerberg电子战,
    6. CENTER-TBI合作者
    。缺失的数据在预测研究:五步方法多个归罪,见CENTER-TBI研究。J创伤2021年;38:1842年- - - - - -57。doi:10.1089 / neu.2020.7218。pmid:33470157
  444. ↵
    1. VergouwD,
    2. 海曼兆瓦,
    3. van der Windt达,
    4. 等
    。缺失数据和归责:实际说明预后研究低背部疼痛。J操纵杂志2012年;35:464年- - - - - -71年。doi:10.1016 / j.jmpt.2012.07.002。pmid:22964020
  445. ↵
    1. 范Smeden米,
    2. 卫星公斤,
    3. de Groot晶澳,
    4. 等
    。样本容量为二进制物流预测模型:超出事件/变量的标准。统计方法地中海Res2019年;28:2455年- - - - - -74年。doi:10.1177 / 0962280218784726pmid:29966490
  446. ↵
    1. Steyerberg电子战,
    2. 哈勒尔菲小。
    。预测模型需要适当的内部,内部和外部验证。中国论文2016年;69年:245年- - - - - -7。doi:10.1016 / j.jclinepi.2015.04.005pmid:25981519
  447. ↵
    1. 范CalsterB,
    2. McLernonDJ,
    3. 范Smeden米,
    4. Wynantsl,
    5. Steyerberg电子战,
    6. 主题组织的预测模型评估诊断测试和STRATOS倡议
    。校准:预测分析的致命弱点。BMC医学2019年;17:230年。doi:10.1186 / s12916 - 019 - 1466 - 7pmid:31842878
  448. ↵
    1. 奥斯丁个人电脑,
    2. 李DS,
    3. 细摩根大通
    。介绍生存数据的分析的竞争风险。循环2016年;133年:601年- - - - - -9。doi:10.1161 / CIRCULATIONAHA.115.017719pmid:26858290
  449. ↵
    1. 莱利理查德·道金斯,
    2. 安瑟尔J,
    3. 斯奈尔KI,
    4. 等
    。外部验证的临床预测模型使用大数据集从e-health记录或IPD荟萃分析:机遇和挑战(更正:BMJ2019年,365年l4379):。BMJ2016年;353年:i3140。doi:10.1136 / bmj.i3140pmid:27334381
  450. ↵
    1. rTP,
    2. 莱利理查德·道金斯,
    3. 流浪者毫米,
    4. Reitsma简森-巴顿,
    5. 卫星公斤,
    6. 科克兰集团IPD荟萃分析方法
    。个人参与者数据(IPD)荟萃分析的诊断和预后建模研究:指导其使用。科学硕士2015年;12:e1001886。doi:10.1371 / journal.pmed.1001886pmid:26461078
  451. ↵
    1. Wynantsl,
    2. 肯特DM,
    3. TimmermanD,
    4. 伦德奎斯特厘米,
    5. 范CalsterB
    。开发潜在的多中心研究:回顾心血管风险预测模型揭示了不恰当的分析和报告差异很大。成岩作用Progn Res2019年;3:6。doi:10.1186 / s41512 - 019 - 0046 - 9pmid:31093576
  452. ↵
    1. Wynantsl,
    2. 莱利理查德·道金斯,
    3. TimmermanD,
    4. 范CalsterB
    。随机分析的临床实用程序的测试和预测模型。地中海统计2018年;37:2034年- - - - - -52。doi:10.1002 / sim.7653pmid:29575170
  453. ↵
    Infervision。Infervision # # Covid-19基于ai的解决方案在欧洲推出2020。https://www.linkedin.com/posts/infervision_ai - 6650772755031613440 tqlj covid -医学活动。
  454. ↵
    接到c Surgisphere影响打击非洲nonprotfits covid-19努力2020年。这位科学家。https://www.the - scientist.com/news opinion/surgisphere -影响-打-非洲-非营利组织covid - 19 - 67617的努力。
  455. ↵
    1. 范CalsterB,
    2. Wynantsl,
    3. TimmermanD,
    4. Steyerberg电子战,
    5. 柯林斯GS
    。预测分析在卫生保健:我们如何知道它的工作原理吗?J是通知协会2019年;26:1651年- - - - - -4。doi:10.1093 /地点/ ocz130pmid:31373357
  456. ↵
    1. 里昂J,
    2. NafilyanV,
    3. 阿克巴里一个,
    4. 等
    。验证QCOVID风险预测算法COVID-19死亡率的风险成年人在威尔士,英国。Sci Int J Popul数据2022年;5:1697年。doi:10.23889 / ijpds.v5i4.1697。pmid:35310465
  457. ↵
    1. NafilyanV,
    2. HumberstoneB,
    3. 梅塔N,
    4. 等
    。外部验证QCovid风险预测算法的死亡率风险COVID-19成人:一个国家在英格兰验证队列研究。柳叶刀数字健康2021年;3:e425- - - - - -33。doi:10.1016 / s2589 - 7500 (21) 00080 - 7。pmid:34049834
  458. ↵
    1. 辛普森CR,
    2. 罗伯逊C,
    3. 克尔年代,
    4. 等
    。外部验证QCovid风险预测算法的成年人COVID-19住院和死亡的风险:在苏格兰国家验证队列研究。胸腔2022年;77年:497年- - - - - -504年。doi:10.1136 / thoraxjnl - 2021 - 217580。pmid:34782484
  459. ↵
    1. Wickstrøm柯,
    2. 维他V,
    3. 卡尔E,
    4. 等
    。区域性能变化的外部验证四个预测模型的严重性COVID-19住院:一项观察性的多中心队列研究。《公共科学图书馆•综合》2021年;16:e0255748- - - - - -48。doi:10.1371 / journal.pone.0255748。pmid:34432797
  460. ↵
    1. 德容车辆行驶里程,
    2. RoussetRZ,
    3. antonio villa不,
    4. et al。,
    5. CovidRetro协作,
    6. CAPACITY-COVID财团
    。临床患者的死亡率预测模型covid-19:外部验证和个人参与者数据荟萃分析。BMJ2022年;378年:e069881。doi:10.1136 / bmj - 2021 - 069881。pmid:35820692
  461. ↵
    1. 范CalsterB,
    2. 维氏AJ
    。风险预测模型的标定:对决策分析性能的影响。医疗决策制定2015年;35:162年- - - - - -9。doi:10.1177 / 0272989 x14547233pmid:25155798
  462. ↵
    1. 柯林斯GS,
    2. OgundimuEO,
    3. 奥特曼DG
    。样本大小考虑外部验证的多变量预测模型:一个重采样研究。地中海统计2016年;35:214年- - - - - -26。doi:10.1002 / sim.6787pmid:26553135
  463. ↵
    1. VergouweY,
    2. Steyerberg电子战,
    3. Eijkemans乔丹,
    4. HabbemaJD
    。大量有效的样本大小是外部验证所需的研究预测逻辑回归模型。中国论文2005年;58:475年- - - - - -83年。doi:10.1016 / j.jclinepi.2004.06.017pmid:15845334
  464. ↵
    1. MahaseE
    。Covid-19:我们知道“长covid”什么?BMJ2020年;370年:m2815。doi:10.1136 / bmj.m2815pmid:32665317
  465. ↵
    1. Klok足总,
    2. 恩GJAM,
    3. 巴可年代,
    4. 等
    。post-covid-19功能规模现状:一个工具来测量功能状态covid-19后随着时间的推移。欧元和J2020年;56:2001494。doi:10.1183/13993003.01494 -2020pmid:32398306
回到顶部