Simple Science

最先端の科学をわかりやすく解説

# 健康科学# 医療情報学

ベテランのCOVID-19の予後予測

研究が、退役軍人における重症COVID-19の結果に影響を与える重要な要因を明らかにしている。

― 1 分で読む


退役軍人とCOVID退役軍人とCOVID19のリスク役軍人の重要なリスクを明らかにした。研究が、COVID-19にかかっている退
目次

COVID-19パンデミックは世界中に大きな影響を与え、感染者は約5億2100万人、死亡者は600万人を超えてる。ウイルスであるSARS-CoV-2は多くの変異を経て、新しいバリアントが出現した。その中でも特に注目されるのがオミクロンで、2021年の後半に南アフリカで見つかり、2022年の1月にはアメリカでの感染の主な原因になった。オミクロンは以前の変異株に比べて重症例が少ないようだったけど、高い感染率が医療システムに負担をかけ続けた。パンデミックは、ウイルスがワクチンを部分的に回避したり、抗体に抵抗したりすることも際立たせた。

COVID-19の結果予測

パンデミック中、研究者たちはCOVID-19に感染した人の臨床結果を予測する方法を理解しようと頑張っていた。でも、既存の予測ツールの多くは新しいオミクロン変異株を考慮していなかったし、ワクチン接種状況や過去のCOVID-19感染などの重要な情報も見落としてた。最近の研究では、研究者たちは先進的な機械学習技術を使って、オミクロンが流行していた時期にCOVID-19陽性だったアメリカの退役軍人の入院、医療介入の必要性、死亡の可能性を予測した。研究者たちはワクチン接種状況や過去の感染歴など、これまで強調されていなかった要素も含めた。

研究参加者

この研究は、2022年の1月から8月の間にCOVID-19陽性だった192,984人の退役軍人に焦点を当てた。研究者たちは、患者に直接連絡することなく、退役軍人健康管理局(VHA)のデータにアクセスした。データが安全で、研究目的に承認されていることを確認した。分析には18歳から100歳までの正常なBMIを持つ退役軍人だけが含まれた。

研究の結果

研究者たちは、陽性テストから30日以内に入院、医療介入の必要性、死亡という3つの主な結果を予測しようとした。もし退役軍人がその期間内にこれらの結果のいずれにも該当しなかったら、軽度の感染と見なされた。データ分析の結果、88.3%の退役軍人が軽度の感染で、10.5%が入院、2.5%がより集中的なケアを必要とし、1.4%が死亡した。

特定の要因がより重篤な結果と関連していた。例えば、年齢が高いことやBMIが高いことは、入院や死亡のリスクを高める要因だった。さらに、白人の退役軍人の死亡率は他の人種・民族グループよりも高かった。

健康要因の評価

研究者たちは、既存の病状、ワクチン接種状況、人口統計情報など、さまざまな健康要因を調査した。糖尿病や慢性肺疾患などの重大な基礎疾患を持つ退役軍人は、重度のCOVID-19結果を経験する可能性が高いことがわかった。ワクチン未接種の人は、完全にワクチン接種を受け、最近ブーストされた人に比べて明らかに死亡リスクが高かった。

この研究では、過去のCOVID-19感染も考慮された。過去にCOVID-19に感染したことがある退役軍人は、現在の感染から30日以内の死亡リスクが低かったが、入院や医療介入が必要になる可能性が高かった。これは、過去の感染と現在の病気との間に複雑な関係があることを示している。

機械学習モデル

研究者たちは、3つの主な結果それぞれに対して別々のモデルを作成した。重篤な結果を予測するために159の異なる要因をモデルに含め、どれが最も予測的かを判断した。モデルは観察期間の最初の部分のデータでトレーニングされ、後半のデータでテストされた。

結果は、結果を予測する上で良好な精度を示した。例えば、死亡予測モデルは特によく機能し、リスクのある人を効果的に特定できることを示していた。

重篤な結果の主要な予測因子

研究は、重篤な結果の可能性に影響を与えるいくつかの重要な要因を特定した。高齢は入院、医療介入、死亡の最も重要な予測因子だった。また、特定の医療条件の組み合わせは、個別の条件を見ているよりも予測的だった。

面白いことに、研究ではBMIが高いことが悪影響のリスクを低く予測することがあるとの結果もあった。この発見は、以前の研究と矛盾しており、体重とCOVID-19の重症度との関係が最初に考えられていたよりも複雑である可能性があることを示している。

ワクチン接種の重要性

ワクチン接種は研究の結果において重要な役割を果たした。ワクチンとブースターを受けた退役軍人は、重篤な結果のリスクが著しく低かった。研究は、高リスクの人たちのためにワクチン接種を優先することで、入院や死亡を大幅に減少させることができる可能性があると示した。

研究者たちは、異なるワクチン接種戦略の影響を予測するためにモデルを利用した。未接種者をワクチン接種することで、深刻な結果を大幅に減少させることができると予測した。例えば、全未接種退役軍人がワクチンを受けた場合、入院者数は約80%減少する可能性がある。

研究の意義

この研究の結果は、特に将来のCOVID-19の急増に備えて、医療決定にとって重要だ。どの個人が高リスクかを予測する能力は、医療システムがリソースをより効果的に配分するのに役立つ。

この研究はアメリカの退役軍人に焦点を当てているけど、使われた方法は他の集団や医療システムにも応用できるかもしれない。これらの要因を理解することで、パンデミック中の公衆衛生対応が改善される。

研究の限界

得られた洞察にも限界がある。研究は退役軍人のみを対象としたため、結果は一般人口を代表していないかもしれない。研究対象の退役軍人は主に男性で、コミュニティ全体とは異なる健康プロファイルを持っていた。その上、分析されたデータはVHAシステム外での入院を捉えておらず、ケアや死亡に関する発見に影響を与える可能性がある。

さらに、この研究は特にオミクロン変異株に関連した結果を調査したため、得られた洞察は他のCOVID-19変異株には適用できないかもしれない。

結論

この研究はCOVID-19のリスクについての理解に貢献し、特にオミクロン変異株の急増時において重要だ。重篤な結果の主要な予測因子とワクチン接種の重要性を特定することで、将来の医療対応を改善するための基礎を築いている。この研究に基づく予測モデルは、最も利益を受ける人々への介入をターゲットにするのに役立つ。最終的に、継続的な研究はCOVID-19とその変異株によって引き起こされる継続的な課題を乗り越えるために重要になるだろう。

オリジナルソース

タイトル: Predicting Clinical Outcomes of SARS-CoV-2 Infection During the Omicron Wave Using Machine Learning

概要: The Omicron SARS-CoV-2 variant continues to strain healthcare systems. Developing tools that facilitate the identification of patients at highest risk of adverse outcomes is a priority. The study objectives are to develop population-scale predictive models that: 1) identify predictors of adverse outcomes with Omicron surge SARS-CoV-2 infections, and 2) predict the impact of prioritized vaccination of high-risk groups for said outcome. We prepared a retrospective longitudinal observational study of a national cohort of 192,984 patients in the U.S. Veteran Health Administration who tested positive for SARS-CoV-2 from January 15 to August 15, 2022. We utilized sociodemographic characteristics, comorbidities, vaccination status, and prior COVID-19 infections, at time of testing positive for SARS-CoV-2 to predict hospitalization, escalation of care (high-flow oxygen, mechanical ventilation, vasopressor use, dialysis, or extracorporeal membrane oxygenation), and death within 30 days. Machine learning models demonstrated that advanced age, high comorbidity burden, lower body mass index, unvaccinated status, prior SARS-CoV-2 infection, and oral anticoagulant use were the important predictors of hospitalization and escalation of care. Similar factors predicted death. However, prior SARS-CoV-2 infection was associated with lower 30-day mortality, and anticoagulant use did not predict mortality risk. The all-cause death model showed the highest discrimination (Area Under the Curve (AUC) = 0.895, 95% Confidence Interval (CI): 0.885, 0.906) followed by hospitalization (AUC = 0.829, CI: 0.825, 0.834), then escalation of care (AUC=0.805, CI: 0.795, 0.814). Assuming a vaccine efficacy range of 70.8 to 78.7%, our simulations projected that targeted prevention in the highest risk group may have reduced 30-day hospitalization, care escalation, and death in more than 2 of 5 unvaccinated patients.

著者: jennifer lee, S. B. Cogill, S. Nallamshetty, N. Fullenkamp, K. Heberer, J. Lynch, K. M. Lee, M. Aslan, M.-C. Shih

最終更新: 2023-08-09 00:00:00

言語: English

ソースURL: https://www.medrxiv.org/content/10.1101/2023.08.06.23293725

ソースPDF: https://www.medrxiv.org/content/10.1101/2023.08.06.23293725.full.pdf

ライセンス: https://creativecommons.org/publicdomain/zero/1.0/

変更点: この要約はAIの助けを借りて作成されており、不正確な場合があります。正確な情報については、ここにリンクされている元のソース文書を参照してください。

オープンアクセスの相互運用性を利用させていただいた medrxiv に感謝します。

著者たちからもっと読む

類似の記事