[論文レビュー] Machine Learning and Meta-Analysis Approach to Identify Patient Comorbidities and Symptoms that Increased Risk of Mortality in COVID-19

Sakifa Aktar, Ashis Talukder+10 more|arXiv (Cornell University)|Aug 21, 2020

COVID-19 Clinical Research Studies参考文献 33被引用数 7

ひとこと要約

本研究では、グローバルな文献のメタアナリシスと集約済みのCOVID-19患者データに対する機械学習を統合し、死亡リスクを著しく上昇させる合併症および症状の組み合わせを同定した。主な発見では、COPD、CVD、2型糖尿病、高血圧、CKD、および悪性腫瘍が主なリスク要因であった。年齢および性別を補正した後でも、肺炎-高血圧およびARDS-高血圧の組み合わせが、死亡リスクとの強い関連を示した。

ABSTRACT

Background: Providing appropriate care for people suffering from COVID-19, the disease caused by the pandemic SARS-CoV-2 virus is a significant global challenge. Many individuals who become infected have pre-existing conditions that may interact with COVID-19 to increase symptom severity and mortality risk. COVID-19 patient comorbidities are likely to be informative about individual risk of severe illness and mortality. Accurately determining how comorbidities are associated with severe symptoms and mortality would thus greatly assist in COVID-19 care planning and provision. Methods: To assess the interaction of patient comorbidities with COVID-19 severity and mortality we performed a meta-analysis of the published global literature, and machine learning predictive analysis using an aggregated COVID-19 global dataset. Results: Our meta-analysis identified chronic obstructive pulmonary disease (COPD), cerebrovascular disease (CEVD), cardiovascular disease (CVD), type 2 diabetes, malignancy, and hypertension as most significantly associated with COVID-19 severity in the current published literature. Machine learning classification using novel aggregated cohort data similarly found COPD, CVD, CKD, type 2 diabetes, malignancy and hypertension, as well as asthma, as the most significant features for classifying those deceased versus those who survived COVID-19. While age and gender were the most significant predictor of mortality, in terms of symptom-comorbidity combinations, it was observed that Pneumonia-Hypertension, Pneumonia-Diabetes and Acute Respiratory Distress Syndrome (ARDS)-Hypertension showed the most significant effects on COVID-19 mortality. Conclusions: These results highlight patient cohorts most at risk of COVID-19 related severe morbidity and mortality which have implications for prioritization of hospital resources.

研究の動機と目的

• COVID-19患者における死亡リスクを著しく上昇させる患者の合併症および症状を同定すること。
• 包括的なデータ統合手法を用いて、既存の疾患とCOVID-19の重症度との相互作用を評価すること。
• 高リスク患者群を特定することで、標的的なケア計画のための臨床的リスク分類を改善すること。
• 集約された大規模なグローバルデータセットを用いた機械学習により、研究結果を検証すること。
• 重症な結果をもたらす最も重要なリスク要因を同定することで、病院のリソース配分を最適化すること。

提案手法

• COVID-19の合併症および死亡リスクに関するグローバルな文献のメタアナリシスを実施した。
• 機械学習分析のため、大規模かつグローバルなCOVID-19患者記録のデータセットを収集および集約した。
• 生存と死亡を予測する上で最も予測能の高い特徴を同定するために、教師あり機械学習分類を適用した。
• 特徴の重要度分析を用いて、死亡リスクに対する予測力の大きさの順に合併症および症状の組み合わせをランク付けした。
• メタアナリシスと機械学習の結果を統合し、主なリスク要因の妥当性を検証および相互に検証した。
• 症状と合併症の間の相互作用効果、特に肺炎-高血圧およびARDS-高血圧の組み合わせが死亡リスクに与える影響を評価した。

実験結果

リサーチクエスチョン

• RQ1 グローバルな文献によると、COVID-19患者における死亡リスクを著しく上昇させる主な合併症は何か？
• RQ2 集約データを用いた機械学習分析において、患者の症状および合併症のうち、死亡を予測する上で最も重要なものとは何か？
• RQ3 肺炎と高血圧の組み合わせのような、症状と合併症の組み合わせが、個々の要因と比較して死亡リスクに与える影響は何か？
• RQ4 年齢および性別は、合併症がCOVID-19の死亡リスクに与える影響をどの程度緩和するか？
• RQ5 メタアナリシスおよび機械学習の両アプローチにおいて一貫して上位に現れる合併症は何か？

主な発見

• メタアナリシスにおいて、慢性閉塞性肺疾患（COPD）、脳血管疾患（CEVD）、心血管疾患（CVD）、2型糖尿病、悪性腫瘍、および高血圧が、COVID-19の重症度を著しく上昇させる要因として最も強く関連していた。
• 集約されたグローバルデータを用いた機械学習では、COPD、CVD、CKD、2型糖尿病、悪性腫瘍、高血圧、およびアスターマが死亡リスクの予測において最も顕著な要因として特定された。
• 年齢および性別は死亡リスクの最も顕著な個別予測要因であったが、症状-合併症の組み合わせはより強い効果量を示した。
• 肺炎-高血圧およびARDS-高血圧の組み合わせが、死亡リスク上昇と最も顕著な関連を示した。
• メタアナリシスと機械学習の両手法で類似した結果が得られたことから、同定されたリスク要因の妥当性が強化された。
• これらの合併症を有する患者を早期介入およびリソース配分の優先対象とすることが、医療計画において有効であるという結果が示された。