[논문 리뷰] Machine Learning and Meta-Analysis Approach to Identify Patient Comorbidities and Symptoms that Increased Risk of Mortality in COVID-19

Sakifa Aktar, Ashis Talukder외 10명|arXiv (Cornell University)|2020. 08. 21.

COVID-19 Clinical Research Studies참고 문헌 33인용 수 7

한 줄 요약

이 연구는 글로벌 문헌의 메타분석과 집계된 코로나19 환자 데이터를 기반으로 한 기계학습을 융합하여, 사망 위험을 높이는 데 유의미하게 연관된 공존 질환과 증상 조합을 규명한다. 주요 발견은 만성 폐쇄성 폐질환(COPD), 심혈관 질환(CVD), 제2형 당뇨병, 고혈압, 만성 신장 질환(CKD), 악성 종양이 주요 위험 요인임을 보여주며, 폐렴-고혈압 및 호흡성 급성 호흡부전(ARDS)-고혈압 조합이 연령과 성별을 보정한 후에도 가장 강한 사망 연관성을 보임을 확인한다.

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.

연구 동기 및 목표

• 코로나19 환자에서 사망 위험을 높이는 데 유의미하게 연관된 환자의 공존 질환과 증상을 규명하는 것.
• 통합된 데이터 융합 접근법을 통해 기저 질환과 코로나19 중증도 간의 상호작용을 평가하는 것.
• 고위험 환자 집단을 식별하여 표적적 간호 계획 수립을 위한 임상적 위험 분류 향상.
• 대규모 집계된 글로벌 코로나19 사례 데이터 기반 기계학습을 통해 발견 결과를 검증하는 것.
• 중증 결과에 대한 가장 중요한 위험 요인을 규명하여 병원 자원 우선 배정에 정보를 제공하는 것.

제안 방법

• 코로나19 공존 질환과 사망 결과에 관한 글로벌 문헌에 대한 메타분석을 수행하였다.
• 기계학습 분석을 위한 대규모 글로벌 코로나19 환자 기록을 수집하고 집계하였다.
• 생존과 사망을 예측하는 데 가장 유용한 특징을 식별하기 위해 지도 기반 기계학습 분류 기법을 적용하였다.
• 특징 중요도 분석을 통해 사망 예측 능력에 따라 공존 질환과 증상 조합을 순위 매겼다.
• 메타분석과 기계학습 결과를 융합하여 상위 위험 요인의 검증 및 상호 확인을 수행하였다.
• 증상과 공존 질환 간의 상호작용 효과, 예를 들어 폐렴-고혈압 및 ARDS-고혈압 조합이 사망 위험에 미치는 영향을 평가하였다.

실험 결과

연구 질문

• RQ1 글로벌 문헌에 따르면 코로나19 환자에서 사망 위험을 높이는 데 가장 강하게 연관된 공존 질환은 무엇인가요?
• RQ2 집계된 데이터 기반 기계학습 분석을 통해 코로나19에서 사망을 예측하는 데 가장 유용한 환자 증상과 공존 질환는 무엇인가요?
• RQ3 예를 들어 폐렴과 고혈압이 함께 존재할 경우, 개별 요인과 비교해 사망 위험에 어떤 영향을 미치나요?
• RQ4 연령과 성별은 공존 질환이 코로나19 사망에 미치는 영향을 어느 정도 조절합니까?
• RQ5 메타분석과 기계학습 접근법에서 모두 일관되게 상위 예측 요소로 나타나는 공존 질환은 무엇인가요?

주요 결과

• 메타분석에서 만성 폐쇄성 폐질환(COPD), 뇌혈관 질환(CEVD), 심혈관 질환(CVD), 제2형 당뇨병, 악성 종양, 고혈압이 코로나19 중증도와 가장 유의미하게 연관됨을 확인하였다.
• 집계된 글로벌 데이터 기반 기계학습에서 COPD, CVD, CKD, 제2형 당뇨병, 악성 종양, 고혈압, 천식이 사망 예측에 가장 중요한 예측 변수로 규명됨.
• 연령과 성별이 사망의 가장 중요한 단독 예측 변수였지만, 증상-공존 질환 조합은 더 큰 효과 크기를 보임.
• 폐렴-고혈압 및 ARDS-고혈압 조합이 사망 위험 증가와 가장 뚜렷한 연관성을 보임.
• 메타분석과 기계학습 방법에서의 결과 일관성은 규명된 위험 요소의 타당성을 강화함.
• 이러한 공존 질환을 가진 환자들을 조기에 대응하고 자원을 우선 배분할 수 있도록 의료 계획 수립에 유용함.