[论文解读] Do not forget interaction: Predicting fatality of COVID-19 patients using logistic regression

Feng Zhou, Tao Chen+1 more|arXiv (Cornell University)|Jun 30, 2020

COVID-19 Clinical Research Studies参考文献 9被引用 12

一句话总结

本研究提出了一种可解释的逻辑回归模型，利用三种关键血液生物标志物——乳酸脱氢酶（LDH）、淋巴细胞百分比和高敏C反应蛋白（hs-CRP）及其相互作用，预测新冠肺炎患者死亡风险。该模型准确率达到93.92%，在阈值概率为0.8时，平均提前11.30天预测死亡，有助于早期临床干预和优化医疗资源分配。

ABSTRACT

Amid the ongoing COVID-19 pandemic, whether COVID-19 patients with high risks can be recovered or not depends, to a large extent, on how early they will be treated appropriately before irreversible consequences are caused to the patients by the virus. In this research, we reported an explainable, intuitive, and accurate machine learning model based on logistic regression to predict the fatality rate of COVID-19 patients using only three important blood biomarkers, including lactic dehydrogenase, lymphocyte (%) and high-sensitivity C-reactive protein, and their interactions. We found that when the fatality probability produced by the logistic regression model was over 0.8, the model had the optimal performance in that it was able to predict patient fatalities more than 11.30 days on average with maximally 34.91 days in advance, an accumulative f1-score of 93.76% and and an accumulative accuracy score of 93.92%. Such a model can be used to identify COVID-19 patients with high risks with three blood biomarkers and help the medical systems around the world plan critical medical resources amid this pandemic.

研究动机与目标

• 开发一种准确、可解释且直观的机器学习模型，用于预测新冠肺炎患者的死亡风险。
• 通过提供概率化的死亡预测而非简单的“是/否”结果，改进现有二元决策模型。
• 纳入关键生物标志物之间的交互效应，以提升预测性能。
• 仅使用三种常规检测的血液生物标志物，实现对高危患者的早期识别。
• 支持临床决策并优化疫情期间关键医疗资源的分配。

提出的方法

• 使用LDH、淋巴细胞（%）和hs-CRP作为主要预测变量，拟合逐步逻辑回归模型。
• 基于调整决定系数（adjusted R²）和p值，系统评估二阶交互项（LDH:淋巴细胞 和 LDH:hs-CRP）是否应纳入模型。
• 通过100轮五折交叉验证，确保模型的稳健性与泛化能力。
• 最终模型采用500个交叉验证模型的中位数系数，以生成稳定预测结果。
• 开展多天提前预测，评估模型可提前多长时间正确预测患者结局。
• 使用110名患者的外部测试集验证模型在未见数据上的性能。

实验结果

研究问题

• RQ1 与不包含交互效应的模型相比，纳入生物标志物交互效应的逻辑回归模型是否能显著提升新冠肺炎患者死亡预测的准确性？
• RQ2 在最大化预警提前时间与性能指标的前提下，死亡预测的最优阈值概率是多少？
• RQ3 该模型相比临床症状出现或死亡时间，能提前多少天预测患者结局？平均提前时间是多少？
• RQ4 与仅包含主效应的模型相比，纳入LDH、淋巴细胞和hs-CRP之间交互项是否显著提升模型性能？
• RQ5 该模型能否提供临床可解释且可操作的死亡概率，以支持医疗资源规划？

主要发现

• 当使用0.8的预测概率阈值时，模型累计准确率达到93.92%，累计F1得分为93.76%。
• 平均而言，模型可提前11.30天预测患者死亡，最大提前时间为34.91天。
• 在110名患者的外部测试集中，模型平均提前12.76天预测死亡，准确率达96.47%，F1得分为95.73%。
• 引入LDH:淋巴细胞和LDH:hs-CRP交互项显著提升了模型性能，调整决定系数（adjusted R²）达0.797。
• 与先前的决策树模型相比，本模型在平均提前时间与累计F1得分及准确率方面均表现更优。
• 确定0.8的阈值概率为最优，超过此值时，患者死亡预测具有高度置信度。