Statistical and Predictive Analysis to Identify Risk Factors and Effects of Post COVID-19 Syndrome

要約

最近の研究に基づいて、いくつかのcovid-19の症状は感染後数ヶ月間持続する可能性があり、長いコビッドと呼ばれるものにつながる可能性があります。
ワクチン接種のタイミング、患者の特性、感染の急性期における症状などの要因は、長いコビッドの長時間の影響と強度に寄与する可能性があります。
各患者は、要因の独自の組み合わせに基づいて、長いコビッドの特定のリスクまたは強度を開発します。
この作業では、2つの目的を達成することを目指しています。（1）統計分析を実施して、さまざまな要因と長いcovidの関係を特定し、（2）これらの因子を使用して長い共生強度の予測分析を実行します。
Lifelines Covid-19コホートのデータを使用して、線形モデル、ランダムフォレスト、勾配ブースト、ニューラルネットワークなど、さまざまなデータ駆動型アプローチをベンチマークおよび解釈します。
私たちの結果は、ニューラルネットワーク（NN）がMAPEに関して最高のパフォーマンスを達成し、平均19％エラーの予測で最高のパフォーマンスを達成することを示しています。
さらに、解釈可能性分析により、臭いの喪失、頭痛、筋肉痛、ワクチン接種のタイミングなどの重要な要因が重要な予測因子として明らかになりますが、慢性疾患と性別は重大な危険因子です。
これらの洞察は、長いコビッドを理解し、ターゲットを絞った介入を開発するための貴重なガイダンスを提供します。

要約(オリジナル)

Based on recent studies, some COVID-19 symptoms can persist for months after infection, leading to what is termed long COVID. Factors such as vaccination timing, patient characteristics, and symptoms during the acute phase of infection may contribute to the prolonged effects and intensity of long COVID. Each patient, based on their unique combination of factors, develops a specific risk or intensity of long COVID. In this work, we aim to achieve two objectives: (1) conduct a statistical analysis to identify relationships between various factors and long COVID, and (2) perform predictive analysis of long COVID intensity using these factors. We benchmark and interpret various data-driven approaches, including linear models, random forests, gradient boosting, and neural networks, using data from the Lifelines COVID-19 cohort. Our results show that Neural Networks (NN) achieve the best performance in terms of MAPE, with predictions averaging 19\% error. Additionally, interpretability analysis reveals key factors such as loss of smell, headache, muscle pain, and vaccination timing as significant predictors, while chronic disease and gender are critical risk factors. These insights provide valuable guidance for understanding long COVID and developing targeted interventions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google