在最近一项研究中，克利夫兰诊所的研究人员已经开发并验证了一种风险预测模型该模型可以帮助医生预测最近检验出SARS-CoV-2感染阳性患者中哪些群体住院风险最大。

该新模型发表在《PLOS One》杂志上，由克利夫兰诊所首席研究信息官Lara Jehi博士等人领导完成。他们的早期模型预测了个别患者检测出该病毒呈阳性的可能性。

（图片来源：Www.pixabay.com）

该研究的通讯作者Jehi博士说：“最终，我们希望创建一套工具，医生可以在患者使用COVID-19的许多时间点上，使用这些工具来帮助个性化护理和资源分配。”

该团队的最新模型是使用回顾性患者数据开发并验证的，该数据来自3,500例早期俄亥俄州和佛罗里达州克利夫兰诊所的3,500例患者（3月初至6月初），这些患者的COVID-19检测呈阳性。数据科学家使用统计算法将注册患者的电子病历中的数据转换为风险预测模型。

比较因COVID-19而住院和未住院的患者之间的特征，发现了一些以前不确定的住院危险因素，包括：1）抽烟，以前的吸烟者比现在的吸烟者更有可能住院。2）服用某些药物。服用血管紧张素转换酶（ACE）抑制剂或血管紧张素II型I受体阻滞剂（ARB）的患者更有可能住院。3）种族。非裔美国人患者比其他种族的患者更有可能住院。

Kattan博士是开发和验证医疗决策预测模型的专家，他警告说，进一步研究ACE抑制剂与ARB之间的联系将是必要的。 “在我们的研究中，仅通过单变量分析发现服用这些药物会增加住院的风险，这意味着观察到的关联可能是其他混杂变量的结果。”

研究小组的发现还显示，出现发烧，呼吸急促，呕吐和疲劳等症状复合体的患者更有可能住院治疗。

该研究证实了以前文献中报道的其他关联，包括老年人住院风险更高；男人以及合并症（如糖尿病和高血压）或来自较低社会经济背景的人群具有更高的住院风险。

Jehi博士说：“住院治疗可以用作疾病严重程度的指标。了解哪些患者最有可能因COVID-19相关症状和并发症而入院，不仅可以帮助医生决定如何从测试开始就如何最好地管理患者的护理，还可以决定如何分配床位和其他资源。”

资讯出处：New prediction model can forecast personalized risk for COVID-19-related hospitalization

原始出处： Lara Jehi et al. Development and validation of a model for individualized prediction of hospitalization risk in 4,536 patients with COVID-19, PLOS ONE (2020). DOI: 10.1371/journal.pone.0237419