年第2期JournalofIntensiveMedicine刊发了由本刊总编陈德昌教授团队撰写的论著IdentificationandvalidationofprognosticfactorsinpatientswithCOVID-19:Aretrospectivestudybasedonartificialintelligencealgorithms.我们将文章摘要部分进行翻译，方便大家快速了解文章。
背景：新型冠状病*病（COVID-19）引发了一场持续的高死亡率全球大流行疫情。虽然一些研究根据传统分析报告了患者死亡的危险因素，但很少有研究使用人工智能（AI）算法。本研究使用人工智能方法调查了COVID-19患者的预后因子。
方法：研究纳入在年12月29日至年3月2日期间，医院的COVID-19患者。整个组被随机分成训练和测试组，比例为6：4。分析了人口统计学和临床数据，以利用LASSO回归（最小绝对值收敛和选择算子回归）和基于LASSO的人工神经网络（ANN）模型确定死亡率预测因素。使用接收器操作特征（ROC）曲线分析评估模型的预测性能。
结果：共有名患者（名男性，53.3%）被纳入研究。在名患者中，人被分配到培训组，人被分配到测试组。患者的中位年龄为57岁（范围：47-66岁）。疾病严重程度、年龄、血小板计数、白细胞计数、前白蛋白、C反应蛋白（CRP）、总胆红素、急性生理学和慢性健康评估（APACHE）Ⅱ评分和续贯器官衰竭评估（SOFA）评分被确定为死亡率的独立预测因素。将这九个因素纳入LASSO回归模型，得出了正确的分类率0.98，在训练和测试队列中，ROC曲线（AUC）下的面积值分别为0.和0.。将相同的因素纳入基于LASSO的ANN模型，得出了正确的分类率为0.，培训和测试组的AUC均为0.。
结论：LASSO回归和基于LASSO的ANN模型都准确预测了COVID-19患者的临床结果。疾病严重程度、年龄、血小板计数、白细胞计数、前白蛋白、CRP、总胆管素、APACHEⅡ评分和SOFA评分被确定为COVID-19患者死亡率的预测因素。扫描