NeoPedia
در یك مطالعه انجام شد

معرفی روشی برای پیش بینی خطر مرگ ومیر مبتلایان به کووید ۱۹

معرفی روشی برای پیش بینی خطر مرگ ومیر مبتلایان به کووید ۱۹

نئوپدیا: پژوهشگران دانشگاه علوم پزشکی شهید بهشتی با انجام یک مطالعه، روشی برای پیش بینی سریع خطر مرگ ومیر بیماران مبتلا به کووید 19 معرفی کردند.



به گزارش نئوپدیا به نقل از ایسنا، همه گیری کووید-۱۹ بیش از ۱۰۰ میلیون نفر را در سراسر جهان آلوده کرده و سیستم های اقتصادی و بهداشتی را به شدت تحت فشار قرار داده است.

به دلیل تعداد زیاد بیماران، پرسنل پزشکی خسته و محدود و منابع پزشکی ناکافی، شناسایی سریع بیماران مبتلا به کووید ۱۹ که در خطر مرگ ومیر بالا قرار دارند، بسیار مهمست تا بتوان میزان مرگ ومیر این بیماران را کم کرد.

در این بیماران، تجویز داروهای مناسب برمبنای وضعیت بیمار و مراقبت های ویژه و بموقع ضروری می باشد. اما اغلب پزشکان قادر به پیش بینی دقیق وضعیت بیماران مبتلا به کووید ۱۹ نیستند.

به همین دلیل نیاز به یک سیستم دقیق و سریع برای پیش بینی مرگ ومیر این بیماران وجود دارد و مدلسازی آماری و روش های یادگیری ماشین می تواند در تشخیص الگوهای پیچیده کمک نماید.

یکی از روش ها برای پیش بینی وضعیت بیماران مبتلا به کووید ۱۹، استفاده از تصاویر سی تی اسکن ریه بیماران است و با بهره گیری از هوش مصنوعی برمبنای شدت درگیری ریه، وضعیت بیماران پیش بینی می شود. ولی تصاویر سی تی اسکن در مراحل اولیه اطلاعات کافی برای پیش بینی وضعیت بیمار ندارند و همین طور اشعه ایکس دارای عوارض جانبی است.

بر همین اساس پژوهشگران دانشگاه علوم پزشکی شهید بهشتی، یک سیستم جدید ارائه دادند که برمبنای آن با بهره گیری از اطلاعات جمعیت شناختی بیماران، علایم حیاتی و داده های آزمایشگاهی خون، وضعیت بیماران مبتلا به کووید ۱۹ از نظر مرگ یا زنده ماندن پیش بینی شود.

در این مطالعه که بر روی ۲۴۴ بیمار در بیمارستان مسیح دانشوری انجام شد، اطلاعات مورد نیاز که به طور معمول در روز اول مراجعه بیماران به بیمارستان جمع آوری می شود، مورد بررسی قرار گرفت.

برای پیش بینی نتایج مرگ ومیر، دو گروه نجات یافته و مرگ تعریف شد. گروه نجات یافته بیمارانی مبتلا به کووید ۱۹ بودند که بعد از اتمام درمان مرخص شدند و دو نتیجه PCR منفی پی در پی داشتند. گروه مرگ نیز شامل بیمارانی بود که در هر مرحله از دوره درمان، فوت کرده بودند. در مجموع ۱۱۵ بیمار (حدود ۴۷ درصد) بعنوان مرگ و ۱۲۹ بیمار (حدود ۵۳ درصد) بعنوان نجات یافته دسته بندی شدند.

داده هایی از قبیل اطلاعات جمعیت شناختی مانند سن و جنسیت، سابقه بیماری، علایم حیاتی و نتایج آزمایش خون شامل تست های شمارش کامل خون، انعقاد، کلیه، کبد، گاز خون و... در هشت گروه طبقه بندی شدند و مورد بررسی قرار گرفتند.

نتایج این بررسی نشان داد که در گروه خاصیت های شمارش سلول های خون مواردی مانند RDW (عرض توزیع گلبول های قرمز)، MCH (میانگین هموگلوبین)، MCHC (میانگین غلظت هموگلوبین هر ذره) و MCV (میانگین حجم هر ذره) بیشترین توانایی پیش بینی را داشتند. همین طور Spo۲ یا فشار جزئی اکسیژن در علائم حیاتی دارای قدرت پیش بینی زیادی بود.

در این مطالعه عنوان شد که ترکیب خاصیت های شمارش کامل سلول های خونی، علایم حیاتی و گروههای انعقادی دارای بالاترین قدرت پیش بینی مرگ ومیر (بیش از ۹۶ درصد) است.

پژوهشگران این تحقیق می گویند که پزشکان می توانند با بهره گیری از نتایج این تحقیق و بررسی این خاصیت ها در بیماران، تصمیمات آسان تر و دقیق تری برای پیش بینی نتیجه مرگ و میر بیماران کووید ۱۹ اتخاذ کنند.
بگفته این محققان؛ در این مطالعه چندین محدودیت نیز وجود داشت. جمعیت بیماران مبتلا به کووید ۱۹ در این مطالعه به نسبت کم بود و نتایج باید با مطالعات با جمعیت بیشتر از اقوام مختلف تأیید شود. همین طور داده های آزمایشگاهی نیاز به نمونه گیری خون بصورت تهاجمی دارد و خیلی از مراکز بهداشتی کوچک تر به تجهیزات آزمایشگاهی دسترسی ندارند. در نهایت، بار زیاد بیمار و کمبود تجهیزات می تواند مانع از دسترس بودن و دقت آزمایش خون شود.
در انجام این تحقیق احمد شالباف، نسرین امینی، هادی چوبدار، مهدی مهدوی، عاطفه عابدینی و رضا لشکری؛ پژوهشگران دانشگاه علوم پزشکی شهید بهشتی با یکدیگر مشارکت داشتند.

این مطالعه حاصل قسمتی از طرح پژوهشی «پیش بینی میزان شدت بیماری کووید ۱۹ با بهره گیری از روش های پیشرفته هوش مصنوعی» است که در سال ۱۴۰۰ با حمایت دانشکده پزشکی دانشگاه علوم پزشکی شهید بهشتی، اجرا شده ا ست.

یافته های این مطالعه اسفندماه امسال، بصورت مقاله علمی با عنوان «پیش بینی سریع خطر مرگ ومیر بیماران مبتلا به کووید ۱۹ برمبنای خاصیت های دموگرافی، علایم حیاتی و آزمایشگاهی» در مجله دانشکده پزشکی دانشگاه علوم پزشکی تهران انتشار یافته است.





منبع:

1400/12/13
23:29:44
5.0 / 5
279
این مطلب نئوپدیا را می پسندید؟
(1)
(0)

تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب
لطفا شما هم نظر دهید
= ۷ بعلاوه ۴
NeoPedia