Models for individualized COVID-19 diagnostic prediction

Mariel Victorino-Aguilar; Abel Lerma-Talamantes; Claudia  Lerma

doi:10.29057/mjmr.v10i20.8834

Mariel Victorino-Aguilar Instituto Nacional de Cardiología Ignacio Chávez https://orcid.org/0000-0002-1338-3253
Abel Lerma-Talamantes Instituto Nacional de Cardiología Ignacio Chávez https://orcid.org/0000-0001-7212-641X
Claudia Lerma Instituto Nacional de Cardiología Ignacio Chávez https://orcid.org/0000-0002-4679-7751

DOI: https://doi.org/10.29057/mjmr.v10i20.8834

Palabras clave: COVID-19, predicción individual, modelos de predicción, síntomas, detección

Resumen

Desde que la pandemia del COVID-19, el mundo ha vivido el gran número de infecciones en periodos cortos de tiempo, dando lugar a las olas de contagio provocadas por las distintas variaciones del SARS-COV-2. Los servicios de salud, así como el personal, se han visto superados, esto especialmente en los países más pobres. Actualmente y después de dos años, la pandemia continua y según expertos llegó para quedarse de forma estacionaria, por lo que hoy más que nunca la importancia de las vacunas y de los métodos de detección de la enfermedad, para frenar el número de contagios y evitar que la pandemia siga extendiéndose y así el virus siga mutando. Las pruebas de detección han resultado escasas y caras para la mayoría de población, por lo que los métodos alternativos a los de laboratorio podría ser un factor decisivo para que las personas puedan autoaislarse antes de seguir contagiando a más personas. Uno de los métodos más eficaces ha sido lo que involucran predicciones estadísticas de diagnóstico de COVID-19 en un paciente, a partir de ciertas variables. En este artículo se identificaron que los modelos de predicción más comunes se desarrollaron a partir de la regresión logística e inteligencia artificial, el objetivo de este trabajo es demostrar los altos porcentajes de predicción de resultado de prueba por COVID-19 de estos métodos alternativos a las pruebas de laboratorio, para mostrar que son confiables como alternativas a ellas, y aplicarlas a la población como método de control de la pandemia de COVID-19. Se identificaron las variables predictoras más importantes en los distintos modelos desarrollados en varias regiones del mundo y se discuten las oportunidades, limitaciones y perspectivas de este método de predicción.

Descargas

La descarga de datos todavía no está disponible.

Biografía del autor/a

Abel Lerma-Talamantes , Instituto Nacional de Cardiología Ignacio Chávez

Autor Abel Lerma Talamantes, investigador académico, psicólogo clínico, postdoctorante en la Universidad de Guadalajara e Instituto Nacional de Psiquiatría Ramón de la Fuente Muñiz, docente.

Claudia Lerma , Instituto Nacional de Cardiología Ignacio Chávez

Doctora, investigadora, líneas de investigación en el Instituto Nacional de Cardiología:

Análisis no lineal de señales cardiovasculares.
Desarrollo de métodos no invasivos para predicción de riesgo de arritmias cardiacas ventriculares y muerte cardiaca súbita
Evaluación de la dinámica del control cardiovascular con métodos no invasivos (análisis de electrocardiograma y otras señales fisiológicas y modelos matemáticos)
Evaluación y tratamiento de ansiedad, depresión y malnutrición en pacientes con insuficiencia renal crónica.

Citas

Berekaa MM. Insights into the COVID-19 pandemic: Origin, pathogenesis, diagnosis, and therapeutic interventions. Front. Biosci. (Elite Ed). 2021;13(1):117–139.

World Health Organization. Coronavirus disease (COVID-19) pandemic. W. H. O. 2021:1-2.

Uddin M, Mustafa F, Rizvi TA, Loney T, Suwaidi HA, Al-Marzouqi A, et al. SARS-CoV-2/COVID-19: Viral Genomics, Epidemiology, Vaccines, and Therapeutic Interventions. Vir. 2020;12(5):526.

Asselah T, Durantel D, Pasmant E, Lau G, Schinazi RF. COVID-19: Discovery, diagnostics, and drug development. J. Hepatol. 2021;74(1):168–184.

He X, Hong W, Pan X, Lu G, Wei X. SARS-CoV-2 Omicron variant: Characteristics and prevention. MedCom. 2021;2(4): 838–845.

Yong SJ. Long COVID or post-COVID-19 syndrome: putative pathophysiology, risk factors, and treatments. J. Infect. Dis. 2021;53(10):737–754.

Kabir MA, Ahmed R, Iqbal S, Chowdhury R, Paulmurugan R, Demirci U, et al. Diagnosis for COVID-19: current status and future prospects. Expert. Rev. Mol. Diagn. 2021;21(3):269–288.

Wong R. COVID-19 testing and diagnosis: A comparison of current approaches. Malays. J. Pathol. 2021;43(1):3–8.

Al-Najjar D, Al-Najjar H, Al-Rousan N. Evaluation of the prediction of CoVID-19 recovered and unrecovered cases using symptoms and patient's meta data based on support vector machine, neural network, CHAID and QUEST Models. Eur. Rev. Med. Pharmacol. Sci. 2021;25(17):5556–5560.

Hemmer CJ, Löbermann M, Reisinger EC. COVID-19: Epidemiologie und Mutationen: Ein Update [COVID-19: epidemiology and mutations: An update]. Radiologe. 2021;61(10):880–887.

Wang R, Hozumi Y, Yin C, Wey GW. Mutations on COVID-19 diagnostic targets. Genom. 2020;112(6):5204–5213.

Solís-Arce JS, Warren SS, Meriggi NF, Scacco A, McMurry N, Voors, et al. COVID-19 vaccine acceptance and hesitancy in low- and middle-income countries. Nat. Med. 2021;27(8):1385–1394.

Bose-O'Reilly S, Daanen H, Deering K, Gerrett N, Huynen M, Lee J, et al. COVID-19 and heat waves: New challenges for healthcare systems. Environ. Res. 2021;198:111153.

Centers for Disease Control, 24/7 DBC: We Save Lives. Classifications and definitions of SARS-CoV-2 variants. C. D. C. 2021:1-2.

Cherednik I. Modeling the Waves of Covid-19. Act. Biotheor. 2021;70(1):8.

Lai C, Lam W. Laboratory testing for the diagnosis of COVID-19. Biochem. Biophys. Res. Commun. 2021;538:226–230.

Mohamadian M, Chiti H, Shoghli A, Biglari S, Parsamanesh N, Esmaeilzadeh A. COVID-19: Virology, biology and novel laboratory diagnosis. J. Gene. Med. 2021;23(2):e3303.

Martínez-Chamorro E, Díez-Tascón A, Ibáñez-Sanz L, Ossaba-Vélez S, Borruel-Nacenta S. Radiologic diagnosis of patients with COVID-19. Radiological diagnosis of the patient with COVID-19. Radiolog. 2021;63(1):56–73.

Alizadehsani R, Alizadeh-Sani Z, Behjati M, Roshanzamir Z, Hussain S, Abedini N, et al. Risk factors prediction, clinical outcomes, and mortality in COVID-19 patients. J. Med. Virol. 2021;93(4):2307–2320.

Roland LT, Gurrola JG, Loftus PA, Cheung SW, Chang JL. Smell and taste symptom-based predictive model for COVID-19 diagnosis. Int. Forum. Allergi. Rhinol. 2020;10(7):832–838.

Jehi L, Ji X, Milinovich A, Erzurum S, Rubin BP, Gordon S, Young JB, Kattan MW. Individualizing Risk Prediction for Positive Coronavirus Disease 2019 Testing: Results From 11,672 Patients. CHEST. 2020;158(4):1364–1375.

Zhang SX, Sun S, Afshar-Jahanshahi A, Wang Y, Nazarian-Madavani A, Li J, et al. Beyond Predicting the Number of Infections: Predicting Who is Likely to Be COVID Negative or Positive. Risk. Manag. Healthc. Policy. 2020;13:2811–2818.

Mamidi T, Tran-Nguyen TK, Melvin RL, Worthey EA. Development of An Individualized Risk Prediction Model for COVID-19 Using Electronic Health Record Data. Fron. Big. Data. 2021;4:675882.

Zoabi Y, Deri-Rozov S, Shomron N. Machine learning-based prediction of COVID-19 diagnosis based on symptoms. N. P. J. Digit. Med. 2021;4(1):3.

Zhang J, Jun T, Frank J, Nirenberg S, Kovatch P, Huang KL. Prediction of individual COVID-19 diagnosis using baseline demographics and lab data. Sci. Rep. 2021;11(1):13913.

Challener DW, Challener GJ, Glow-Lee VJ, Fida M, Shah AS, O'Horo JC. Screening for COVID-19: Patient factors predicting positive PCR test. Infect. Control. Hosp. Epidemiol. 2020;41(8): 968–969.

Galindo-Vázquez O, Ramírez-Orozco M, Costas-Muñiz R, Mendoza-Contreras LA, Calderillo-Ruíz G, Meneses-García A. Symptoms of anxiety, depression and self-care behaviors during the COVID-19 pandemic in the general population. Gac. Med. Mex. 2021;156(4):298–305.

Bender R, Grouven U. Ordinal logistic regression in medical research. Clin. Med. (Lond.). 1997;31(5):546–551.

Iser B, Sliva I, Raymundo VT, Poleto MB, Schuelter-Trevisol F, Bobinski F. Suspected COVID-19 case definition: a narrative review of the most frequent signs and symptoms among confirmed cases. Epidemiol. Serv. Saude. 2020;29(3):1-10

Johansson MA, Quandelacy TM, Kada S, Prasad P. V, Steele M, Brooks JT. SARS-CoV-2 Transmission from People Without COVID-19 Symptoms. J. A. M. A. NETW. OPEN. 2021;4(1):e2035057.

Vila-Muntadas M, Agustí-Sunyer I, Garcia-Navarro A. COVID-19 diagnostic tests: importance of the clinical context. Med. Clin. (Barc). 2021;157(4):185–190.

Chadeau-Hyam M, Bodinier B, Elliott J, Whitaker MD, Tzoulaki I, Vermeulen R, et al. Risk factors for positive and negative COVID-19 tests: a cautious and in-depth analysis of UK biobank data. Int. J. Epidemiol. 2020;49(5):1454–1467.

Halpin S, O'Connor R, Sivan M. Long COVID and chronic COVID syndromes. J. Med. Virol. 2021;93(3):1242–1243.