首页 > 智能网

如何科学估算新冠肺炎病死率?森亿智能大数据模型揭示其变化规律

来源:智能网
时间:2020-02-26 12:04:38
热度:106

如何科学估算新冠肺炎病死率?森亿智能大数据模型揭示其变化规律国家卫生健康委员会官方网站信息显示,截至截至2月22日24时,全国累计报告确诊病例76936例。而COVID-2019的

国家卫生健康委员会官方网站信息显示,截至截至2月22日24时,全国累计报告确诊病例76936例。而COVID-2019的病死率究竟有多高?也自然成为了大家最为关心的问题之一。

2 月 17 日,《中华流行病学杂志》杂志上刊登了一篇名为《新型冠状病毒肺炎流行病学特征分析》的研究论文。论文显示,湖北省的粗病死率(2.9%)高出其他省份(0.4%)7.3 倍。

但2月21日,Lancet Respir Med (柳叶刀呼吸病学)发表了来自华中科技大学同济医学院和武汉金银潭医院团队的论文。该团队通过对金银潭医院收治的重症新冠肺炎患者的单中心回顾性研究表明,新冠肺炎重症患者28天内病死率高达61.5%,高于对SARS和MERS重症患者的研究中得到的数据[1]。

大家比较困惑数据之间的反差。那么,粗病死率的概念该如何解读?它和真正的病死率的区别又在什么地方?对此,森亿智能真实世界研究团队进行了一番深入分析。

通过数据建模预测疾病,是当前行之有效的方式之一

通常,在疫情初期,媒体报道和学术研究中多用以下几种病死率的计算方式:

1、总死亡数 /  总确诊人数,也就是粗病死率;

2、总死亡数 /(总死亡数 + 总治愈人数);

3、假设病毒的平均潜伏期是X天,出现症状到死亡的平均天数是Y天。那么病死率应该是这样的:总死亡数/(X+Y)天前确诊人数。

如果疫情已经结束,所有患者要么治愈出院,要么死亡,那这几种方式计算的结果都殊途同归。换言之,都是正确的计算方法。然而在疫情初期和中期,由于绝大多数患者还在医院治疗,总确诊人数并不等于总死亡数 + 总治愈人数。

所以,这三种计算方式所反映的,都不是最终的真正病死率。上周,甚至有学者在《柳叶刀》杂志发文明确提出,之前文献一直报道的武汉死亡率或病死率都是不确切的[2]。

当个体生存时间未详细公布的阶段,究竟用什么方法,才能估算出最接近真实的结论呢?

森亿智能真实世界研究负责人赵洪鑫博士认为,粗病死率用官方公布的死亡数除以所有确诊人数,而这些确诊且还未出院的人当中,由于未来还会陆续出现死亡,所以粗病死率和真正的病死率相比而言,被低估了。

并且,由于数据公布顺序的原因,每天实时计算的粗病死率在疫情初期和中期还会出现逐步升高的情况。这就进一步说明,粗病死率难以客观反映政府、社会、医护人员、科研人员在疫情防控、优化诊疗方面做出巨大努力的成果,以及真实的死亡风险变化趋势。

因此,通过数据分析建模预测疾病最新的病死率及变化趋势,将对疫情下阶段的防控产生极大的参考价值。

未来,湖北的病死率可能会降低至3-4%

2月21日,森亿智能真实世界研究团队在医学预印本论文medRxiv网站发表研究论文《Estimating the case fatality ratio of the COVID-19 epidemic in China》,该研究主要通过建立竞争风险模型和joinpoint回归模型,分析目前公布的确诊,新增,治愈和死亡数据,从而通过复杂的数学模型通过前期的数据去估计最终真实的病死率和死亡风险的变化趋势 [3]。

1.jpg

竞争风险模型和joinpoint回归模型分析结果

赵洪鑫博士介绍,团队根据数学模型,发现病死率其实是不断大幅下降的动态过程。因此,首选medRxiv发布研究结果也是为了能够每天更新数据,响应国家科技部号召,把论文写在抗击疫情的第一线。

团队估算,到2月22日,湖北的病死率从疫情初期的一个相对较高的值下降到目前的 7.2% (95% CI: 6.6%-8.0%) ,而其他省份在1.0% (95% CI: 0.87%-1.2%) ,该数字与公布的粗病死率趋势保持一致。

另外,团队还分析发现湖北的病死率在1月30日、2月6日和2月14日出现了三个明显的下降拐点,而其他省份的病死率相对平稳,在2月7日之后也有下降趋势。

由于疫情初期,湖北的重症患者比例较高,重症医疗的条件受限,病死率确实是较高,和华中科技大学以及帝国理工大学的研究结果相似。但在此之后,随着政府和整个医疗体系的迅速决策和响应,经过全党全军全国各族人民团结奋战,支援湖北,专家学者和临床一线工作的不断优化调整,湖北的病死率迅速降低。

对此,森亿智能副总裁马汉东表示:“根据我们的估算,未来湖北的病死率将不断接近其他省份,调整之后的总病死率可能会降低至3-4%,而其他省份也可能会降到1%以内,相较SARS的10%,情况会更加乐观。”

据他介绍,疫情的整体发展虽有被逐步控制的趋势,但有更多任务值得提前规划。对此,森亿智能建议医疗机构紧密关注疾病发生、发展全程数据的收集、随访、分析工作。因为在疫情进一步缓解的同时,系统规划“后疫情时期”相关预警模型的建立,可有效防止疫情在短期内死灰复燃,或在未来数年卷土重来。

森亿智能创始人兼CEO张少典表示:“自疫情发生以来,森亿智能高度重视大数据及人工智能分析对本次疫情防控的支持及引导性工作。森亿智能第一时间组织了一支专业高效的研究团队,通过数据分析及信息化平台为疫情发生发展的趋势、特征提供科学的证据,并向相关政府机构提交决策建议。”

据悉,这是森亿智能迄今发表的第二篇关于COVID-19的研究论文,此前和北京大学美年健康研究院一起在medRxiv发布了关于疫情初期武汉发病率的大数据模型估计,也为疫情防控提供了数据支持 [4]。

大数据,是疫情精准防控的重要新式“武器”

除了科研数据分析之外,森亿智能的大数据模型对于疫情精准防控同样扮演着重要作用。2月20日,中央指导组副组长、中央政法委秘书长陈一新前往武汉市公安局,着重了解大数据在武汉疫情防控中的作用。他强调,各级领导干部一定要心中有“数”,把疫情防控统计数据搞准搞实,不能有任何的水分,不能有任何的瞒报,为科学判断疫情发展趋势、打好武汉保卫战提供科学依据。

如何心中有“数”?陈一新指出,打好武汉保卫战,要运用大数据、智能化技术手段,建设一个及时、精准、高效的疫情防控大数据平台,实现“数据应收尽收”,实现指挥系统科学化、精准化、高效化。

陈一新秘书长所指出的,恰恰是目前医疗机构数据存在的局限性:需要进一步随访才能更精确地预测。特别是在疫情结束后,医疗机构还需长期考虑对重大疫情等防控预警智能体系系统建设。除了在概念上进行创新,关注外部可视化,还要真切地“实战演练”,最终实现疫情精准防控。

正是考虑到医疗机构精准防控的诉求,基于COVID-19的特性,森亿团队成功研发出一套新冠肺炎(COVID-19)专病库及随访解决方案。

 

2.jpg

解决方案总体框架图

据悉,这套解决方案由COVID-19专病数据仓库、COVID-19专病库科研项目、COVID-19患者随访以及COVID-19专病数据集所构成。

2月19日,国家卫生健康委网站发布《关于做好新型冠状病毒肺炎出院患者跟踪随访工作的通知》,明确强调,各地要依托区域全民健康信息平台,努力做到居民健康档案、电子病历、出院随访档案等信息共享和业务协同,实现新型冠状病毒肺炎患者临床诊治与健康管理的全闭环。

森亿智能的随访系统,不仅完美契合国家卫健委随访要求,并且支持患者通过访问医院公众号或小程序并订阅随访通知,按照医生为患者设定的随访计划填写研究课题所需的随访表单。此外,医生还可通过森亿COVID-19专病数据平台对患者填写的数据进行管理和补充。

另外,解决方案的COVID-19专病数据集,可根据相关文献、指南以及临床诊疗等情况相结合,主要包含以下内容:

基本信息、人口学资料、就诊信息、转科信息、诊断信息、家族病史、过敏史、生活习惯、症状、生命体征、体格检查、危险因素及流行病学调查、实验室检查、核酸检测、胸部影像学检查、特殊治疗记录、药物治疗、并发症/重要医学事件、结局情况以及死亡信息记录等。

凭借COVID-19专病数据集的建立,医疗机构可实现疾病发生、发展全程数据的收集、随访、分析工作。在疫情进一步缓解的同时,实现系统规划“后疫情时期”相关预警模型的建立,最大限度防止病毒死灰复燃。

 

3.jpg

COVID-19专病数据集

据悉,新冠肺炎(COVID-19)专病库及随访解决方案可积累高质量诊疗数据库,挖掘、探索最佳治疗方案,结合生物样本库建设,为将来研发新药和探索致病机制、创新疗法打好基础。产品适用于各大综合类三级医院以及收治新型冠状病毒肺炎定点医院等机构。

除了专病库之外,森亿智能还针对COVID-19,基于AI智能引擎临床决策平台,结合本次新型冠状病毒疫情信息和国家卫健委持续更新的诊疗方案,通过患者全息数据采集、数据治理、AI模型引擎、建立多维度的临床知识体系,利用自然语言处理技术、知识图谱、机器学习及认知计算等核心技术,建立了一套完整的针对新冠肺炎(NCP)的辅助诊疗及质量监控系统。



Baidu
map