में अनुक्रमित
  • अकादमिक जर्नल डेटाबेस
  • जे गेट खोलो
  • जेनेमिक्स जर्नलसीक
  • जर्नल टीओसी
  • चीन राष्ट्रीय ज्ञान अवसंरचना (सीएनकेआई)
  • Scimago
  • उलरिच की आवधिक निर्देशिका
  • RefSeek
  • हमदर्द विश्वविद्यालय
  • ईबीएससीओ एज़
  • ओसीएलसी- वर्ल्डकैट
  • पबलोन्स
  • मियार
  • विश्वविद्यालय अनुदान आयोग
  • चिकित्सा शिक्षा और अनुसंधान के लिए जिनेवा फाउंडेशन
  • यूरो पब
  • गूगल ज्ञानी
इस पृष्ठ को साझा करें

अमूर्त

कोविड-19 मृत्यु संभाव्यता प्रोफाइलिंग के लिए निर्णय वृक्ष-आधारित एनसेंबल मशीन लर्निंग मॉडल की तुलना

कार्लोस पेड्रो गोंकाल्वेस*, जोस रूको

पृष्ठभूमि: आयु समूह, लिंग और अंतर्निहित सह-रुग्णता या बीमारी को COVID-19 की गंभीरता और मृत्यु जोखिम के प्रमुख जोखिम कारकों के रूप में पहचाना गया है।

उद्देश्य: हम तीन जोखिम कारकों: आयु समूह, लिंग और अंतर्निहित सह-रुग्णता या बीमारी पर सशर्त COVID-19 मृत्यु संभावना भविष्यवाणी के कार्य पर प्रमुख निर्णय वृक्ष-आधारित समूह मशीन लर्निंग मॉडल के प्रदर्शन की तुलना करते हैं, अमेरिकी रोग नियंत्रण और रोकथाम केंद्र (सीडीसी) के COVID-19 केस निगरानी डेटासेट का उपयोग करते हुए।

विधि: COVID-19 मृत्यु संभावना पर तीन जोखिम कारकों के प्रभाव का मूल्यांकन करने के लिए, हम सर्वश्रेष्ठ प्रदर्शन करने वाले मॉडल द्वारा उत्पादित सशर्त संभाव्यता प्रोफ़ाइल को निकालते हैं और उसका विश्लेषण करते हैं।

परिणाम: परिणाम आयु वर्ग के साथ कोविड-19 से मृत्यु की संभावना में तेजी से वृद्धि की उपस्थिति को दर्शाते हैं, जिसमें पुरुषों में महिलाओं की तुलना में अधिक तेजी से वृद्धि दर प्रदर्शित होती है, यह प्रभाव तब अधिक मजबूत होता है जब कोई अंतर्निहित सह-रुग्णता या बीमारी मौजूद होती है, जो पुरुष और महिला दोनों विषयों के लिए कोविड-19 मृत्यु की संभावना में वृद्धि के त्वरक के रूप में भी कार्य करती है। इन परिणामों पर स्वास्थ्य सेवा और महामारी विज्ञान संबंधी चिंताओं के संबंध में चर्चा की गई है और इस हद तक कि वे कोविड-19 पर अन्य अध्ययनों से आने वाले निष्कर्षों को पुष्ट करते हैं।

अस्वीकृति: इस सारांश का अनुवाद कृत्रिम बुद्धिमत्ता उपकरणों का उपयोग करके किया गया है और इसे अभी तक समीक्षा या सत्यापित नहीं किया गया है।