Die neuartige Coronavirus-Krankheit 2019 (COVID-19) weist heterogene klinische Verläufe auf, was darauf hindeutet, dass es bei kritisch kranken Patienten zu unterschiedlichen Subphänotypen kommen kann. Obwohl frühere Forschungen diese Subphänotypen identifiziert haben, wurde das zeitliche Muster mehrerer klinischer Merkmale in Clustermodellen nicht berücksichtigt. Unser Ziel war es, mithilfe einer neuartigen Sequenz-Cluster-Analyse zeitliche Subphänotypen bei kritisch kranken Patienten mit COVID-19 zu identifizieren und sie mit klinisch relevanten Ergebnissen zu verknüpfen. Materialen und Methoden Wir haben 1036 kritisch kranke Patienten mit einer im Labor bestätigten SARS-COV-2-Infektion analysiert, die in das Mount Sinai Health System in New York City aufgenommen wurden. Es wurde die agglomerative hierarchische Clustering-Methode mit Levenshtein-Distanz und Wards minimaler Varianzverknüpfung verwendet. Ergebnisse Wir haben vier Subphänotypen identifiziert. Subphänotyp I (N = 233 [22,5 %) umfasste Patienten mit schneller Atmung und schnellem Herzschlag, aber weniger Bedarf an invasiven Eingriffen innerhalb der ersten 24 Stunden und einer relativ guten Prognose. Subphänotyp II (N = 418 [40,3 %]) repräsentierte Patienten mit dem niedrigsten Krankheitsgrad, relativ geringer Mortalität und der höchsten Wahrscheinlichkeit einer Krankenhausentlassung. Beim Subphänotyp III (N = 259 [25,0 %) handelte es sich um Patienten, bei denen es innerhalb der ersten 24 Stunden nach Aufnahme auf die Intensivstation zu einer klinischen Verschlechterung kam, die zu ungünstigen Ergebnissen führte. Subphänotyp IV (N = 126 [12,2 %]) stellte einen Verlauf des akuten Atemnotsyndroms mit einem nahezu universellen Bedarf an mechanischer Beatmung dar. Abschluss Wir verwendeten eine Sequenzclusteranalyse, um klinische Subphänotypen bei kritisch kranken COVID-19-Patienten zu identifizieren, die unterschiedliche zeitliche Muster und unterschiedliche klinische Ergebnisse aufwiesen. Diese Studie weist auf die Nützlichkeit der Einbeziehung zeitlicher Informationen in Subphänotypisierungsansätze hin. |
Kommentare
Forscher vom Mount Sinai haben vier neue Untergruppen von COVID-19 beschrieben, die bei Patienten innerhalb von 24 Stunden nach der Aufnahme auf die Intensivstation (ICU) identifiziert werden können. Die Erkenntnisse werden dazu beitragen, Patienten auf bestimmte Behandlungen abzustimmen und so ihre Gesamtversorgung und Ergebnisse zu verbessern.
Die Studie, die Subphänotypen oder Untergruppen von COVID-19 auf der Grundlage von über die Zeit gemessenen Biomarkern und Behandlungen identifizierte, wurde im Journal of the American Medical Informatics Association veröffentlicht .
Die Forscher des Mount Sinai nutzten die Sequenz-Clustering-Analyse, eine neue Data-Mining-Technik, die Muster des Krankheitsverlaufs erkennen kann, um klinische Subphänotypen bei schwer erkrankten COVID-19-Patienten zu identifizieren, die in den ersten Wochen unterschiedliche zeitliche Muster aufwiesen. 24 Stunden und unterschiedliche klinische Ergebnisse nach 30 Tagen. Diese zeitlichen Merkmale sind nur dann erkennbar, wenn mehrere Merkmale über einen bestimmten Zeitraum betrachtet werden.
„Während Patienten, die mit COVID-19 ins Krankenhaus eingeliefert werden, ähnliche Ausgangsmerkmale aufweisen können, können ihre klinischen Verläufe und Gesundheitsergebnisse im Laufe der Zeit sehr unterschiedlich sein“, sagte korrespondierender Autor Girish N. Nadkarni, MD, Leiter der Abteilung für digitale und datengesteuerte Medizin. Co-Direktor des Mount Sinai Center for Clinical Intelligence, klinischer Direktor des Hasso Plattner Institute for Digital Health und Irene und Dr. Arthur M. Fishberg Professor für Medizin an der Icahn School of Medicine am Mount Sinai. „Unsere Studie zeigt, wie wichtig es ist, zeitliche Krankheitsähnlichkeiten aufzudecken, um reproduzierbare und klinisch relevante Subphänotypen zu identifizieren, und legt nahe, dass eine weitere Untersuchung der zeitlichen Verläufe dieser klinischen Merkmale gerechtfertigt ist.“
Das Mount Sinai-Team analysierte Daten von mehr als 1.000 kritisch kranken Patienten mit bestätigter SARS-CoV-2-Infektion, dem Virus, das COVID-19 verursacht, die auf die Intensivstation eingeliefert wurden. Sie wandelten 10 Biomarker und 7 Behandlungen während der ersten 24 Stunden der Aufnahme auf die Intensivstation in eine Sequenz um, die aus 16 nicht überlappenden Intervallfenstern bestand, die jeweils 1,5 Stunden lang waren und als einer von 10 unterschiedlichen Zuständen charakterisiert wurden.
Mithilfe von Biomarkern und Behandlungsverabreichungen identifizierten die Forscher vier Subphänotypen :
|
„COVID-19 wurde ausführlich untersucht, aber wir verfügen immer noch über begrenzte Kenntnisse über eine wirksame klinische Versorgung schwerkranker Patienten mit COVID-19“, sagte Wonsuk Oh, PhD, Postdoktorand am Nadkarni Laboratory am Icahn Mount Sinai und Mitglied von Das Institut. Hasso Plattner von Digital Health.
„Modernste Methoden des maschinellen Lernens ermöglichen es uns, neue zeitliche Subphänotypen aus Krankenakten mit stündlicher Auflösung aufzudecken. Diese zeitlichen Subphänotypen liefern neue Einblicke in die Grunderkrankungen der Patienten und den Verlauf des Krankheitsverlaufs während des Aufenthalts auf der Intensivstation und ermöglichen letztendlich eine personalisierte klinische Betreuung der Patienten mit einer fundierten Entscheidung.“
Diese Arbeit wurde durch die Zuschüsse der National Institutes of Health (NIH) R01DK108803, U01HG007278, U01HG009610, U01DK116100 und K23DK124645 unterstützt.
