ナイーブなベイジアン分類器法によるCovid-19による入院または死亡のリスクを予測するための2つの新しいノモグラム

コロナウイルス疾患2019（Covid-19）は、世界中の何百万人もの人々に影響を与えてきた世界的なパンデミックになりました。Covid-19の複数の危険因子の存在により、治療を計画し、医療資源の使用を最適化することが困難です。この研究の目的は、2つの新しいナイーブなベイジアンノモグラムを介して、COVID-19の患者の入院または死亡の潜在的な危険因子を決定することです。メキシコの保健省が「DirecciónGeneral deEpidemiología」ウェブサイトを通じて公開された公開されているCovid-19国家データが分析されました。Covid-19の患者の入院または死亡率に影響を与える可能性のある潜在的な危険因子を特定するために、単変数ロジスティック回帰を利用しました。ノモグラムを予測するために、素朴なベイジアン分類器法が実装されました。ノモグラムは、受信機動作特性曲線（AUC）、分類精度（CA）、F1スコア、精度、リコール、およびキャリブレーションプロットの下の領域によって検証されました。合計979,430人の患者（45.3±15.9歳、51.1％の男性）が2020年1月1日から11月22日までCovid-19に対して陽性であると検査されました。入院と死亡の可能性を予測する最も重要な危険因子は、肺炎、年齢、慢性腎不全、慢性閉塞性呼吸器疾患、糖尿病でした。パフォーマンスの測定では、良好な識別とキャリブレーションが実証されました（入院：AUC = 0.896、CA = 0.880;死亡率：AUC = 0.903、CA = 0.899）。入院と死亡のリスクを推定するための2つの新しいノモグラムが提案されました。これは、Covid-19と新たに診断された患者の個別の意思決定を促進するために使用できます。

Coronavirus disease 2019 (COVID-19) has become a global pandemic that has affected millions of people worldwide. The presence of multiple risk factors for COVID-19 makes it difficult to plan treatment and optimize the use of medical resources. The aim of this study is to determine potential risk factors for hospitalization or mortality in patients with COVID-19 via two novel naive Bayesian nomograms. The publicly available COVID-19 National data published by the Mexican Ministry of Health through the "Dirección General de Epidemiología" website was analyzed. Univariable logistic regression was utilized to identify potential risk factors that may affect hospitalization or mortality in patients with COVID-19. The naïve Bayesian classifier method was implemented to predict nomograms. The nomograms were verified by the area under the receiver operating characteristic curve (AUC), classification accuracy (CA), F1 score, precision, recall, and calibration plot. A total of 979,430 patients (45.3 ± 15.9 years old, and 51.1% male) tested positive for COVID-19 from January 1 to November 22, 2020. Among them, 22.3% of the patients required hospitalization and 99,964 patients (9.8%) died. The most important risk factors to predict the probability of hospitalization and mortality were pneumonia, age, chronic kidney failure, chronic obstructive respiratory disease, and diabetes. The performance measures demonstrated good discrimination and calibration (hospitalization: AUC = 0.896, CA = 0.880; mortality: AUC = 0.903, CA = 0.899). Two novel nomograms to estimate the risk of hospitalization and mortality were proposed, which could be used to facilitate individualized decision-making for patients newly diagnosed with COVID-19.