基于LASSO方法智能诊断新冠肺炎重症与非重症

目的 总结重症和非重症新型冠状病毒肺炎患者的临床特征,探讨基于特征分析智能诊断重症和非重症的可行性.方法 回顾性分析确诊的112例肺炎患者的临床资料,选取临床及实验室检查特征32个.首先分析所有特征的组间差异性,然后使用LASSO(least absolute shrinkage and selection operator)方法对存在组间差异的特征进行进一步的筛选及分类建模,最后采用ROC曲线、AUC值、灵敏度及特异性等指标对模型在训练集和测试集上进行评价.结果 32个临床特征中有23个特征存在组间差异,经过LASSO筛选后最终选定9个特征进行建模.模型的AUC(95％CI)、灵敏度、特异性为:训练集0.962(0.927,0.997)、0.912和0.909;测试集0.902(0.789,1.000)、1.000和0.789.结论 基于LASSO方法筛选的临床指标特征能够区分新型冠状病毒肺炎非重症和重症,可为早期临床诊断治疗提供可靠依据.