Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade de São Paulo (USP) | - |
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.creator | De Freitas, Victor Muniz | - |
Autor(es): dc.creator | Chiloff, Daniela Mendes | - |
Autor(es): dc.creator | Bosso, Giulia Gabriella | - |
Autor(es): dc.creator | Teixeira, Janaina Oliveira Pires | - |
Autor(es): dc.creator | Hernandes, Isabele Cristina de Godói | - |
Autor(es): dc.creator | Padilha, Maira do Patrocínio | - |
Autor(es): dc.creator | Moura, Giovanna Corrêa | - |
Autor(es): dc.creator | De Andrade, Luis Gustavo Modelli | - |
Autor(es): dc.creator | Mancuso, Frederico | - |
Autor(es): dc.creator | Finamor, Francisco Estivallet | - |
Autor(es): dc.creator | Serodio, Aluísio Marçal de Barros | - |
Autor(es): dc.creator | Arakaki, Jaquelina Sonoe Ota | - |
Autor(es): dc.creator | Sartori, Marair Gracio Ferreira | - |
Autor(es): dc.creator | Ferreira, Paulo Roberto Abrão | - |
Autor(es): dc.creator | Rangel, Érika Bevilaqua | - |
Data de aceite: dc.date.accessioned | 2025-08-21T21:50:10Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T21:50:10Z | - |
Data de envio: dc.date.issued | 2023-03-01 | - |
Data de envio: dc.date.issued | 2023-03-01 | - |
Data de envio: dc.date.issued | 2022-08-01 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.3390/jcm11154574 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/241557 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/241557 | - |
Descrição: dc.description | A machine learning approach is a useful tool for risk-stratifying patients with respiratory symptoms during the COVID-19 pandemic, as it is still evolving. We aimed to verify the predictive capacity of a gradient boosting decision trees (XGboost) algorithm to select the most important predictors including clinical and demographic parameters in patients who sought medical support due to respiratory signs and symptoms (RAPID RISK COVID-19). A total of 7336 patients were enrolled in the study, including 6596 patients that did not require hospitalization and 740 that required hospitalization. We identified that patients with respiratory signs and symptoms, in particular, lower oxyhemoglobin saturation by pulse oximetry (SpO2) and higher respiratory rate, fever, higher heart rate, and lower levels of blood pressure, associated with age, male sex, and the underlying conditions of diabetes mellitus and hypertension, required hospitalization more often. The predictive model yielded a ROC curve with an area under the curve (AUC) of 0.9181 (95% CI, 0.9001 to 0.9361). In conclusion, our model had a high discriminatory value which enabled the identification of a clinical and demographic profile predictive, preventive, and personalized of COVID-19 severity symptoms. | - |
Descrição: dc.description | Paulista School of Medicine Hospital São Paulo Federal University of São Paulo | - |
Descrição: dc.description | Department of Internal Medicine Botucatu Medical School University of São Paulo State | - |
Descrição: dc.description | Discipline of Emergency Medicine Department of Medicine Paulista School of Medicine Hospital São Paulo Federal University of São Paulo | - |
Descrição: dc.description | Sector of Bioethics Department of Surgery Paulista School of Medicine Hospital São Paulo Federal University of São Paulo | - |
Descrição: dc.description | Pneumology Division Department of Medicine Paulista School of Medicine Hospital São Paulo Federal University of São Paulo | - |
Descrição: dc.description | Department of Obstetrics Paulista School of Medicine Hospital São Paulo Federal University of São Paulo | - |
Descrição: dc.description | Infectious Disease Division Department of Medicine Paulista School of Medicine Hospital São Paulo Federal University of São Paulo | - |
Descrição: dc.description | Nephrology Division Department of Medicine Paulista School of Medicine Hospital São Paulo Federal University of São Paulo | - |
Descrição: dc.description | Department of Internal Medicine Botucatu Medical School University of São Paulo State | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Journal of Clinical Medicine | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | COVID-19 | - |
Palavras-chave: dc.subject | hospitalization | - |
Palavras-chave: dc.subject | machine learning | - |
Palavras-chave: dc.subject | predictive model | - |
Título: dc.title | A Machine Learning Model for Predicting Hospitalization in Patients with Respiratory Symptoms during the COVID-19 Pandemic | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: