3rd year doctoral student, assistant at the Department of Infectious Diseases and Dermatovenereology
докторант 3 курса, ассистент кафедры инфекционных болезней и дерматовенерологии
head of the department of infectious diseases and dermatovenereology
кандидат медицинских наук, профессор, заведующая кафедрой инфекционных болезней и дерматовенерологии
Candidate of Medical Sciences, Head of the Department of Microbiology,
кандидат медицинских наук, заведующая кафедрой микробиологии
Background . Since the onset of the COVID -19 pandemic, interindividual variability in the course of the disease has been reported , indicating a wide range of factors influencing it. Factors most commonly associated with increased severity of COVID -19 disease include older age, obesity, and diabetes. The impact of the cytokine storm is complex, reflecting the complexity of the immunological processes triggered by SARS - CoV -2 infection. A modern problem such as a worldwide pandemic requires modern solutions, which in this case involve the use of machine learning to analyze differences in the clinical properties of populations affected by the disease and then assess its significance, which in turn leads to the creation of a tool that applicable to assess the individual risk of infection with SARS - CoV -2.
Methods . Values of biochemical and morphological parameters of 781 patients ( Kazakhstan, Shymkent ) were collected and used for static analysis. The Spearman rank correlation coefficient formula was used to estimate the correlations between each of the traits in the population .
Results . The highest correlation coefficients were shown by such parameters as , patient's age and sex , serum glucose, while the highest inverse correlation coefficient was estimated for serum red blood cell count.
Conclusion . The current analysis indicates a range of parameters available for routine screening in clinical settings. A tool based on these parameters is also presented, useful for assessing the individual risk of developing COVID -19 in patients. A limitation of the study is the demographics of the study population, which may limit its general applicability.
История вопроса. С начала пандемии COVID-19 сообщалось о межиндивидуальных особенностях течения заболевания, что указывает на широкий спектр факторов, влияющих на него. Факторы, наиболее часто связанные с повышенной тяжестью заболевания COVID-19 включают пожилой возраст, ожирение и диабет. Цитокиновый шторм оказывает разные эффекты, что отражает сложность иммунологических процессов, запускаемых инфекцией SARS-CoV-2. Вызовы современности, такие как глобальные пандемии, требуют новых решений, которые могут включать использование машинного обучения для анализа различий в клинических свойствах популяций пациентов и последующей оценки его значимости, что, в свою очередь, приводит к созданию инструмента для оценки индивидуального риска заражения SARS-CoV-2.
Методы. Значения биохимических и морфологических параметров 781 пациента (Казахстан, Шымкент) были собраны и использованы для статического анализа. Формула коэффициента ранговой корреляции Спирмена использовалась для оценки корреляций между каждым из признаков в популяции.
Результаты. Самые высокие коэффициенты корреляции были показаны для таких параметров, как возраст и пол пациента, уровень глюкозы в сыворотке, в то время как самый высокий коэффициент обратной корреляции был обнаружен для содержания эритроцитов в сыворотке крови.
Заключение. Представленный анализ указывает на ряд параметров, доступных для рутинного скрининга в клинических условиях. Также представлен подход, основанный на изученных параметрах, применимый для оценки индивидуального риска развития COVID-19 у пациентов. Ограничением исследования является демографическая характеристика исследуемой популяции, что может влиять на его общую применимость.