Внешне валидированный алгоритм машинного обучения для прогнозирования исходов психического и физического здоровья через три месяца после госпитализации по поводу тяжелой вирусной инфекции SARS-CoV-2

Исследование направлено на разработку и внешнюю валидацию алгоритма машинного обучения для прогнозирования психических и физических симптомов после госпитализации с COVID-19. Использованы данные двух независимых выборок из немецкой когорты NAPKON (обучающая выборка SUEP, n=451; валидационная HAP, n=158). Модели на основе клинических и биологических переменных, собранных при поступлении, предсказывали показатели PROMIS по 7 доменам (тревога, депрессия, утомляемость, боль и др.) через 3 месяца. Лучшие модели показали высокую точность: R²=0,927 для психического здоровья и R²=0,824 для физического здоровья в обучающей выборке, с сохранением высокой предсказательной способности на внешней выборке.