Sicurezza 10 Lug
Mentre il mondo è alle prese con la campagna vaccinale, uno studio pubblicato sul JAMA Network Open promette di migliorare la comprensione che abbiamo dei fattori di rischio che possono portare, in pazienti già ospedalizzati per COVID-19, ad un aggravamento delle condizioni. Il risultato è stato ottenuto applicando una serie di algoritmi al National COVID Cohort Collaborative Data Enclave, un database al cui interno sono stati raccolti i dati di centinaia di migliaia di test effettuati su cittadini statunitensi. In totale sono stati coinvolti 34 centri medici e scandagliati i dati di oltre un milione di adulti, 174.000 positivi alla malattia e 1.133.000 negativi tra gennaio e dicembre 2020.
Lo studio mostra ad esempio come sono cambiate le cure nel corso del tempo, con ad esempio la percentuale di persone trattate con la idrossiclorochina scese quasi a zero entro maggio 2020, mentre nel tempo sono cresciute quelle curate con il desametasone, uno steroide che si è dimostrato nel tempo affidabile per combattere la malattia.
L'analisi mostra anche come, negli Stati Uniti e prendendo come riferimento quel campione, il tasso di mortalità dei pazienti ricoverati in ospedale sia sceso dal 16% di marzo e aprile fino al 9% di settembre e ottobre. Le persone con battito cardiaco, frequenza respiratoria e temperatura più elevate al momento del ricovero, avrebbero statisticamente più probabilità di necessitare l'uso di strumenti come il respiratore. Nei casi gravi si notano anche livelli anomali di globuli bianchi, acidità del sangue e funzionamento dei reni.
L'idea alla base della ricerca è che, continuando ad analizzare i dati e con l'aiuto del machine learning, nel tempo i risultati possano aiutare a individuare i casi potenzialmente critici e scegliere dove agire e con quali terapie. In un contesto del genere la quantità di informazioni a disposizione è fondamentale e, ad oggi, il National COVID Cohort Collaborative Data Enclave è cresciuto fino a coinvolgere 73 centri medici e ad avere i dati di oltre 2 milioni di pazienti, quindi in un futuro prossimo è lecito aspettarsi risultati e strumenti più precisi, con l'attenzione dei ricercatori che ad esempio si sta concentrando sui fattori di rischio nelle gravidanze.
Commenti
Non hai capito il senso del discorso. Si stà parlando di annunci roboanti fatti ad uso e consumo dei media e per le azioni delle case farmaceutiche, non dei risultati reali ottenuti in anni di test e controllo.
puoi sempre rinunciare alla medicina moderna e ai suoi lenti progressi, per affidarti a... ?
Non credo che finirà fra un anno
Si bhe chiaro, ma quando arriverà probabilmente non ci sarà più l'esigenza...
Basta andare a leggere il paper per vedere i risultati ottenuti
Ovvio che se funzionerà non arriverà al san puzzone di foggia fra 6 mesi, ma è normale per qualsiasi cosa. Ma se funzionerà davvero arriverà in futuro anche da noi.
Tra l'altro parliamo di xgboost e random forest, non serve mica un superpod di NVIDIA per farli girare.
biggggggggggggg
si forse funzionerà, e me lo auguro, ma siccome simili notizie roboanti, dai farmaci per la cura dell'alzheimer, del cancro, come per altre decine di simile genere, ne escono tutti i giorni, permetti che possiamo essere un pò scettici ?
Dico che sono notizie che nascono e muoiono in laboratorio, se avranno successo le utilizzeranno al Walter Reed, se ne sentono ogni giorno di queste notizie ma per arrivare da development phase a production è tutta un'altra storia...
wow hai citato due librerie, sicuramente sai già che non funzionerà
Avranno fatto qualche robetta fancy e inutile con tensorflow o scikitlearn, niente che sarà utilizzabile nei reparti principali d'Italia, poco ma sicuro.
Ma lascia perdere, manco sai come funziona.
Bla bla bla, non verrà mai utilizzato nel mondo reale, potete starne certi, sono solo pippe mentali per topi da laboratorio.