Geçen yıl oluşturulmuş merkezi bir COVID-19 sağlık kayıtları deposu, bugün yayınlanan yeni bir makaleden başlayarak sonuçları göstermeye başlıyor. Depo, bugüne kadarki en büyük COVID-19 kayıtları setidir ve COVID-19’u anlamlandırmaya yardımcı olmak için geçen yıl bir araştırmacı ve veri uzmanı ekibi tarafından oluşturulmuştur.
JAMA Network Open dergisinde yayınlanan çalışma, ciddi COVID-19 vakaları için risk faktörlerine baktı ve hastalığın zaman içindeki ilerlemesini izledi. Yazarlar hastanede yatan hastaların hangilerinin ciddi hastalık geliştireceğini tahmin etmek için hastanedeki ilk günlerinde toplanan bilgilere dayanarak makine öğrenimi modelleri oluşturdular.
National COVID Cohort Collaborative Data Enclave veya N3C olarak adlandırılan merkezi veritabanını kullanmak, araştırma ekibinin yüz binlerce hastanın kaydını analizine dahil edebilmesi anlamına geliyordu. Çalışma, 34 tıp merkezinden alınan verileri kullandı ve 1 milyondan fazla yetişkini içeriyordu – COVID-19 için pozitif test eden 174.568 ve negatif test eden 1.133.848. Ocak 2020’den Aralık 2020’ye kadar uzanan kayıtları içerir.
Analiz, doktorlar yeni tedaviler denedikçe ve durumla ilgili daha fazla deneyim kazandıkça COVID-19 tedavisinin 2020 boyunca nasıl değiştiğini gösteriyor. Etkili olmadığı kanıtlanmadan önce eski Başkan Donald Trump tarafından tanıtılan sıtma önleyici ilaç hidroksiklorokin ile tedavi edilen hastaların yüzdesi, Mayıs 2020’ye kadar neredeyse sıfıra düştü. Çalışmaların ardından Haziran ayında steroid deksametazon kullanımı arttı. hayatta kalma oranlarını artırabileceğini gösterdi.
Ayrıca, 2020 boyunca COVID-19’lu hastaların hayatta kalma oranlarının arttığını doğruladı. Mart ve Nisan aylarında, COVID-19 ile hastaneye başvuran kişilerin yüzde 16’sı öldü. Eylül ve Ekim aylarında bu oran yüzde 9’un biraz altına düştü.
Kalp atış hızı, solunum hızı ve hastaneye geldiklerinde vücut ısısı daha yüksek olan kişilerin ventilasyon gibi sert müdahalelere ihtiyaç duyma olasılığı daha yüksekti. Ayrıca ölmeleri daha olasıydı. Anormal beyaz kan hücresi sayısı, iltihaplanma, kan asiditesi ve böbrek fonksiyonu da daha ciddi vakalarla bağlantılıydı. Araştırma ekibi, hangi hastaların ciddi şekilde hastalanacağını tahmin edebilecek bu ve diğer veri noktalarını kullanarak makine öğrenimi modelleri oluşturdu. Yazarlar, modellerin sonunda ek testlerle karar verme araçlarının temeli olarak kullanılabileceğini yazdı.
Araştırmacılar, pandeminin en başından beri COVID-19’un yörüngesini analiz ediyor. Bu çalışma, geniş ve çeşitli bir veri kümesinden yararlanma avantajına sahiptir – tek bir hastane veya tek bir eyaletle sınırlı değildir. ABD’de araştırmacılar genellikle çalıştıkları kurumlardaki hastaların tıbbi kayıtlarını incelemekle sınırlıdır. Bu, çalışmalara dahil edebilecekleri kayıt sayısının sınırlı olabileceği ve sonuçlarının başka yerlerde geçerli olup olmayacağını kolayca kontrol edemeyecekleri anlamına gelir.
N3C gibi düzinelerce kurumdan gelen kayıtları bir araya getiren bir kaynak, bu sınırlamaları aşar. Şimdiye kadar N3C, 73 sağlık kuruluşundan gelen verileri içeriyor ve 2 milyondan fazla COVID-19 hastasına ait kayıtlara sahip. COVID-19 yeniden enfeksiyonu için risk faktörlerini ve hastalığın hamilelik üzerindeki etkisini inceleyen çalışmalar da dahil olmak üzere, verileri kullanan 200’den fazla araştırma projesi devam etmektedir. Mükemmel değil. Hastanelerde bilgiyi standart hale getirmek zordur ve pek çok hasta hakkında tam veri olmayabilir.
Yine de bu kadar büyük bir veri kümesine sahip olmak paha biçilmezdir. Rochester Üniversitesi’nde hamilelik araştırmaları üzerinde çalışan bir sağlık ekonomisti olan Elaine Hill, geçen sonbaharda The Verge’e verdiği demeçte, araştırmacıların kaynakları yalnızca kendi kurumlarının kaynaklarıyla üstesinden gelemeyecekleri çalışmaları yürütmek için kullandıklarını söyledi. “Yapamayacağımız şeylere ışık tutmayı mümkün kılıyor” dedi.
