Skip to main content
Passa alla visualizzazione normale.

ALCHIEDE SIMONATO

Machine learning risk prediction of mortality for patients undergoing surgery with perioperative SARS-CoV-2: The COVIDSurg mortality score

  • Authors: Bravo L.; Nepogodiev D.; Glasbey J.C.; Li E.; Simoes J.F.F.; Kamarajah S.K.; Picciochi M.; Abbott T.E.F.; Ademuyiwa A.O.; Arnaud A.P.; Agarwal A.; Brar A.; Elhadi M.; Mazingi D.; Cardoso V.R.; Lawday S.; Sayyed R.; Omar O.M.; de la Madina A.R.; Slater L.; Venn M.L.; Gkoutos G.; Bhangu A.; Karwath A.; Siaw-Acheampong K.; Argus L.; Chaudhry D.; Dawson B.E.; Gujjuri R.R.; Jones C.S.; Khatri C.; Keatley J.M.; Mann H.; Marson E.J.; Mclean K.A.; Taylor E.H.; Tiwari A.; Trout I.M.; Wilkin R.J.W.; Dajti I.; Gjata A.; Boccalatte L.; Modolo M.M.; Cox D.; Pockney P.; Townend P.; Aigner F.; Kronberger I.; Hossain K.; VanRamshorst G.; Lawani I.; Ataide G.; Baiocchi G.; Buarque I.; Gohar M.; Slavchev M.; Martin J.; Olivos M.; Calvache J.; Rivera C.J.P.; Hadzibegovic A.D.; Kopjar T.; Mihanovic J.; Klat J.; Novysedlak R.; Christensen P.; El-Hussuna A.; Batista S.; Lincango E.; Emile S.H.; Mengesha M.G.; Hailu S.; Tamiru H.; Kauppila J.; Laukkarinen J.; Albertsmeiers M.; Lederhuber H.; Loffler M.; Tabiri S.; Metallidis S.; Tsoulfas G.; Lorena M.A.; Grecinos G.; Mersich T.; Wettstein D.; Ghosh D.; Kembuan G.; Brouk P.; Khosravi M.; Mozafari M.; Adil A.; Mohan H.M.; Zmora O.; Fiore M.; Gallo G.; Pata F.; Pellino G.; Satoi S.; Ayasra F.; Chaar M.; Fakhradiyev I.R.; Jamal M.; Gulla A.; Roslani A.; Martinez L.; De La Medina A.R.; Outani O.; Jonker P.; Kruijff S.; Noltes M.; Steinkamp P.; van der Plas W.; Osinaike B.; Seyiolajide J.; Williams E.; Pejkova S.; Augestad K.M.; Soreide K.; Al Balushi Z.; Qureshi A.; Daraghmeh M.A.M.; Abukhalaf S.; Cukier M.; Gomez H.; Shu S.; Vasquez X.; Parreno-Sacdalan M.D.; Major P.; Azevedo J.; Cunha M.; Santos I.; Zarour A.; Bonci E.-A.; Negoi I.; Efetov S.; Litvin A.; Ntirenganya F.; Al Ameer E.; Radenkovic D.; Xiang F.K.H.; Hoe C.M.; Yong J.N.C.; Moore R.; Nhlabathi N.; Colino R.B.; Bravo A.M.; Minaya-Bravo A.; Jayarajah U.; Wickramasinghe D.; Elmujtaba M.; Jebril W.; Rutegard M.; Sund M.; Isik A.; Leventoglu S.; Benson R.; Caruna E.; Chakrabortee S.; Demetriades A.; Desai A.; Drake T.D.; Edwards J.G.; Evans J.P.; Ford S.; Fotopoulou C.; Griffiths E.; Hutchinson P.; Jenkinson M.D.; Khan T.; Knight S.; Kolias A.; Leung E.; McKay S.; Norman L.; Ots R.; Raghavan V.; Roberts K.; Schache A.; Shaw R.; Shaw K.; Smart N.; Stewart G.; Sundar S.; Vimalchandran D.; Wright N.; Alshryda S.; Alser O.; Breen K.; Ganly I.; Kaafarani H.; Kendall B.; Mashbari H.; Al Naggar H.; Valenzuela J.I.; Boccalatte L.A.; Gemelli N.A.; Smith D.E.; Dudi-Venkata N.N.; Kroon H.M.; Sammour T.; Roberts M.; Mitchell D.; Lah K.; Pearce A.; Morton A.; Dawson A.C.; Drane A.; Sharpin C.; Nataraja R.M.; Pacilli M.; Cox D.R.A.; Muralidharan V.; Riddiough G.E.; Clarke E.M.; Jamel W.; Qin K.R.; Cope D.; Egoroff N.; Lott N.; Putnis S.; De Robles S.; Ang Z.; Mitteregger M.; Uranitsch S.; Stiegler M.; Seitinger G.; Lumenta D.B.; Nischwitz S.P.; Richtig E.; Pau M.; Srekl-Filzmaier P.; Eibinger N.; Michelitsch B.; Fediuk M.; Papinutti A.; Seidel G.; Kahn J.; Cohnert T.U.; Messner F.; Ofner D.; Presl J.; Varga M.; Weitzendorfer M.; Emmanuel K.; Binder A.D.; Zimmermann M.; Holawe S.; Nkenke E.; Grimm C.; Kranawetter M.; Rahman Mitul A.; Islam N.; Karim S.; Komen N.; Ang E.; De Praetere H.; Tollens T.; Schols G.; Smets C.; Haenen L.; Quintens J.; Van Belle K.; Van Ramshorst G.H.; Pattyn P.; Desender L.; Martens T.; Van de Putte D.; Lerut P.; Grimonprez A.; Janssen M.; De Smul G.; Wallaert P.; Van den Eynde J.; Oosterlinck W.; Van den Eynde R.; Sermon A.; Boeckxstaens A.; Cordonnier A.; De Coster J.; Jaekers J.; Politis C.; Miserez M.; Duchateau N.; De Gheldere C.; Flamey N.; Christiano A.; Guidi B.; Minussi A.L.; Castro S.; Okoba W.; Maldonado F.H.R.; Oliveira P.; Baldasso T.; Santos L.; Gomes G.M.A.; Buarque I.L.; Pol-Fachin L.; Bezerra T.S.; Barros A.V.; da Silva A.M.R.; Leite A.L.S.; Silvestre D.W.A.; Ferro C.C.; Araujo M.S.; Lopes L.M.; Damasceno P.D.; Araujo D.H.S.; Laporte G.; Salem M.C.; Guimaraes-Filho M.A.C.; Nacif L.; Flumignan R.L.G.; Nakano L.C.U.; Kura
  • Publication year: 2021
  • Type: Articolo in rivista
  • OA Link: http://hdl.handle.net/10447/522812

Abstract

To support the global restart of elective surgery, data from an international prospective cohort study of 8492 patients (69 countries) was analysed using artificial intelligence (machine learning techniques) to develop a predictive score for mortality in surgical patients with SARS-CoV-2. We found that patient rather than operation factors were the best predictors and used these to create the COVIDsurg Mortality Score (https://covidsurgrisk.app). Our data demonstrates that it is safe to restart a wide range of surgical services for selected patients.