view in publisher's site

Redesigning COVID-19 Care With Network Medicine and Machine Learning

Emerging evidence regarding COVID-19 highlights the role of individual resistance and immune function in both susceptibility to infection and severity of disease. Multiple factors influence the response of the human host on exposure to viral pathogens. Influencing an individual’s susceptibility to infection are such factors as nutritional status, physical and psychosocial stressors, obesity, protein-calorie malnutrition, emotional resilience, single-nucleotide polymorphisms, environmental toxins including air pollution and firsthand and secondhand tobacco smoke, sleep habits, sedentary lifestyle, drug-induced nutritional deficiencies and drug-induced immunomodulatory effects, and availability of nutrient-dense food and empty calories. This review examines the network of interacting cofactors that influence the host-pathogen relationship, which in turn determines one’s susceptibility to viral infections like COVID-19. It then evaluates the role of machine learning, including predictive analytics and random forest modeling, to help clinicians assess patients’ risk for development of active infection and to devise a comprehensive approach to prevention and treatment.

طراحی مجدد مراقبت‌های COVID۱۹ با استفاده از پزشکی شبکه و یادگیری ماشینی

شواهد در حال ظهور در مورد COVID۱۹، نقش مقاومت فردی و عملکرد ایمنی را هم در حساسیت به عفونت و هم در شدت بیماری نشان می‌دهد. عوامل متعددی بر پاسخ میزبان انسان در معرض پاتوژن های ویروسی تاثیر می‌گذارند. تاثیر پذیری فرد از استعداد ابتلا به عفونت عواملی مانند وضعیت تغذیه‌ای، عوامل استرس زای فیزیکی و روانی اجتماعی، چاقی، سو تغذیه پروتئین - کالری، تاب آوری احساسی، چندشکلی‌های تک نوکلئوتیدی، سموم محیطی از جمله آلودگی هوا و سیگار دست اول و سیگار دست دوم، عادات خواب، سبک زندگی کم‌تحرک، کمبودهای تغذیه‌ای ناشی از دارو و اثرات ایمونومدولاتوری ناشی از دارو، و در دسترس بودن مواد مغذی متراکم و کالری خالی هستند. این بررسی به بررسی شبکه عوامل مشترک تعاملی که بر رابطه پاتوژن - میزبان تاثیر می‌گذارند می‌پردازد که به نوبه خود حساسیت فرد به عفونت‌های ویروسی مانند COVID۱۹ را تعیین می‌کند. سپس نقش یادگیری ماشین را ارزیابی می‌کند، از جمله تحلیل پیشگویانه و مدل‌سازی تصادفی جنگل، تا به متخصصین بالینی کمک کند ریسک بیمار را برای توسعه عفونت فعال ارزیابی کنند و یک رویکرد جامع برای پیش‌گیری و درمان طراحی کنند.
ترجمه شده با

سفارش ترجمه مقاله و کتاب - شروع کنید

با استفاده از افزونه دانلود فایرفاکس چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.