数据科学家开发决策工具，以改善Covid患者的治疗。
考文垂大学和米尔顿凯恩斯大学医院(MKUH)在大流行期间联手开发了一种工具，希望减轻Covid对NHS的负担。
数据科学家来自考文垂大学计算科学与数学模型中心g (CSM)和MKUH使用机器学习方法(ML)支持临床医生预测COVID-19对参与该研究的每个诊断患者的影响研究，以及进一步恶化健康状况的相关风险。
预测因素包括t住院时间、肺部血栓形成的风险、可能需要呼吸机支持或可能死亡的概率。
在英国第二次封城之后，冠状病毒贡献了超过15万英国人死亡在危机最严重的时候，不到35000人医院病床被新冠肺炎住院患者占据。
博士此前Daneshkhah考文垂大学数据科学和人工智能副教授和课程负责人，他说:“在进入本世纪最大的全球灾难之一后，世界各地的临床医生都对是什么使一个人面临COVID-19的风险，以及是否可以量化这种风险以便在个体之间进行比较感到困惑。医院床位、氧气和呼吸机的短缺促使人们需要这种临床决策工具，它可以帮助临床医生在疫情期间进行资源分配流感大流行包括员工、床位和通风设备的分配。”
在大流行的第一波期间，Daneshkhah博士与MKUH的普通内科高级官员Abhinav Vepa博士一起，使用贝叶斯网络ML方法(一种用于表示关于不确定领域的知识的模型)，对355多名COVID-19住院患者的44个风险因素变量进行了审查和评估。
该方法包括整理p重新存在的健康状况，血液测试，重要的是考虑到患者的人口统计数据，包括年龄、性别和种族。
Vepa博士说:“本研究中展示的方法有可能应用于所有疾病和所有结果，以改善临床护理。为了证明我们的模型在影响生活的程度上是稳健的，在第二个数据集上测试模型将是一个很好的实践，这就是为什么与其他具有独立数据集的研究团队合作将是非常有益的。
“在外部验证后，有了大量的数据，这种方法可以用于预测许多临床问题的解决方案，这可以帮助临床。决策从而缓解NHS的压力。”
这项研究通过更广泛的数据集寻求进一步的外部输入和分析，以确保它适合目的，然后可以在医院内实施，以支持多种临床需求。
