An interpretable machine learning model for covid-19 screening

Introduction: the Coronavirus Disease 2019 (COVID-19) is a viral disease which has been declared a pandemic by the WHO. Diagnostic tests are expensive and are not always available. Researches using machine learning (ML) approach for diagnosing SARS-CoV-2 infection have been proposed in the literature to reduce cost and allow better control of the pandemic. Objective: we aim to develop a machine learning model to predict if a patient has COVID-19 with epidemiological data and clinical features. Methods: we used six ML algorithms for COVID-19 screening through diagnostic prediction and did an interpretative analysis using SHAP models and feature importances. Results: our best model was XGBoost (XGB) which obtained an area under the ROC curve of 0.752, a sensitivity of 90%, a specificity of 40%, a positive predictive value (PPV) of 42.16%, and a negative predictive value (NPV) of 91.0%. The best predictors were fever, cough, history of international travel less than 14 days ago, male gender, and nasal congestion, respectively. Conclusion: we conclude that ML is an important tool for screening with high sensitivity, compared to rapid tests, and can be used to empower clinical precision in COVID-19, a disease in which symptoms are very unspecific.

Introdução: a Doença do Coronavírus 2019 (COVID-19) é uma doença viral que foi declarada uma pandemia pela OMS. Testes diagnósticos são caros e nem sempre estão disponíveis. Pesquisas utilizando a abordagem de aprendizado de máquina (ML) para o diagnóstico de infecção por SARS-CoV-2 têm sido propostas na literatura para reduzir custos e permitir melhor controle da pandemia.Objetivo: nosso objetivo é desenvolver um modelo de aprendizado de máquina para prever se um paciente tem COVID-19 com dados epidemiológicos e características clínicas.Método: usamos seis algoritmos de ML para triagem de COVID-19 por meio de predição diagnóstica e fizemos uma análise interpretativa usando modelos SHAP e importâncias de recursos.Resultados: nosso melhor modelo foi o XGBoost (XGB) que obteve área sob a curva ROC de 0,752, sensibilidade de 90%, especificidade de 40%, valor preditivo positivo (VPP) de 42,16% e valor preditivo negativo ( VPL) de 91,0%. Os melhores preditores foram febre, tosse, história de viagem internacional há menos de 14 dias, sexo masculino e congestão nasal, respectivamente.Conclusão: Concluímos que o ML é uma importante ferramenta de triagem com alta sensibilidade, em comparação aos testes rápidos, e pode ser usado para potencializar a precisão clínica na COVID-19, doença em que os sintomas são muito inespecíficos.

A Bibliometric Network Analysis of Coronavirus during the First Eight Months of COVID-19 in 2020.

The COVID-19 pandemic has affected all aspects of society. Researchers worldwide have been working to provide new solutions to and better understanding of this coronavirus. In this research, our goal was to perform a Bibliometric Network Analysis (BNA) to investigate the strategic themes, thematic evolution structure and trends of coronavirus during the first eight months of COVID-19 in the Web of Science (WoS) database in 2020. To do this, 14,802 articles were analyzed, with the support of the SciMAT software. This analysis highlights 24 themes, of which 11 of the more important ones were discussed in-depth. The thematic evolution structure shows how the themes are evolving over time, and the most developed and future trends of coronavirus with focus on COVID-19 were visually depicted. The results of the strategic diagram highlight 'CHLOROQUINE', 'ANXIETY', 'PREGNANCY' and 'ACUTE-RESPIRATORY-SYNDROME', among others, as the clusters with the highest number of associated citations. The thematic evolution. structure presented two thematic areas: "Damage prevention and containment of COVID-19" and "Comorbidities and diseases caused by COVID-19", which provides new perspectives and futures trends of the field. These results will form the basis for future research and guide decision-making in coronavirus focused on COVID-19 research and treatments.

Maternal perception of the childs nutritional status from the perspective of adjusted residual analysis / Percepção materna do estado nutricional do filho sob a óptica da análise dos resíduos ajustados

BACKGROUNG: The maternal perception of the nutritional status of their children has several important social factors in its composition and it can be important in determine quality of children's foodOBJECTIVE: To assess social factors influencing maternal perception of her children´s nutritional statusMETHODS: Cross sectional study with school children from 6 to 10 years from a public school in São Paulo, Brazil. The data was obtained through a structured questionnaire applied to mothers and through children's body mass index. Associations between variables were analyzed by the Qui-square test and by the adjusted residues analysis, with 5% of significance. The agreement between maternal perception and nutritional status was assessed through the Kappa testRESULTS: We found incorrect perception in 45.8% of cases, from which 98.2% were underestimation, with 80% of underestimation for overweight children. We found poor and slight agreement for all cases. Adjusted residuals pointed eutrophic underestimation; better maternal perception for the obese; better perception for mothers that attained middle and high school levels; underestimation for eutrophic boys and correct perception for eutrophic girls. Single mothers and those who do not work outside tended to underestimate their eutrophic childrenCONCLUSION: We found poor agreement for almost all cases, with exception to mothers of girls and those that do not work outside. A correct perception was related positively with lower education levels, being worse for mothers without a partner and for those who do not work outside. Mothers of girls, compared to mothers of boys, had a more accurate perception

INTRODUÇÃO: A percepção materna do estado nutricional de seus filhos apresenta diversos fatores sociais importantes em sua composição e ela pode ser um importante na determinação da qualidade de alimentação das criançasOBJETIVO: Avaliar os fatores sociais que influenciam a percepção materna sobre o estado nutricional de seus filhosMÉTODO: Estudo transversal com escolares de 6 a 10 anos de uma escola pública de São Paulo, Brasil. Os dados foram obtidos por meio de um questionário estruturado aplicado às mães e a partir de antropometria das crianças. As associações entre as variáveis foram analisadas pelo teste do Qui-quadrado e pela análise dos resíduos ajustados, com 5% de significância. A concordância entre a percepção materna e o estado nutricional foi avaliada por meio do teste KappaRESULTADOS: Encontramos percepção incorreta em 45,8% dos casos, dos quais 98,2% foram de subestimação, com 80% de subestimação para crianças com sobrepeso. Encontramos concordância pobre e leve para todos os casos. Os resíduos ajustados apontaram para subestimação eutrófica; melhor percepção materna para o obeso; melhor percepção para mães que atingiram o ensino fundamental e médio; subestimação para meninos eutróficos e percepção correta para meninas eutróficas. As mães solteiras e as que não trabalham fora tendem a subestimar seus filhos eutróficosCONCLUSÃO: Encontramos baixa concordância para quase todos os casos, com exceção das mães de meninas e das que não trabalham fora. A percepção correta relacionou-se positivamente com a menor escolaridade, sendo pior para as mães sem companheiro e que não trabalham fora. As mães de meninas, em comparação com as mães de meninos, tiveram uma percepção mais precisa