Einsatz von Machine Learning zur Verbesserung des Screenings auf oropharyngeale Dysphagie bei hospitalisierten im Vergleich zu Patienten der Primärversorgung mit COVID-19: Retrospektive Beobachtungsstudie

Hintergrund Oropharyngeale Dysphagie (OD) tritt häufig bei Patienten mit COVID-19 auf und stellt aufgrund von Isolationsprotokollen eine diagnostische Herausforderung dar. Ziel Diese Studie hatte zum Ziel, die Effektivität des Artificial Intelligence Massive Screening for Oropharyngeal Dysphagia (AIMS-OD), einer Software für das Echtzeit-Screening auf OD, zu evaluieren, indem die Prävalenz von OD sowie die klinischen Ergebnisse bei hospitalisierten und Primärversorgungs-Patienten mit COVID-19 verglichen wurden. Es wurden klinische Merkmale, OD-Risikofaktoren und klinische Ergebnisse untersucht. Methoden Diese retrospektive, beobachtende Studie analysierte Patienten mit SARS-CoV-2 im Alter von 18 Jahren und älter in Katalonien vom 1. Januar bis 31. August 2020, einschließlich Krankenhaus- und Primärversorgungsdaten zu klinischen Informationen, ICD-10-Codes, Krankenhausaufenthalt, Entlassungsort und Sterblichkeit. AIMS-OD bewertete das OD-Risiko und stratifizierte Patienten nach Alter (18‐69 Jahre und 70 Jahre und älter). Ergebnisse Unter 257.541 Patienten mit COVID-19 waren 59,3% (152.721/257.541) im Alter von 18‐69 Jahren und 40,7% (104.820/257.541) 70 Jahre und älter. Die Prävalenz von R13-OD betrug 3,5% in der Klinik und 4,3% in der Primärversorgung; AIMS-OD zeigte Werte von 34,8% und 15,4%, mit einer tatsächlichen Prävalenz von 16,7% und 7,4%. Patienten im Alter von 70 Jahren und älter wiesen schlechtere klinische Ergebnisse und eine schlechtere Prognose auf. Patienten mit R13-OD hatten signifikant schlechtere klinische Ergebnisse als Patienten mit H-AIMS-OD, die wiederum schlechter abschnitten als solche ohne R13-OD und mit geringem AIMS-OD-Risiko. Risikofaktoren für Patienten mit COVID-19 R13-OD umfassten Alter, Neuroleptika, Schlaganfall, Demenz und Delir. Fazit Das Screening mit AIMS-OD zeigte eine hohe Prävalenz und eine signifikante Unterdiagnose bei Patienten mit COVID-19 in verschiedenen Bereichen. Eine frühzeitige Erkennung und Risikostratifikation mit AIMS-OD könnte die klinische Entscheidungsfindung, Diagnose und Behandlung verbessern, insbesondere bei älteren Patienten mit Begleiterkrankungen.