• 模型歧视的变化（模型1：在Covid-19的患者中需要MV的需求）[时间范围：住院30天]
  目标1结果：接收器操作特征曲线（AUC）[Delta AUC]的面积变化，以预测概率的模型：在Covid-19的住院患者中需要MV的MV。
• 模型歧视的变化（模型2：接受MV的患者死亡率）[时间范围：住院30天]
  AIM 1结果：对于预测接受MV的患者死亡率的模型，接收器操作特征曲线（AUC）[Delta AUC]下面积的变化。
• 模型歧视的变化（模型3：ICU的住宿时间）[时间范围：住院30天]
  目标1结果：接收器操作特征曲线（AUC）[Delta AUC]的面积变化，以预测ICU中停留时间的概率：ICU的概率。
• 模型校准的变化（模型1：在Covid-19的患者中需要MV的需求）[时间范围：住院30天]
  AIM 1在Harrell E中的结果变化，用于预测与COVID-19的患者的MV的可能性：MV的需求。
• 模型校准的变化（模型2：接受MV的患者死亡率）[时间范围：住院30天]
  AIM 1在Harrell E中的结果改变，用于预测接受MV的患者死亡率的模型。
• 模型校准的变化（模型3：ICU的住宿时间）[时间范围：住院30天]
  AIM 1在Harrell E中的结果变化，用于预测ICU中停留时间的概率的模型。
• 净福利的变化（模型1：在Covid-19的患者中需要MV的需求）[时间范围：住院30天]
  AIM 1净收益的结果变化，用于预测COVID-19的患者中MV的可能性：MV的需求。
• 净收益的变化（模型2：接受MV的患者死亡率）[时间范围：住院30天]
  AIM 1净收益的结果变化，用于预测接受MV的患者死亡率的模型。
• 净收益的变化（模型3：ICU住院时间）[时间范围：住院30天]
  AIM 1净收益的结果变化，用于预测ICU中停留时间的概率的模型。
• 更新后外部数据库中模型歧视的变化（模型1：在COVID-19的患者中需要MV）[时间范围：住院时间30天]
  AIM 2在接收器操作特征曲线（AUC）[Delta AUC]下的区域的AIM 2变化，以预测概率的模型：在Covid-19的患者中需要MV的需求。
• 更新后外部数据库中模型歧视的变化（模型2：接受MV的患者死亡率）[时间范围：住院30天]
  AIM 2在接收器操作特征曲线（AUC）[Delta AUC]下的区域中的AIM 2变化，以预测接受MV的患者死亡率的模型。
• 更新后外部数据库中模型歧视的变化（模型3：ICU中的住宿时间）[时间范围：住院30天]
  AIM 2在接收器操作特征曲线（AUC）[Delta AUC]下的区域中的AIM 2变化，以预测ICU中停留时间的概率的模型。
• 更新后外部数据库中模型校准的变化（模型1：在COVID-19的患者中需要MV）[时间范围：住院30天]
  AIM 2在Harrell E中的结果变化，用于预测与COVID-19的患者的MV的可能性：MV的可能性。
• 更新后外部数据库中模型校准的变化（模型2：接受MV的患者死亡率）[时间范围：住院30天]
  AIM 2在Harrell E中的结果变化，用于预测接受MV的患者死亡率的模型。
• 更新后外部数据库中模型校准的变化（模型3：ICU中的住宿时间）[时间范围：住院30天]
  AIM 2在Harrell E中的结果变化对于预测ICU中停留时间的概率的模型。
• 更新后外部数据库中净益处的变化（模型1：COVID-19的患者需要MV）[时间范围：住院30天]
  AIM 2净收益的结果变化，用于预测COVID-19的患者的MV的概率：MV的需求。
• 更新后外部数据库中净益处的变化（模型2：接受MV的患者死亡率）[时间范围：住院30天]
  AIM 2净收益的结果变化，用于预测接受MV的患者死亡率的模型。
• 更新后外部数据库中净益处的变化（模型3：ICU的住宿时间）[时间范围：住院30天]
  AIM 2结果改变净益处的模型，预测ICU中停留时间的概率。

大约20％的Covid-19患者需要重症监护和可能的侵入性机械通气（MV）。患者对MV的COVID-19的偏好可能有所不同，因为这些患者的插管通常会延长（持续几周），在以社交隔离为特征的环境中给药，并且与非常高的平均死亡率有关。支持该决定的患者需要根据个人特征来准确地预测其可能的结果。

因此，调查人员的目的是：

1. 在2个医院系统（即6个不同的模型）中开发3个CPM，以预测：

   i）在COVID-19的患者中需要MV； ii）接受MV的患者死亡率； iii）在ICU中停留的时间。

2. 评估这些模型的地理和时间运输能力并检查更新方法。

   1. 为了评估地理运输能力，调查人员将应用开发的评估和更新框架（在Parent PCORI拨款中）来评估不同数据集的CPM有效性和概括性。
   2. 为了评估时间运输能力，研究人员将检查日历时间的主要效果，并将日历时间视为效应修饰符。
3. 吸引利益相关者，以促进这些CPM在COVID-19患者的护理中的最佳使用。

在文献跨卫生系统中报道的CoVID-19临床预测模型（CPM）的扩散是尚不清楚，但是这些模型对其他环境的有效性和潜在推广性尚不清楚。通常，大多数医院（和系统）没有足够数量的病例（和结果）来开发适合其当地人群的模型，并且预测变量在整个系统之间并不均匀且可靠地获得。因此，迫切需要汇总和协调数据资源并评估各个站点之间的普遍性，以创建可能有助于跨设置的决策制定的工具。此外，由于最佳实践随着时间的流逝而迅速发展（例如，促进，最大程度地减少瘫痪，肺部保护量，remdesivir，地塞米松或其他治疗方法），对这些CPM进行更新和重新校准至关重要。

在当前的PCORI方法项目中，研究人员开发了CPM评估和更新框架，包括常规和新型绩效指标。研究人员将使用此框架来评估COVID-19的预后模型，迄今为止最大的COVID-19患者队列中，跨越了来自截然不同的环境的2个数据集。由于共同-19大流行会影响不同的区域，因此随后的波浪预计，确定最准确，最健壮和可推广的预后工具是指导以患者为中心的决策，跨不同的人群和环境。

• Richardson S，Hirsch JS，Narasimhan M，Crawford JM，McGinn T，Davidson KW； Northwell Covid-19研究联盟，Barnaby DP，Becker LB，Chelico JD，Cohen SL，Cookhen SL，Cookeham J，Coppa K，Coppa K，Diefenbach MA，Dominello AJ，Duer-Hefele J，Falzon L，Falzon L，Gitlin J，Gitlin J，Hajizadeh N，Hajizadeh N，Harvin TG，Harvin TG，Harvin TG，Harvin Hirschwerkk DA，Kim EJ，Kozel ZM，Marrast LM，Mogavero JN，Osorio GA，Qiu M，Zanos TP。在5700名在纽约市地区住院的患者中，呈现特征，合并症和结果。贾马。 2020年5月26日； 323（20）：2052-2059。 doi：10.1001/jama.2020.6775。 Erratum在：JAMA。 2020年5月26日； 323（20）：2098。
• Zhou F，Yu T，Du R，Fan G，Liu Y，Liu Z，Xiang J，Wang Y，Song B，Gu X，Guan L，Wei Y，Wei Y，Li H，Wu X，Xu J，Tu S，Tu S，Zhang Y ，Chen H，CaoB。中国武汉成年住院患者死亡率的临床病程和危险因素：一项回顾性队列研究。柳叶刀。 2020年3月28日； 395（10229）：1054-1062。 doi：10.1016/s0140-6736（20）30566-3。 Epub 2020 3月11日。 2020年3月28日； 395（10229）：1038。柳叶刀。 2020年3月28日； 395（10229）：1038。
• 阐明摘要，结果和表2中的死亡率和数据。 2020年5月26日； 323（20）：2098。 doi：10.1001/jama.2020.7681。
• Wynants L，Van Calster B，Collins GS，Riley RD，Heinze G，Schuit E，Bonten MMJ，Dahly DL，Damen Jaa，DeBray TPA，De Jong VMT，De Jong VMT，De Vos M，Dhiman M，Dhiman P，Haller MC，Haller MC，Harhay Mo，Henckaerts L，Henckaerts L，Henckaerts L ，Heus P，Kammer M，Kreuzberger N，Lohmann A，Luijken K，Ma J，Ma J，Martin GP，McLernon DJ，Andaur CL，Reitsma JB，Sergeant JC，Shi C，Shi C，Skoetz N，Skoetz N，Smits LJM，Snell Kie，Snell Kie，Sperrin M，Sperrin M，Spijkerin M，Spijkerin M，Spijkerin M，Spijkerin M，Spijkerin R，Steyerberg EW，Takada T，Tzoulaki I，Van Kuijk SMJ，Van Bussel B，Van Royen FS，Verbakel JY，Wallisch C，Wilkinson J，Wolkinson J，Wolff R，Hooft R，Hooft L，Moons KGM，Van Smeden M.预测诊断和诊断和诊断和预测模型COVID-19感染的预后：系统评价和批判性评估。 BMJ。 2020年4月7日； 369：M1328。 doi：10.1136/bmj.m1328。 Erratum in：BMJ。 2020年6月3日； 369：M2204。更新：BMJ。 2021年2月3日； 372：N236。
• Levy TJ，Richardson S，Coppa K等。用于住院的COVID-19患者的生存计算器的开发和验证。 medrxiv。 2020：2020.2004.2022.20075416。
• Tibshirani R.通过拉索的回归收缩和选择。皇家统计协会杂志B系列（方法论）。 1996; 58（1）：267-288。
• Putter H，Fiocco M，Geskus RB。生物统计学教程：竞争风险和多州模型。 Stat Med。 2007年5月20日； 26（11）：2389-430。
• De Wreede LC，Fiocco M，Putter H. MSTATE软件包，用于非和半参数多国家和竞争风险模型中的估计和预测。计算方法程序生物元。 2010年9月； 99（3）：261-74。 doi：10.1016/j.cmpb.2010.01.001。 Epub 2010 3月15日。
• Van Klaveren D，Steyerberg EW，GönenM，Vergouwe Y.基于校准的模型的一致性改善了样本量有限的患者簇中判别能力的评估。诊断prok res。 2019年6月6日; 3：11。 doi：10.1186/s41512-019-0055-8。 2019年环保。
• Jones AE，Trzeciak S，Kline JA。在急诊科介绍时，严重败血症患者预测严重败血症患者的结局和灌注不足的证据的顺序器官失败评估评分。 Crit Care Med。 2009年5月； 37（5）：1649-54。 doi：10.1097/ccm.0b013e31819def97。
• Lim WS，Van der Eerden MM，Laing R，Boersma WG，Karalus N，Town GI，Lewis SA，MacFarlane JT。定义社区在向医院介绍时获得了肺炎严重程度：一项国际推导和验证研究。胸部。 2003年5月； 58（5）：377-82。
• Griffith GJ，Morris TT，Tudball MJ，Herbert A，Mancano G，Pike L，Sharp GC，Sterne J，Palmer TM，Davey Smith G，Tilling K，Tilling K，Zuccolo L，Davies NM，Hemani G. Collider BIAS破坏了我们对COVID的理解-19疾病风险和严重程度。纳特社区。 2020年11月12日； 11（1）：5749。 doi：10.1038/s41467-020-19478-2。

纳入标准：

• COVID-19患者幸存者
• COVID-19的患者的家庭成员/护理人员
• 具有照顾Covid-19患者的经验的医师
• 其他提供者（田园护理，护理，呼吸疗法），有经验的COVID-19患者

排除标准：

• 不熟练阅读或说英语

• 诺斯韦尔健康
• 伊拉斯mus医疗中心

• 模型歧视的变化（模型1：在Covid-19的患者中需要MV的需求）[时间范围：住院30天]
  目标1结果：接收器操作特征曲线（AUC）[Delta AUC]的面积变化，以预测概率的模型：在Covid-19的住院患者中需要MV的MV。
• 模型歧视的变化（模型2：接受MV的患者死亡率）[时间范围：住院30天]
  AIM 1结果：对于预测接受MV的患者死亡率的模型，接收器操作特征曲线（AUC）[Delta AUC]下面积的变化。
• 模型歧视的变化（模型3：ICU的住宿时间）[时间范围：住院30天]
  目标1结果：接收器操作特征曲线（AUC）[Delta AUC]的面积变化，以预测ICU中停留时间的概率：ICU的概率。
• 模型校准的变化（模型1：在Covid-19的患者中需要MV的需求）[时间范围：住院30天]
  AIM 1在Harrell E中的结果变化，用于预测与COVID-19的患者的MV的可能性：MV的需求。
• 模型校准的变化（模型2：接受MV的患者死亡率）[时间范围：住院30天]
  AIM 1在Harrell E中的结果改变，用于预测接受MV的患者死亡率的模型。
• 模型校准的变化（模型3：ICU的住宿时间）[时间范围：住院30天]
  AIM 1在Harrell E中的结果变化，用于预测ICU中停留时间的概率的模型。
• 净福利的变化（模型1：在Covid-19的患者中需要MV的需求）[时间范围：住院30天]
  AIM 1净收益的结果变化，用于预测COVID-19的患者中MV的可能性：MV的需求。
• 净收益的变化（模型2：接受MV的患者死亡率）[时间范围：住院30天]
  AIM 1净收益的结果变化，用于预测接受MV的患者死亡率的模型。
• 净收益的变化（模型3：ICU住院时间）[时间范围：住院30天]
  AIM 1净收益的结果变化，用于预测ICU中停留时间的概率的模型。
• 更新后外部数据库中模型歧视的变化（模型1：在COVID-19的患者中需要MV）[时间范围：住院时间30天]
  AIM 2在接收器操作特征曲线（AUC）[Delta AUC]下的区域的AIM 2变化，以预测概率的模型：在Covid-19的患者中需要MV的需求。
• 更新后外部数据库中模型歧视的变化（模型2：接受MV的患者死亡率）[时间范围：住院30天]
  AIM 2在接收器操作特征曲线（AUC）[Delta AUC]下的区域中的AIM 2变化，以预测接受MV的患者死亡率的模型。
• 更新后外部数据库中模型歧视的变化（模型3：ICU中的住宿时间）[时间范围：住院30天]
  AIM 2在接收器操作特征曲线（AUC）[Delta AUC]下的区域中的AIM 2变化，以预测ICU中停留时间的概率的模型。
• 更新后外部数据库中模型校准的变化（模型1：在COVID-19的患者中需要MV）[时间范围：住院30天]
  AIM 2在Harrell E中的结果变化，用于预测与COVID-19的患者的MV的可能性：MV的可能性。
• 更新后外部数据库中模型校准的变化（模型2：接受MV的患者死亡率）[时间范围：住院30天]
  AIM 2在Harrell E中的结果变化，用于预测接受MV的患者死亡率的模型。
• 更新后外部数据库中模型校准的变化（模型3：ICU中的住宿时间）[时间范围：住院30天]
  AIM 2在Harrell E中的结果变化对于预测ICU中停留时间的概率的模型。
• 更新后外部数据库中净益处的变化（模型1：COVID-19的患者需要MV）[时间范围：住院30天]
  AIM 2净收益的结果变化，用于预测COVID-19的患者的MV的概率：MV的需求。
• 更新后外部数据库中净益处的变化（模型2：接受MV的患者死亡率）[时间范围：住院30天]
  AIM 2净收益的结果变化，用于预测接受MV的患者死亡率的模型。
• 更新后外部数据库中净益处的变化（模型3：ICU的住宿时间）[时间范围：住院30天]
  AIM 2结果改变净益处的模型，预测ICU中停留时间的概率。

大约20％的Covid-19患者需要重症监护和可能的侵入性机械通气（MV）。患者对MV的COVID-19的偏好可能有所不同，因为这些患者的插管通常会延长（持续几周），在以社交隔离为特征的环境中给药，并且与非常高的平均死亡率有关。支持该决定的患者需要根据个人特征来准确地预测其可能的结果。

因此，调查人员的目的是：

1. 在2个医院系统（即6个不同的模型）中开发3个CPM，以预测：

   i）在COVID-19的患者中需要MV； ii）接受MV的患者死亡率； iii）在ICU中停留的时间。

2. 评估这些模型的地理和时间运输能力并检查更新方法。

   1. 为了评估地理运输能力，调查人员将应用开发的评估和更新框架（在Parent PCORI拨款中）来评估不同数据集的CPM有效性和概括性。
   2. 为了评估时间运输能力，研究人员将检查日历时间的主要效果，并将日历时间视为效应修饰符。
3. 吸引利益相关者，以促进这些CPM在COVID-19患者的护理中的最佳使用。

在文献跨卫生系统中报道的CoVID-19临床预测模型（CPM）的扩散是尚不清楚，但是这些模型对其他环境的有效性和潜在推广性尚不清楚。通常，大多数医院（和系统）没有足够数量的病例（和结果）来开发适合其当地人群的模型，并且预测变量在整个系统之间并不均匀且可靠地获得。因此，迫切需要汇总和协调数据资源并评估各个站点之间的普遍性，以创建可能有助于跨设置的决策制定的工具。此外，由于最佳实践随着时间的流逝而迅速发展（例如，促进，最大程度地减少瘫痪，肺部保护量，remdesivir，地塞米松或其他治疗方法），对这些CPM进行更新和重新校准至关重要。

在当前的PCORI方法项目中，研究人员开发了CPM评估和更新框架，包括常规和新型绩效指标。研究人员将使用此框架来评估COVID-19的预后模型，迄今为止最大的COVID-19患者队列中，跨越了来自截然不同的环境的2个数据集。由于共同-19大流行会影响不同的区域，因此随后的波浪预计，确定最准确，最健壮和可推广的预后工具是指导以患者为中心的决策，跨不同的人群和环境。

• Richardson S，Hirsch JS，Narasimhan M，Crawford JM，McGinn T，Davidson KW； Northwell Covid-19研究联盟，Barnaby DP，Becker LB，Chelico JD，Cohen SL，Cookhen SL，Cookeham J，Coppa K，Coppa K，Diefenbach MA，Dominello AJ，Duer-Hefele J，Falzon L，Falzon L，Gitlin J，Gitlin J，Hajizadeh N，Hajizadeh N，Harvin TG，Harvin TG，Harvin TG，Harvin Hirschwerkk DA，Kim EJ，Kozel ZM，Marrast LM，Mogavero JN，Osorio GA，Qiu M，Zanos TP。在5700名在纽约市地区住院的患者中，呈现特征，合并症和结果。贾马。 2020年5月26日； 323（20）：2052-2059。 doi：10.1001/jama.2020.6775。 Erratum在：JAMA。 2020年5月26日； 323（20）：2098。
• Zhou F，Yu T，Du R，Fan G，Liu Y，Liu Z，Xiang J，Wang Y，Song B，Gu X，Guan L，Wei Y，Wei Y，Li H，Wu X，Xu J，Tu S，Tu S，Zhang Y ，Chen H，CaoB。中国武汉成年住院患者死亡率的临床病程和危险因素：一项回顾性队列研究。柳叶刀。 2020年3月28日； 395（10229）：1054-1062。 doi：10.1016/s0140-6736（20）30566-3。 Epub 2020 3月11日。 2020年3月28日； 395（10229）：1038。柳叶刀。 2020年3月28日； 395（10229）：1038。
• 阐明摘要，结果和表2中的死亡率和数据。 2020年5月26日； 323（20）：2098。 doi：10.1001/jama.2020.7681。
• Wynants L，Van Calster B，Collins GS，Riley RD，Heinze G，Schuit E，Bonten MMJ，Dahly DL，Damen Jaa，DeBray TPA，De Jong VMT，De Jong VMT，De Vos M，Dhiman M，Dhiman P，Haller MC，Haller MC，Harhay Mo，Henckaerts L，Henckaerts L，Henckaerts L ，Heus P，Kammer M，Kreuzberger N，Lohmann A，Luijken K，Ma J，Ma J，Martin GP，McLernon DJ，Andaur CL，Reitsma JB，Sergeant JC，Shi C，Shi C，Skoetz N，Skoetz N，Smits LJM，Snell Kie，Snell Kie，Sperrin M，Sperrin M，Spijkerin M，Spijkerin M，Spijkerin M，Spijkerin M，Spijkerin R，Steyerberg EW，Takada T，Tzoulaki I，Van Kuijk SMJ，Van Bussel B，Van Royen FS，Verbakel JY，Wallisch C，Wilkinson J，Wolkinson J，Wolff R，Hooft R，Hooft L，Moons KGM，Van Smeden M.预测诊断和诊断和诊断和预测模型COVID-19感染的预后：系统评价和批判性评估。 BMJ。 2020年4月7日； 369：M1328。 doi：10.1136/bmj.m1328。 Erratum in：BMJ。 2020年6月3日； 369：M2204。更新：BMJ。 2021年2月3日； 372：N236。
• Levy TJ，Richardson S，Coppa K等。用于住院的COVID-19患者的生存计算器的开发和验证。 medrxiv。 2020：2020.2004.2022.20075416。
• Tibshirani R.通过拉索的回归收缩和选择。皇家统计协会杂志B系列（方法论）。 1996; 58（1）：267-288。
• Putter H，Fiocco M，Geskus RB。生物统计学教程：竞争风险和多州模型。 Stat Med。 2007年5月20日； 26（11）：2389-430。
• De Wreede LC，Fiocco M，Putter H. MSTATE软件包，用于非和半参数多国家和竞争风险模型中的估计和预测。计算方法程序生物元。 2010年9月； 99（3）：261-74。 doi：10.1016/j.cmpb.2010.01.001。 Epub 2010 3月15日。
• Van Klaveren D，Steyerberg EW，GönenM，Vergouwe Y.基于校准的模型的一致性改善了样本量有限的患者簇中判别能力的评估。诊断prok res。 2019年6月6日; 3：11。 doi：10.1186/s41512-019-0055-8。 2019年环保。
• Jones AE，Trzeciak S，Kline JA。在急诊科介绍时，严重败血症患者预测严重败血症患者的结局和灌注不足的证据的顺序器官失败评估评分。 Crit Care Med。 2009年5月； 37（5）：1649-54。 doi：10.1097/ccm.0b013e31819def97。
• Lim WS，Van der Eerden MM，Laing R，Boersma WG，Karalus N，Town GI，Lewis SA，MacFarlane JT。定义社区在向医院介绍时获得了肺炎严重程度：一项国际推导和验证研究。胸部。 2003年5月； 58（5）：377-82。
• Griffith GJ，Morris TT，Tudball MJ，Herbert A，Mancano G，Pike L，Sharp GC，Sterne J，Palmer TM，Davey Smith G，Tilling K，Tilling K，Zuccolo L，Davies NM，Hemani G. Collider BIAS破坏了我们对COVID的理解-19疾病风险和严重程度。纳特社区。 2020年11月12日； 11（1）：5749。 doi：10.1038/s41467-020-19478-2。

纳入标准：

• COVID-19患者幸存者
• COVID-19的患者的家庭成员/护理人员
• 具有照顾Covid-19患者的经验的医师
• 其他提供者（田园护理，护理，呼吸疗法），有经验的COVID-19患者

排除标准：

• 不熟练阅读或说英语

• 诺斯韦尔健康
• 伊拉斯mus医疗中心