Saltar para:
Logótipo
Você está em: Início > Publicações > Visualização > Consistent comparison of symptom-based methods for COVID-19 infection detection

Consistent comparison of symptom-based methods for COVID-19 infection detection

Título
Consistent comparison of symptom-based methods for COVID-19 infection detection
Tipo
Outra Publicação em Revista Científica Internacional
Ano
2023
Autores
Rufino, J
(Autor)
Outra
A pessoa não pertence à instituição. A pessoa não pertence à instituição. A pessoa não pertence à instituição. Sem AUTHENTICUS Sem ORCID
Ramirez, JM
(Autor)
Outra
A pessoa não pertence à instituição. A pessoa não pertence à instituição. A pessoa não pertence à instituição. Sem AUTHENTICUS Sem ORCID
Aguilar, J
(Autor)
Outra
A pessoa não pertence à instituição. A pessoa não pertence à instituição. A pessoa não pertence à instituição. Sem AUTHENTICUS Sem ORCID
Baquero, C
(Autor)
FEUP
Champati, J
(Autor)
Outra
A pessoa não pertence à instituição. A pessoa não pertence à instituição. A pessoa não pertence à instituição. Sem AUTHENTICUS Sem ORCID
Frey, D
(Autor)
Outra
A pessoa não pertence à instituição. A pessoa não pertence à instituição. A pessoa não pertence à instituição. Sem AUTHENTICUS Sem ORCID
Lillo, RE
(Autor)
Outra
A pessoa não pertence à instituição. A pessoa não pertence à instituição. A pessoa não pertence à instituição. Sem AUTHENTICUS Sem ORCID
Fernandez Anta, A
(Autor)
Outra
A pessoa não pertence à instituição. A pessoa não pertence à instituição. A pessoa não pertence à instituição. Sem AUTHENTICUS Sem ORCID
Revista
Vol. 177
ISSN: 1386-5056
Editora: Elsevier
Indexação
Publicação em ISI Web of Knowledge ISI Web of Knowledge - 0 Citações
Outras Informações
ID Authenticus: P-00Y-TGE
Abstract (EN): Background: During the global pandemic crisis, various detection methods of COVID-19-positive cases based on self-reported information were introduced to provide quick diagnosis tools for effectively planning and managing healthcare resources. These methods typically identify positive cases based on a particular combination of symptoms, and they have been evaluated using different datasets.Purpose: This paper presents a comprehensive comparison of various COVID-19 detection methods based on self-reported information using the University of Maryland Global COVID-19 Trends and Impact Survey (UMD-CTIS), a large health surveillance platform, which was launched in partnership with Facebook.Methods: Detection methods were implemented to identify COVID-19-positive cases among UMD-CTIS participants reporting at least one symptom and a recent antigen test result (positive or negative) for six countries and two periods. Multiple detection methods were implemented for three different categories: rule-based approaches, logistic regression techniques, and tree-based machine-learning models. These methods were evaluated using different metrics including F1-score, sensitivity, specificity, and precision. An explainability analysis has also been conducted to compare methods.Results: Fifteen methods were evaluated for six countries and two periods. We identify the best method for each category: rule-based methods (F1-score: 51.48% -71.11%), logistic regression techniques (F1-score: 39.91% -71.13%), and tree-based machine learning models (F1-score: 45.07% -73.72%). According to the explainability analysis, the relevance of the reported symptoms in COVID-19 detection varies between countries and years. However, there are two variables consistently relevant across approaches: stuffy or runny nose, and aches or muscle pain.Conclusions: Regarding the categories of detection methods, evaluating detection methods using homogeneous data across countries and years provides a solid and consistent comparison. An explainability analysis of a tree-based machine-learning model can assist in identifying infected individuals specifically based on their relevant symptoms. This study is limited by the self-report nature of data, which cannot replace clinical diagnosis.
Idioma: Inglês
Tipo (Avaliação Docente): Científica
Nº de páginas: 10
Documentos
Não foi encontrado nenhum documento associado à publicação.
Publicações Relacionadas

Da mesma revista

Emerging technologies for supporting patients during Hemodialysis: A scoping review (2025)
Outra Publicação em Revista Científica Internacional
Martins, AR; Marta Campos Ferreira; Fernandes, CS
Accuracy of ICD-10-PCS codes to identify Cardiac Implantable electronic devices in Portugal - A single center chart review (2025)
Outra Publicação em Revista Científica Internacional
Couto, S; Lobo, M; Lopes, F; Cardoso, JCS; Moreira, E; Rocha, A; Freitas A
Guidelines for a cancer prevention smartphone application: A mixed-methods study (2016)
Artigo em Revista Científica Internacional
Nuno Ribeiro; Ana Margarida Almeida; Filipe Santos-Silva; Luís Moreira; Ana Barros
Grounding information security in healthcare (2010)
Artigo em Revista Científica Internacional
ferreira, a; antunes, l; chadwick, d; correia, r

Ver todas (9)

Recomendar Página Voltar ao Topo
Copyright 1996-2025 © Faculdade de Medicina Dentária da Universidade do Porto  I Termos e Condições  I Acessibilidade  I Índice A-Z
Página gerada em: 2025-10-08 às 11:24:36 | Política de Privacidade | Política de Proteção de Dados Pessoais | Denúncias | Livro Amarelo Eletrónico