covid19-metaclustering:通过使用患者表型和人口统计学特征的两阶段聚类方法，描述关于严重性模式的年龄性别无偏...

COVID19中继 通过两阶段聚类方法描述有关严重性模式的COVID-19亚表型的管道。 首先，使用患者的表型和人口统计学特征，从年龄性别分层组中获得聚类集。 其次，根据聚类的总特征再次对聚类的总集进行聚类，最终形成年龄性别无偏的COVID-19亚表型的最终聚类。 作为数据质量分析的一部分，还包括其他来源和时间变异性评估。 大纲 自2019年12月以来，COVID-19传染病已导致全球大流行，目前仍在控制之下。 为了改善预后和治疗方法，世界各地的研究人员正在作出巨大的努力，以从各种数据源和方法中全面了解COVID-19。 这项工作显示了一种两阶段无监督机器学习（ML）方法（即元聚类）的结果，该方法可以从临床表型和人口统计学特征中识别出COVID-19患者的潜在亚表型。 由于年龄和性别与合并症，习惯和死亡率高度相关，因此包括了性别和年龄组的分层以减少潜在的混杂因素。 这项工作是西班牙瓦伦