En este estudio de cohorte prospectivo, los investigadores utilizaron registros de salud electrónicos (RSE) de 155,394 adultos en Oxfordshire, Reino Unido , para desarrollar un sistema de triaje rápido para detectar COVID-19 en los pacientes del hospital. Los datos utilizados de los RSE incluyeron signos vitales, análisis de gases en sangre y análisis de sangre de presentación. Los resultados del cribado se compararon con los resultados de la prueba de reacción en cadena de la polimerasa (PCR) para el SARS-CoV-2. Se utilizó el aprendizaje automático para desarrollar modelos lineales y no lineales, y se generaron conjuntos de pruebas para simular la progresión de una pandemia variando la prevalencia de COVID-19 en las muestras de prueba. Un modelo generado para el cribado de todos los pacientes que acudieron al hospital alcanzó una sensibilidad del 77.4% y una especificidad del 95.7% (modelo de urgencias), mientras que un modelo diferente que evaluó a los realmente ingresados ​​en el hospital alcanzó una sensibilidad del 77.4% y una especificidad del 94.8% (modelo de ingresos). En un estudio de validación de 2 semanas, el modelo del departamento de emergencias logró una precisión del 92.3% y el modelo de admisiones demostró una precisión del 92.5%. Los autores enfatizan que los datos clínicos utilizados en el modelo se pueden obtener dentro de una hora de la llegada al hospital a través de pruebas de rutina que se realizan dentro de la atención habitual para clasificar eficazmente a los pacientes mientras se esperan los resultados de la prueba de PCR, que pueden tardar hasta 72 horas en desarrollarse. La herramienta de triaje propuesta que utiliza inteligencia artificial se puede implementar fácilmente en hospitales de países de ingresos medios y altos.