論文の概要: Building a COVID-19 Vulnerability Index

• arxiv url: http://arxiv.org/abs/2003.07347v3
• Date: Sat, 18 Jul 2020 13:53:24 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-23 03:51:04.434910
• Title: Building a COVID-19 Vulnerability Index
• Title（参考訳）: 新型コロナウイルスの脆弱性指数の構築
• Authors: Dave DeCaprio, Joseph Gartner, Thadeus Burgess, Kristian Garcia, Sarthak Kothari, Shaayan Sayed, Carol J. McCall (FSA, MPH)
• Abstract要約: 新型コロナウイルスは急性呼吸器疾患で、世界保健機関(WHO)によってパンデミックに分類されている。 死亡率が高いことが知られており、特に既往の医療疾患を持つ人の間では顕著である。 新型コロナウイルスによる重篤な合併症のリスクが最も高い個人を特定するモデルは、アウトリーチキャンペーンに役立つだろう。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: COVID-19 is an acute respiratory disease that has been classified as a pandemic by the World Health Organization. Characterization of this disease is still in its early stages. However, it is known to have high mortality rates, particularly among individuals with preexisting medical conditions. Creating models to identify individuals who are at the greatest risk for severe complications due to COVID-19 will be useful for outreach campaigns to help mitigate the disease's worst effects. While information specific to COVID-19 is limited, a model using complications due to other upper respiratory infections can be used as a proxy to help identify those individuals who are at the greatest risk. We present the results for three models predicting such complications, with each model increasing predictive effectiveness at the expense of ease of implementation.
• Abstract（参考訳）: 新型コロナウイルス(covid-19)は、世界保健機関(who)によってパンデミックに分類された急性呼吸器疾患である。 この病気の特徴は、まだ初期段階にある。 しかし、特に既往の医療疾患の患者の間では死亡率が高いことが知られている。 新型コロナウイルス(covid-19)による重篤な合併症のリスクが最も高い個人を特定するモデルを作成することは、この病気の最悪の影響を緩和するためのアウトリーチキャンペーンに役立つだろう。 新型コロナウイルスに関する情報は限られているが、他の上層呼吸器感染症による合併症を用いたモデルは、最もリスクの高い個人を特定するためのプロキシとして使用できる。 このような合併症を予測できる3つのモデルについて,実装の容易さを犠牲にして,各モデルが予測効率を向上することを示す。

関連論文リスト

• Improving ECG-based COVID-19 diagnosis and mortality predictions using pre-pandemic medical records at population-scale [19.23987229578229]
  この研究は、パンデミック前データを用いた事前学習モデルであるこのアプローチが効果的に機能することを示します。 同様のトランスファー学習戦略は、将来のパンデミックの流行において、タイムリーな人工知能ソリューションを開発するのに有用である。
  論文  参考訳（メタデータ） (2022-11-14T04:48:07Z)
• SurvLatent ODE : A Neural ODE based time-to-event model with competing risks for longitudinal data improves cancer-associated Deep Vein Thrombosis (DVT) prediction [68.8204255655161]
  本稿では,不規則なサンプルデータの下で潜在表現をパラメータ化する生成時間対イベントモデルSurvLatent ODEを提案する。 そこで,本モデルでは,事象特異的ハザード関数の形状を指定せずに,複数の競合イベントの生存時間を柔軟に推定する。 SurvLatent ODEは、DVTリスクグループを成層化するために、現在の臨床標準であるKhorana Riskスコアより優れている。
  論文  参考訳（メタデータ） (2022-04-20T17:28:08Z)
• Machine learning approach to dynamic risk modeling of mortality in COVID-19: a UK Biobank study [0.0]
  新型コロナウイルス(COVID-19)のパンデミックは、高リスク患者の階層化を支援する堅牢でスケーラブルなモニタリングツールを緊急に必要としてきた。 本研究は、英国バイオバンクを用いた予測モデルを開発し、検証し、新型コロナウイルスの死亡リスクを推定することを目的とする。
  論文  参考訳（メタデータ） (2021-04-19T11:51:20Z)
• COVIDx-US -- An open-access benchmark dataset of ultrasound imaging data for AI-driven COVID-19 analytics [116.6248556979572]
  COVIDx-USは、新型コロナウイルス関連超音波画像データのオープンアクセスベンチマークデータセットです。 肺超音波93本と,SARS-CoV-2肺炎,非SARS-CoV-2肺炎,健康管理症例10,774本からなる。
  論文  参考訳（メタデータ） (2021-03-18T03:31:33Z)
• Challenges in the application of a mortality prediction model for COVID-19 patients on an Indian cohort [0.0]
  ヤンなど。 機械学習(ML)メソッドを使って新型コロナウイルス患者の結果を予測する研究が公開されている。 ここでは、covid-19患者の最大のデータセットの1つにデプロイすることで、このモデルの制限を示します。
  論文  参考訳（メタデータ） (2021-01-15T07:06:49Z)
• Artificial Intelligence for COVID-19 Detection -- A state-of-the-art review [5.237999056930947]
  新型コロナウイルスの出現は、適切な管理のために科学界の多くの努力を必要としている。 深層学習 (DL) と人工知能 (AI) の使用は、上記すべての領域で求められる。 グローバル緊急時の課題に対処するために、DLとAIを効果的に実装できることを評価することができる。
  論文  参考訳（メタデータ） (2020-11-25T07:02:14Z)
• Classification supporting COVID-19 diagnostics based on patient survey data [82.41449972618423]
  新型コロナウイルス患者の効果的なスクリーニングを可能にするロジスティック回帰とXGBoost分類器が作成された。 得られた分類モデルは、DECODEサービス(decode.polsl.pl)の基礎を提供し、COVID-19病患者のスクリーニング支援に役立てることができる。 このデータセットは、3,000以上のサンプルで構成されており、ポーランドの病院で収集されたアンケートに基づいている。
  論文  参考訳（メタデータ） (2020-11-24T17:44:01Z)
• Integrative Analysis for COVID-19 Patient Outcome Prediction [53.11258640541513]
  我々は、集中治療室入院の必要性を予測するために、人口統計、バイタルサイン、実験室の所見から、肺不透明度の放射能と非画像の特徴を組み合わせる。 また, 地域性肺炎を含む他の肺疾患にも適用できるが, 地域性肺炎に限らない。
  論文  参考訳（メタデータ） (2020-07-20T19:08:50Z)
• CovidCare: Transferring Knowledge from Existing EMR to Emerging Epidemic for Interpretable Prognosis [20.701122594508675]
  新興感染症患者の予後を高めるための深層学習型アプローチであるCovidCareを提案する。 CovidCareは、トランスファーラーニングを通じて、大量の既存のEMRデータに基づいて、新型コロナウイルス関連の医療機能を組み込むことを学ぶ。 実際のCOVID-19データセット上で、患者に対する滞在予測実験の期間を延ばす。
  論文  参考訳（メタデータ） (2020-07-17T09:20:56Z)
• A General Framework for Survival Analysis and Multi-State Modelling [70.31153478610229]
  ニューラル常微分方程式を多状態生存モデル推定のためのフレキシブルで一般的な方法として用いる。 また,本モデルでは,サバイバルデータセット上での最先端性能を示すとともに,マルチステート環境での有効性を示す。
  論文  参考訳（メタデータ） (2020-06-08T19:24:54Z)
• COVID-DA: Deep Domain Adaptation from Typical Pneumonia to COVID-19 [92.4955073477381]
  新型コロナウイルス感染症(COVID-19)の流行はすでに何百万人もの人々に感染しており、今でも世界中で急速に拡大している。 近年,ディープラーニングを効果的なコンピュータ支援手法として利用し,診断効率を向上している。 本稿では,新たな深部ドメイン適応手法,すなわちCOVID-DAを提案する。
  論文  参考訳（メタデータ） (2020-04-30T03:13:40Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。