論文の概要: Development of a Machine Learning Model and Mobile Application to Aid in Predicting Dosage of Vitamin K Antagonists Among Indian Patients

• arxiv url: http://arxiv.org/abs/2004.11460v1
• Date: Sun, 19 Apr 2020 05:54:58 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-12 00:05:28.023184
• Title: Development of a Machine Learning Model and Mobile Application to Aid in Predicting Dosage of Vitamin K Antagonists Among Indian Patients
• Title（参考訳）: インド人患者におけるビタミンKアンタゴニストの量予測支援のための機械学習モデルの開発とモバイル応用
• Authors: Amruthlal M, Devika S, Ameer Suhail P A, Aravind K Menon, Vignesh Krishnan, Alan Thomas, Manu Thomas, Sanjay G, Lakshmi Kanth L R, Jimmy Jose, Harikrishnan S
• Abstract要約: 機械的心臓弁置換や心房細動などの病態を持つ患者は、血液の凝固を防ぐためにビタミンKアンタゴニスト(VKA)薬を服用しなければならない。 血液検査により得られたプロトロンビン時間-国際正規化比(PT-INR)値に基づいて、VKA薬物の服用量を決定する。 現在最も推奨されている抗凝固剤であるワーファリンの維持投与量の予測を目的とした。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Patients who undergo mechanical heart valve replacements or have conditions like Atrial Fibrillation have to take Vitamin K Antagonists (VKA) drugs to prevent coagulation of blood. These drugs have narrow therapeutic range and need to be very closely monitored due to life threatening side effects. The dosage of VKA drug is determined and revised by a physician based on Prothrombin Time - International Normalised Ratio (PT-INR) value obtained through a blood test. Our work aimed at predicting the maintenance dosage of warfarin, the present most widely recommended anticoagulant drug, using the de-identified medical data collected from 109 patients from Kerala. A Support Vector Machine (SVM) Regression model was built to predict the maintenance dosage of warfarin, for patients who have been undergoing treatment from a physician and have reached stable INR values between 2.0 and 4.0.
• Abstract（参考訳）: 機械的心臓弁置換や心房細動などの病態を持つ患者は、血液の凝固を防ぐためにビタミンKアンタゴニスト(VKA)薬を服用しなければならない。 これらの薬物は治療範囲が狭く、生命を脅かす副作用のために非常に密に監視する必要がある。 血液検査により得られたプロトロンビン時間-国際正規化比(PT-INR)値に基づいて、VKA薬物の服用量を決定する。 現在最も推奨されている抗凝固薬であるワルファリンの維持投与量を予測することを目的とした。 治療を受け, 安定なinr値が2.0～4.0の患者に対して, ワーファリンの維持投与量を予測するため, サポートベクター・マシン(svm)回帰モデルを構築した。

関連論文リスト

• Leave No Patient Behind: Enhancing Medication Recommendation for Rare Disease Patients [47.68396964741116]
  本稿では,レアな疾患の正確性を高めるために,ロバストとメディケーションのための高精度勧告(RAREMed)と呼ばれる新しいモデルを提案する。 入力シーケンスを統一したトランスフォーマーエンコーダを使用して、疾患と手続きコードの間の複雑な関係をキャプチャする。 稀な疾患と一般的な疾患の両方に対して正確な薬物セットを提供し、薬の推奨システムにおける不公平を緩和する。
  論文  参考訳（メタデータ） (2024-03-26T14:36:22Z)
• Optimizing Medication Decisions for Patients with Atrial Fibrillation through Path Development Network [4.682776828229116]
  心房細動(英: atrial fibrillation、AF)は、心房の急激な収縮と不規則な収縮を特徴とする一般的な不整脈である。 本研究では,AF患者に抗凝固療法を推奨すべきかどうかを予測する機械学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-01-18T14:31:11Z)
• Drug Interaction Vectors Neural Network: DrIVeNN [0.7624669864625037]
  ポリファーマシー(英: Poly Pharmacy)とは、複数の薬物を同時に併用して単一の疾患を治療することである。 ポリファーマシーに関連する多くの重篤なADEは、薬物の使用後にのみ知られるようになる。 臨床試験において、あらゆる可能な薬物の組み合わせをテストすることは不可能である。
  論文  参考訳（メタデータ） (2023-08-26T14:24:41Z)
• Machine learning for dynamically predicting the onset of renal replacement therapy in chronic kidney disease patients using claims data [0.89379057739817]
  慢性腎疾患(CKD)は徐々に進行する疾患であり、最終的には腎置換療法(RRT)を必要とする。 RRTを必要とする患者の早期発見は、患者の結果を改善する。 RRT開始に一般的に使用される予測ツールはない。
  論文  参考訳（メタデータ） (2022-09-03T17:50:27Z)
• Conditional Generation Net for Medication Recommendation [73.09366442098339]
  医薬推奨は、患者の診断に従って適切な薬セットを提供することを目標としており、これは診療所において重要な課題である。 医薬品群を生成するための新しいコピー・アンド・予測機構を導入した条件生成ネット(COGNet)を提案する。 提案手法を公開MIMICデータセット上で検証し,実験結果から,提案手法が最先端の手法より優れていることを示す。
  論文  参考訳（メタデータ） (2022-02-14T10:16:41Z)
• Optimizing Warfarin Dosing using Deep Reinforcement Learning [0.0]
  ワーファリンは広く用いられる抗凝固剤であり、治療範囲は狭い。 現在のワーファリン投与プロトコルは、特にワーファリンに敏感な患者には期待に届かない。 ウォーファリンの深層強化学習に基づく投薬モデルを提案する。
  論文  参考訳（メタデータ） (2022-02-07T19:58:54Z)
• Evaluating the Effect of Longitudinal Dose and INR Data on Maintenance Warfarin Dose Predictions [3.596035360729756]
  機械学習アルゴリズムはますますウォーファリンの投与に使われている。 個々のワーファリン反応の変動を,事前線量列とinrがよりよく捉えるので,持続線量応答データが維持線量予測を改善すると仮定した。 保守ワーファリン用量を予測するための様々な機械学習回帰モデルは、臨床要因と投与履歴とINRデータを特徴として訓練された。 総じて、単線量とINRによる線量補正アルゴリズムは、基準線量修正アルゴリズムと同等の性能を達成した。
  論文  参考訳（メタデータ） (2021-05-06T13:01:42Z)
• Change Matters: Medication Change Prediction with Recurrent Residual Networks [52.34011841798978]
  MICRONは、隠れた薬のベクターと、再建設計で繰り返し設定された薬を更新することを学ぶ。 MICRONはF1スコアで最高のベースラインよりも3.5%と7.8%の相対的な改善を達成している。
  論文  参考訳（メタデータ） (2021-05-05T05:51:30Z)
• Prediction of the onset of cardiovascular diseases from electronic health records using multi-task gated recurrent units [51.14334174570822]
  本稿では,電子カルテから心血管イベントを予測するための注意機構を備えたマルチタスク・リカレントニューラルネットワークを提案する。 提案手法は、NHS Foundation Trustの5年間のデータを用いて、標準的な臨床リスク予測器(QRISK)と機械学習の代替手段と比較される。
  論文  参考訳（メタデータ） (2020-07-16T17:43:13Z)
• Estimating Counterfactual Treatment Outcomes over Time Through Adversarially Balanced Representations [114.16762407465427]
  時間とともに治療効果を推定するためにCRN(Counterfactual Recurrent Network)を導入する。 CRNは、患者履歴のバランスの取れた表現を構築するために、ドメイン敵のトレーニングを使用する。 本モデルでは, 正解率の予測と適切な治療時期の選択において, 誤差の低減を図っている。
  論文  参考訳（メタデータ） (2020-02-10T20:47:36Z)
• Short Term Blood Glucose Prediction based on Continuous Glucose Monitoring Data [53.01543207478818]
  本研究では,デジタル意思決定支援ツールの入力として連続グルコースモニタリング(Continuous Glucose Monitoring, CGM)データを利用する方法について検討する。 短時間の血液グルコース (STBG) 予測において, リカレントニューラルネットワーク (Recurrent Neural Networks, RNN) をどのように利用できるかを検討する。
  論文  参考訳（メタデータ） (2020-02-06T16:39:44Z)

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。