論文の概要: Patient Similarity Analysis with Longitudinal Health Data

• arxiv url: http://arxiv.org/abs/2005.06630v1
• Date: Thu, 14 May 2020 07:06:02 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-03 04:56:11.148899
• Title: Patient Similarity Analysis with Longitudinal Health Data
• Title（参考訳）: 縦断的健康データを用いた患者類似性分析
• Authors: Ahmed Allam, Matthias Dittberner, Anna Sintsova, Dominique Brodbeck, Michael Krauthammer
• Abstract要約: 電子健康記録には、医療訪問、検査、手順、および結果に関する時間分解情報が含まれている。 これらの旅の類似性を評価することで、共通の病気の軌跡を共通の健康結果とともに発見することができる。 特定のクラスタへの患者旅行の割り当ては、パーソナライズされた結果予測と治療選択の基礎となる可能性がある。
• 参考スコア（独自算出の注目度）: 0.5249805590164901
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Healthcare professionals have long envisioned using the enormous processing powers of computers to discover new facts and medical knowledge locked inside electronic health records. These vast medical archives contain time-resolved information about medical visits, tests and procedures, as well as outcomes, which together form individual patient journeys. By assessing the similarities among these journeys, it is possible to uncover clusters of common disease trajectories with shared health outcomes. The assignment of patient journeys to specific clusters may in turn serve as the basis for personalized outcome prediction and treatment selection. This procedure is a non-trivial computational problem, as it requires the comparison of patient data with multi-dimensional and multi-modal features that are captured at different times and resolutions. In this review, we provide a comprehensive overview of the tools and methods that are used in patient similarity analysis with longitudinal data and discuss its potential for improving clinical decision making.
• Abstract（参考訳）: 医療専門家は長い間、コンピュータの膨大な処理能力を使って、電子医療記録に閉じ込められた新しい事実や医療知識を発見することを考えてきた。 これらの膨大な医療記録には、診察、検査、手続きに関する時間分解された情報と、個々の患者旅行を形成する結果が含まれている。 これらの旅の類似性を評価することにより、共通病跡の集団と健康状態の共有を解明することができる。 特定のクラスターへの患者旅行の割り当ては、パーソナライズされた結果予測と治療選択の基盤となるかもしれない。 この手順は非自明な計算問題であり、患者データと異なる時間と解像度でキャプチャされる多次元的・多様的特徴を比較する必要がある。 本稿では,縦断データを用いた患者類似度分析に使用されるツールと方法の包括的概要を述べ,その臨床的意思決定改善の可能性について考察する。

関連論文リスト

• A State-of-the-Art Review of Computational Models for Analyzing Longitudinal Wearable Sensor Data in Healthcare [1.7872597573698263]
  長期追跡は、数ヶ月のタイムスケールで定義されており、健康変化の指標としてパターンや変化の洞察を与えることができる。 これらの知見は、医療と医療をより予測し、予防し、パーソナライズし、参加しやすくする(The 4P's)。
  論文  参考訳（メタデータ） (2024-07-31T15:08:15Z)
• SPeC: A Soft Prompt-Based Calibration on Performance Variability of Large Language Model in Clinical Notes Summarization [50.01382938451978]
  本稿では,ソフトプロンプトを用いたモデルに依存しないパイプラインを導入し,確率に基づく要約の利点を保ちながら分散を減少させる。 実験結果から,本手法は性能を向上するだけでなく,様々な言語モデルの分散を効果的に抑制することが明らかとなった。
  論文  参考訳（メタデータ） (2023-03-23T04:47:46Z)
• Modelling Patient Trajectories Using Multimodal Information [0.0]
  本稿では,異なる種類の情報を組み合わせて臨床データの時間的側面を考慮した患者軌跡のモデル化手法を提案する。 本手法は, 予期せぬ患者寛解と疾患進行の2つの異なる臨床結果に基づいて検討した。
  論文  参考訳（メタデータ） (2022-09-09T10:20:54Z)
• Feasibility Study of Multi-Site Split Learning for Privacy-Preserving Medical Systems under Data Imbalance Constraints in COVID-19, X-Ray, and Cholesterol Dataset [11.021444485027143]
  本稿では,「複数サイト分割学習」という用語を用いた新しい分割学習アルゴリズムを提案する。 複数の病院間で医療データの安全な転送を可能にし、患者記録に含まれる個人データを公開することを恐れない。
  論文  参考訳（メタデータ） (2022-02-21T03:51:27Z)
• Clinical Outcome Prediction from Admission Notes using Self-Supervised Knowledge Integration [55.88616573143478]
  臨床テキストからのアウトカム予測は、医師が潜在的なリスクを見落としないようにする。 退院時の診断,手術手順,院内死亡率,長期予測は4つの一般的な結果予測対象である。 複数の公開資料から得られた患者結果に関する知識を統合するために,臨床結果の事前学習を提案する。
  論文  参考訳（メタデータ） (2021-02-08T10:26:44Z)
• Patient similarity: methods and applications [2.9864637081333085]
  患者類似性分析は医療応用において重要である。 電子カルテや遺伝データなどの患者情報を入力として取り、患者間のペアの類似性を計算する。 本稿では,各ステップで使用される代表的手法を概説し,特に精密医療における患者類似性ネットワークの適用について論じる。
  論文  参考訳（メタデータ） (2020-12-01T06:50:15Z)
• BiteNet: Bidirectional Temporal Encoder Network to Predict Medical Outcomes [53.163089893876645]
  本稿では,患者の医療旅行におけるコンテキスト依存と時間的関係を捉える,新たな自己注意機構を提案する。 エンド・ツー・エンドの双方向時間エンコーダネットワーク(BiteNet)が患者の旅路の表現を学習する。 実世界のEHRデータセットを用いた2つの教師付き予測と2つの教師なしクラスタリングタスクにおける手法の有効性を評価した。
  論文  参考訳（メタデータ） (2020-09-24T00:42:36Z)
• Trajectories, bifurcations and pseudotime in large clinical datasets: applications to myocardial infarction and diabetes data [94.37521840642141]
  混合データ型と欠落値を特徴とする大規模臨床データセット分析のための半教師付き方法論を提案する。 この手法は、次元の減少、データの可視化、クラスタリング、特徴の選択と、部分的に順序付けられた観測列における測地距離(擬時)の定量化のタスクを同時に扱うことのできる弾性主グラフの適用に基づいている。
  論文  参考訳（メタデータ） (2020-07-07T21:04:55Z)
• Temporal Phenotyping using Deep Predictive Clustering of Disease Progression [97.88605060346455]
  我々は、時系列データをクラスタリングするためのディープラーニングアプローチを開発し、各クラスタは、同様の将来的な結果を共有する患者から構成される。 2つの実世界のデータセットに対する実験により、我々のモデルは最先端のベンチマークよりも優れたクラスタリング性能が得られることが示された。
  論文  参考訳（メタデータ） (2020-06-15T20:48:43Z)
• Comparative Visual Analytics for Assessing Medical Records with Sequence Embedding [17.752580010414228]
  患者記録の比較研究を支援する視覚分析システムを開発した。 カリフォルニア大学デイビス校の新生児集中治療ユニットから得られた実世界のデータセットを用いたケーススタディにより, 設計とシステムの有効性を実証した。
  論文  参考訳（メタデータ） (2020-02-18T19:29:30Z)
• 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)

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。