論文の概要: From predictions to prescriptions: A data-driven response to COVID-19

• arxiv url: http://arxiv.org/abs/2006.16509v1
• Date: Tue, 30 Jun 2020 03:34:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2022-11-15 06:14:14.271788
• Title: From predictions to prescriptions: A data-driven response to COVID-19
• Title（参考訳）: 予測から処方薬:COVID-19に対するデータ駆動応答
• Abstract要約: 新型コロナウイルスの臨床的特徴を理解するための包括的データ駆動型アプローチを提案する。 私たちは、感染や死亡のリスクを予測するために、パーソナライズされた電卓を構築します。 人工呼吸器の再配置と不足軽減のための最適化モデルを提案する。
• 参考スコア（独自算出の注目度）: 42.57407485467993
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The COVID-19 pandemic has created unprecedented challenges worldwide. Strained healthcare providers make difficult decisions on patient triage, treatment and care management on a daily basis. Policy makers have imposed social distancing measures to slow the disease, at a steep economic price. We design analytical tools to support these decisions and combat the pandemic. Specifically, we propose a comprehensive data-driven approach to understand the clinical characteristics of COVID-19, predict its mortality, forecast its evolution, and ultimately alleviate its impact. By leveraging cohort-level clinical data, patient-level hospital data, and census-level epidemiological data, we develop an integrated four-step approach, combining descriptive, predictive and prescriptive analytics. First, we aggregate hundreds of clinical studies into the most comprehensive database on COVID-19 to paint a new macroscopic picture of the disease. Second, we build personalized calculators to predict the risk of infection and mortality as a function of demographics, symptoms, comorbidities, and lab values. Third, we develop a novel epidemiological model to project the pandemic's spread and inform social distancing policies. Fourth, we propose an optimization model to re-allocate ventilators and alleviate shortages. Our results have been used at the clinical level by several hospitals to triage patients, guide care management, plan ICU capacity, and re-distribute ventilators. At the policy level, they are currently supporting safe back-to-work policies at a major institution and equitable vaccine distribution planning at a major pharmaceutical company, and have been integrated into the US Center for Disease Control's pandemic forecast.
• Abstract（参考訳）: 新型コロナウイルスのパンデミックは世界中で前例のない課題を生み出している。 歪んだ医療提供者は毎日、患者のトリアージ、治療、ケア管理について難しい決断を下す。 政策当局者は、経済価格の急騰で、感染を鈍化させるための社会的距離調整措置を講じている。 我々はこれらの決定を支持し、パンデミックと戦う分析ツールを設計する。 具体的には、新型コロナウイルスの臨床的特徴を理解し、その死亡を予測し、その進化を予測し、最終的にその影響を緩和する包括的データ駆動アプローチを提案する。 コホートレベルの臨床データ、患者レベルの病院データ、および国勢調査レベルの疫学データを活用することで、記述的、予測的、規範的分析を組み合わせた統合4段階のアプローチを開発する。 まず、新型コロナウイルスに関する最も包括的なデータベースに数百の臨床研究をまとめて、この病気の新たなマクロなイメージを描きます。 第2に,人口動態,症状,共生,検査値の関数として,感染と死亡のリスクを予測するパーソナライズド計算機を構築した。 第3に,新型疫学モデルを開発し,パンデミックの広がりを予測し,ソーシャルディスタンシング政策に通知する。 第4に,人工呼吸器の再配置と不足軽減のための最適化モデルを提案する。 臨床レベルでは, 患者トリアージ, ガイドケア管理, ICU 容量計画, 再拡張人工呼吸器を施行した。 政策レベルでは現在、大手製薬会社で安全なバック・トゥ・ワーク政策を支援し、大手製薬会社で平等ワクチン配布計画を策定しており、米国疾病管理センターのパンデミック予報に統合された。

関連論文リスト

• Beyond Traditional Diagnostics: Transforming Patient-Side Information into Predictive Insights with Knowledge Graphs and Prototypes [55.310195121276074]
  本稿では,病気を予測するための知識グラフ,プロトタイプ認識,解釈可能なフレームワークを提案する。 構造化された信頼された医療知識を統合された疾患知識グラフに統合し、臨床的に意味のある疾患のプロトタイプを構築し、予測精度を高めるために対照的な学習を利用する。 臨床的に有効な説明を提供し、患者の物語と密接に一致し、患者中心のヘルスケアデリバリーの実践的価値を強調している。
  論文  参考訳（メタデータ） (2025-12-09T05:37:54Z)
• Investigating Forecasting Models for Pandemic Infections Using Heterogeneous Data Sources: A 2-year Study with COVID-19 [5.442821752066412]
  本稿では,キプロスにおける新型コロナウイルスの予測に関する大規模ケーススタディを提案する。 疫学データ、ワクチン接種記録、政策措置、気象条件を統合している。 感染動向を分析し, 予測性能を評価し, 外部因子が疾患動態に及ぼす影響について検討した。
  論文  参考訳（メタデータ） (2025-07-17T10:06:43Z)
• Adaptable Cardiovascular Disease Risk Prediction from Heterogeneous Data using Large Language Models [70.64969663547703]
  AdaCVDは、英国バイオバンクから50万人以上の参加者を対象に、大規模な言語モデルに基づいて構築された適応可能なCVDリスク予測フレームワークである。 包括的かつ可変的な患者情報を柔軟に取り込み、構造化データと非構造化テキストの両方をシームレスに統合し、最小限の追加データを使用して新規患者の集団に迅速に適応する。
  論文  参考訳（メタデータ） (2025-05-30T14:42:02Z)
• MedML: Fusing Medical Knowledge and Machine Learning Models for Early Pediatric COVID-19 Hospitalization and Severity Prediction [27.352097332678213]
  我々は、新しい機械学習モデルであるMedMLを用いて、全国的な小児新型コロナウイルスデータ問題に対処する。 MedMLは600万以上の医療概念から、医療知識と妥当性スコアに基づいて最も予測可能な特徴を抽出する。 入院予測タスクは143,605名,重症度予測タスクは11,465名,重症度予測タスクは143,605名であった。
  論文  参考訳（メタデータ） (2022-07-25T15:56:14Z)
• Data-Centric Epidemic Forecasting: A Survey [56.99209141838794]
  この調査は、様々なデータ駆動の方法論および実践的進歩を掘り下げるものである。 疫学的なデータセットと,流行予測に関連する新しいデータストリームを列挙する。 また,これらの予測システムの現実的な展開において生じる経験や課題についても論じる。
  論文  参考訳（メタデータ） (2022-07-19T16:15:11Z)
• COVID-Net Biochem: An Explainability-driven Framework to Building Machine Learning Models for Predicting Survival and Kidney Injury of COVID-19 Patients from Clinical and Biochemistry Data [66.43957431843324]
  我々は、機械学習モデルを構築するための汎用的で説明可能なフレームワークであるCOVID-Net Biochemを紹介する。 この枠組みを用いて、新型コロナウイルス患者の生存率と、入院中に急性腎不全を発症する可能性を予測する。
  論文  参考訳（メタデータ） (2022-04-24T07:38:37Z)
• Adaptive Epidemic Forecasting and Community Risk Evaluation of COVID-19 [9.11149442423076]
  本稿では、公共衛生データを第3のクライアントデータとシームレスに統合し、コミュニティを再オープンするリスクを正確に見積もるフレキシブルなエンドツーエンドソリューションを提案する。 中心となるのは、トランスミッションとモビリティのトレンドを自動キャプチャする最先端の予測モデルだ。
  論文  参考訳（メタデータ） (2021-06-03T19:26:37Z)
• 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)
• 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)
• Individualized Prediction of COVID-19 Adverse outcomes with MLHO [9.197411456718708]
  我々は、反復的な特徴とアルゴリズムの選択を利用して健康状態を予測するエンドツーエンドの機械学習フレームワークを開発した。 入院前患者の健康状態と人口統計を表わす特徴として,約600点を用いた4つの有害な結果のモデル化を行った。 以上の結果から, 人口統計学的変数は, 新型コロナウイルス感染後の副作用の予測因子として重要であるが, 過去の臨床記録の組み入れは, 信頼性の高い予測モデルに欠かせないことが示唆された。
  論文  参考訳（メタデータ） (2020-08-10T02:44:52Z)
• Data-driven Simulation and Optimization for Covid-19 Exit Strategies [16.31545249131776]
  コロナウイルスSARS-2の急速な普及は、世界中のほぼ全ての政府が悲劇に対応するために徹底的な対策を講じる大きな課題である。 我々は,疫学パラメータの深層学習推定を組み合わせたパンデミックシミュレーションと予測ツールキットを構築した。
  論文  参考訳（メタデータ） (2020-06-12T11:18:25Z)
• Simulation of Covid-19 epidemic evolution: are compartmental models really predictive? [0.0]
  本稿では,無症候性および死亡個体群に富んだSIR疫学モデルが,流行の進展を確実に予測できるかどうかを論じる。 粒子群最適化(PSO)に基づく機械学習手法を提案する。 予測における散乱の分析は、モデル予測がトレーニングに使用されるデータセットのサイズに非常に敏感であり、さらにデータが必要であることを示している。
  論文  参考訳（メタデータ） (2020-04-14T08:42:11Z)
• Mapping the Landscape of Artificial Intelligence Applications against COVID-19 [59.30734371401316]
  世界保健機関(WHO)は、SARS-CoV-2ウイルスによる新型コロナウイルスの感染をパンデミックと宣言した。 我々は、機械学習と、より広範に、人工知能を用いた最近の研究の概要を、新型コロナウイルス危機の多くの側面に取り組むために提示する。
  論文  参考訳（メタデータ） (2020-03-25T12:30:33Z)

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。