論文の概要: Forecasting Hyponatremia in hospitalized patients Using Multilayer
Perceptron and Multivariate Linear Regression Techniques
- arxiv url: http://arxiv.org/abs/2007.15554v2
- Date: Tue, 4 Aug 2020 04:16:06 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-10 04:43:43.485784
- Title: Forecasting Hyponatremia in hospitalized patients Using Multilayer
Perceptron and Multivariate Linear Regression Techniques
- Title(参考訳): 多層パーセプトロンと多変量線形回帰法による入院患者の低ナトリウム血症予測
- Authors: Prasannavenkatesan Theerthagiri
- Abstract要約: 低ナトリウム血症(英: hyponatremia)は、ヒト血清中の電解質の欠乏症である。
この研究は、患者の健康問題の歴史に基づいて、未来的なナトリウム濃度を予測する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The percentage of patients hospitalized due to hyponatremia is getting
higher. Hyponatremia is the deficiency of sodium electrolyte in the human
serum. This deficiency might indulge adverse effects and also associated with
longer hospital stay or mortality, if it wasnt actively treated and managed.
This work predicts the futuristic sodium levels of patients based on their
history of health problems using multilayer perceptron and multivariate linear
regression algorithm. This work analyses the patients age, information about
other disease such as diabetes, pneumonia, liver-disease, malignancy,
pulmonary, sepsis, SIADH, and sodium level of the patient during admission to
the hospital. The results of the proposed MLP algorithm is compared with MLR
algorithm based results. The MLP prediction results generates 23-72 of higher
prediction results than MLR algorithm. Thus, proposed MLR algorithm has
produced 57.1 of reduced mean squared error rate than the MLR results on
predicting future sodium ranges of patients. Further, proposed MLR algorithm
produces 27-50 of higher prediction precision rate.
- Abstract(参考訳): 低ナトリウム血症により入院した患者の割合が増加している。
低ナトリウム血症はヒト血清中の電解質の欠乏である。
この欠損は副作用を誘発し、アクティブな治療を受けなければ長期の入院や死亡と関係がある可能性がある。
本研究は多層型パーセプトロンと多変量線形回帰アルゴリズムを用いて患者の健康問題の歴史に基づいて患者の未来的ナトリウムレベルを予測する。
本研究は, 糖尿病, 肺炎, 肝疾患, 悪性度, 肺, 敗血症, SIADH, および入院時のナトリウム濃度など, 患者の年齢, その他の疾患に関する情報を分析した。
提案するmlpアルゴリズムの結果をmlrアルゴリズムに基づく結果と比較した。
MLP予測結果は、MLRアルゴリズムよりも23-72高い予測結果を生成する。
そこで提案したMLRアルゴリズムは, 将来のナトリウム濃度範囲を予測するために, MLR結果よりも平均2乗誤差率を57.1削減した。
さらに,提案するmlrアルゴリズムでは,27~50倍高い予測精度が得られる。
関連論文リスト
- Quantifying predictive uncertainty of aphasia severity in stroke
patients with sparse heteroscedastic Bayesian high-dimensional regression [49.504432873468254]
高次元データに対する疎線型回帰法は、通常、残留物が一定の分散を持つと仮定するが、これは実際には破ることができる。
本稿では,ヘテロセダスティック分割経験的ベイズ期待条件最大化アルゴリズムを用いて,高次元ヘテロセダスティック線形回帰モデルを推定する。
論文 参考訳(メタデータ) (2023-09-15T22:06:29Z) - Ischemic Stroke Lesion Prediction using imbalanced Temporal Deep
Gaussian Process (iTDGP) [2.649401887836554]
急性虚血性脳卒中(AIS)は、動脈閉塞により突然脳への血液供給が中断されたときに起こる。
CT(Computed Tomography Perfusion)画像から抽出した3次元計測マップをしきい値として評価する現在の標準AIS評価法は十分ではない。
ベースラインガウス時系列を用いてAIS予測を改善する確率モデルであるiTDGPを提案する。
論文 参考訳(メタデータ) (2022-11-16T17:32:29Z) - Process Mining Model to Predict Mortality in Paralytic Ileus Patients [0.0]
麻痺性イレウス(PI)患者は集中治療室(ICU)に入院すると死亡リスクが高く、死亡率は40%に達する。
当科では入院24時間後のICU患者の死亡率予測におけるパフォーマンス改善について検討した。
論文 参考訳(メタデータ) (2021-08-03T03:09:13Z) - Controlling False Positive/Negative Rates for Deep-Learning-Based
Prostate Cancer Detection on Multiparametric MR images [58.85481248101611]
そこで本研究では,病変からスライスまでのマッピング機能に基づく,病変レベルのコスト感受性損失と付加的なスライスレベルの損失を組み込んだ新しいPCa検出ネットワークを提案する。
1) 病変レベルFNRを0.19から0.10に, 病変レベルFPRを1.03から0.66に減らした。
論文 参考訳(メタデータ) (2021-06-04T09:51:27Z) - Comparative Analysis of Machine Learning Approaches to Analyze and
Predict the Covid-19 Outbreak [10.307715136465056]
疫学領域における新型コロナウイルスの流行を予測するための機械学習(ML)アプローチの比較分析を行った。
これらの結果から,短期的政策の意思決定を支援するMLアルゴリズムの利点が明らかになった。
論文 参考訳(メタデータ) (2021-02-11T11:57:33Z) - Bayesian prognostic covariate adjustment [59.75318183140857]
疾患の結果に関する歴史的データは、様々な方法で臨床試験の分析に組み込むことができる。
我々は, 予測モデルからの予後スコアを用いて, 治療効果推定の効率を向上する既存の文献に基づいて構築する。
論文 参考訳(メタデータ) (2020-12-24T05:19:03Z) - Increasing the efficiency of randomized trial estimates via linear
adjustment for a prognostic score [59.75318183140857]
ランダム化実験による因果効果の推定は臨床研究の中心である。
歴史的借用法のほとんどは、厳格なタイプiエラー率制御を犠牲にして分散の削減を達成する。
論文 参考訳(メタデータ) (2020-12-17T21:10:10Z) - UNITE: Uncertainty-based Health Risk Prediction Leveraging Multi-sourced
Data [81.00385374948125]
我々はUNcertaInTyベースのhEalth Risk Prediction(UNITE)モデルを提案する。
UNITEは、複数ソースの健康データを活用した正確な疾患リスク予測と不確実性推定を提供する。
非アルコール性脂肪肝疾患(NASH)とアルツハイマー病(AD)の実態予測タスクにおけるUNITEの評価を行った。
UNITEはAD検出のF1スコアで最大0.841点、NASH検出のPR-AUCで最大0.609点を達成し、最高のベースラインで最大19%の高パフォーマンスを達成している。
論文 参考訳(メタデータ) (2020-10-22T02:28:11Z) - Parkland Trauma Index of Mortality (PTIM): Real-time Predictive Model
for PolyTrauma Patients [0.0]
Parkland Trauma Index of Mortality (PTIM)は、電子カルテ(EMR)データを用いて死亡率を予測する機械学習アルゴリズムである。
モデルは毎時更新され、外傷に対する患者の生理的反応とともに進化する。
入院早期のポリトラウマ患者の臨床的意思決定に有用なツールかもしれない。
論文 参考訳(メタデータ) (2020-10-07T20:34:03Z) - 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) - Novel Radiomic Feature for Survival Prediction of Lung Cancer Patients
using Low-Dose CBCT Images [3.510687032586989]
腫瘍の異種性を考慮した生存予測モデルを提案する。
画像中のX線密度に関する情報とGTV(Grog tumor volume)の併用により腫瘍の均一性を測定する。
本稿では,GTV を用いた既存モデルと比較して生存率の予測を改良する,GTV 内腫瘍マス(TMG)と呼ばれる新機能を提案する。
論文 参考訳(メタデータ) (2020-03-07T08:47:26Z)
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。