論文の概要: An early warning tool for predicting mortality risk of COVID-19 patients using machine learning

• arxiv url: http://arxiv.org/abs/2007.15559v1
• Date: Wed, 29 Jul 2020 15:16:09 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-05 21:01:59.924302
• Title: An early warning tool for predicting mortality risk of COVID-19 patients using machine learning
• Title（参考訳）: 機械学習を用いたcovid-19患者の死亡リスク予測のための早期警告ツール
• Authors: Muhammad E. H. Chowdhury, Tawsifur Rahman, Amith Khandakar, Somaya Al-Madeed, Susu M. Zughaier, Suhail A. R. Doi, Hanadi Hassen, Mohammad T. Islam
• Abstract要約: 2020年1月10日から2月18日にかけて、東寺病院(中国)に入院した375人の新型コロナウイルス陽性患者を対象に、振り返り調査を行った。 新型コロナウイルス患者の死亡リスクを予測するため,ノモグラムが開発された。 総合スコア(LNLCA)を対応する死亡確率で算出した。
• 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: COVID-19 pandemic has created an extreme pressure on the global healthcare services. Fast, reliable and early clinical assessment of the severity of the disease can help in allocating and prioritizing resources to reduce mortality. In order to study the important blood biomarkers for predicting disease mortality, a retrospective study was conducted on 375 COVID-19 positive patients admitted to Tongji Hospital (China) from January 10 to February 18, 2020. Demographic and clinical characteristics, and patient outcomes were investigated using machine learning tools to identify key biomarkers to predict the mortality of individual patient. A nomogram was developed for predicting the mortality risk among COVID-19 patients. Lactate dehydrogenase, neutrophils (%), lymphocyte (%), high sensitive C-reactive protein, and age - acquired at hospital admission were identified as key predictors of death by multi-tree XGBoost model. The area under curve (AUC) of the nomogram for the derivation and validation cohort were 0.961 and 0.991, respectively. An integrated score (LNLCA) was calculated with the corresponding death probability. COVID-19 patients were divided into three subgroups: low-, moderate- and high-risk groups using LNLCA cut-off values of 10.4 and 12.65 with the death probability less than 5%, 5% to 50%, and above 50%, respectively. The prognostic model, nomogram and LNLCA score can help in early detection of high mortality risk of COVID-19 patients, which will help doctors to improve the management of patient stratification.
• Abstract（参考訳）: 新型コロナウイルス(COVID-19)のパンデミックは、世界の医療サービスに極端な圧力を与えている。 迅速かつ信頼性の高い早期臨床評価は、死亡率を減らすために資源を割り当て、優先順位付けするのに役立つ。 本研究は,2020年1月10日から2月18日にかけて,東寺病院(中国)に入院した375人の新型コロナウイルス陽性患者を対象に実施した。 患者の死亡を予測するための重要なバイオマーカーを機械学習ツールを用いて, デモグラフィー的, 臨床的特徴, および患者成績について検討した。 新型コロナウイルス患者の死亡リスクを予測するノモグラムを開発した。 入院時に得られた乳酸脱水素酵素,好中球 (%), リンパ球 (%), 高感度C-反応性蛋白, 年齢を, マルチツリーXGBoostモデルによる死の予測因子として同定した。 導出用ノモグラムの曲線下領域 (auc) はそれぞれ0.961および0.991であった。 総合スコア(LNLCA)を対応する死亡確率で算出した。 低リスク群,中リスク群,高リスク群,lnlcaカットオフ値10.4名,12.65名,死亡確率5%未満,5%から50%以下,50%以上に分けた。 予後モデル、ノモグラム、lnlcaスコアは、新型コロナウイルス患者の高い死亡リスクを早期に検出するのに役立つ。

関連論文リスト

• Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
  近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。 そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
  論文  参考訳（メタデータ） (2024-04-26T16:39:50Z)
• Detection of subclinical atherosclerosis by image-based deep learning on chest x-ray [86.38767955626179]
  460胸部X線で冠状動脈カルシウム(CAC)スコアを予測する深層学習アルゴリズムを開発した。 AICACモデルの診断精度は, 曲線下領域(AUC)で評価された。
  論文  参考訳（メタデータ） (2024-03-27T16:56:14Z)
• Detection of Risk Predictors of COVID-19 Mortality with Classifier Machine Learning Models Operated with Routine Laboratory Biomarkers [0.0]
  研究データセットは、2021年8月から12月にかけて、2597人の患者(n = 233)が死亡し、COVID-19から回復した(n = 2364)38人の血液値からなる。 プロカルシトニンと最も効率的な二成分結合は、D-二量体、ESR、D.Bil、フェリチンで得られた。 単一の特徴を持つHGBモデルでは、最も効率的な特徴はプロカルシトニン(F12 = 0.96)とフェリチン(F12 = 0.91)である。
  論文  参考訳（メタデータ） (2022-10-22T04:06:43Z)
• BIO-CXRNET: A Robust Multimodal Stacking Machine Learning Technique for Mortality Risk Prediction of COVID-19 Patients using Chest X-Ray Images and Clinical Data [0.0]
  本研究は、イタリアで入院した930人の新型コロナウイルス患者のリスクを予測するために、25のバイオマーカーとCXR画像を用いている。 提案手法は精度、感度、F1スコアをそれぞれ89.03%、90.44%、89.03%とした。 ノモグラムに基づく採点法では、F1スコア92.88 %の高リスク患者の死亡確率を予測することができた。
  論文  参考訳（メタデータ） (2022-06-15T15:23:43Z)
• 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)
• 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)
• Real-time Prediction of COVID-19 related Mortality using Electronic Health Records [30.892335739985526]
  新型コロナウイルス早期警戒システム(CovEWS)は、新型コロナウイルス関連死亡リスクを評価する臨床リスクスコアシステムである。 CovEWSは、臨床的に有意な予測パフォーマンスを持つ個々の患者に対して、前もって192時間(8日)まで、継続的なリアルタイムリスクスコアを提供する。
  論文  参考訳（メタデータ） (2020-08-31T08:07:27Z)
• 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)
• Do not forget interaction: Predicting fatality of COVID-19 patients using logistic regression [20.591050444038714]
  我々は、新型コロナウイルス患者の死亡率を予測するために、ロジスティック回帰に基づく説明可能な、直感的で正確な機械学習モデルを報告した。 その結果,ロジスティック回帰モデルによる死亡確率が0.8以上であった場合,最大34.91日で平均11.30日以上の死亡率を予測できた。 新型コロナウイルスのリスクが高い患者を3人のバイオマーカーで識別し、世界中の医療機関がこのパンデミックの中で重要な医療資源を計画するのに役立つ。
  論文  参考訳（メタデータ） (2020-06-30T16:28:41Z)
• Joint Prediction and Time Estimation of COVID-19 Developing Severe Symptoms using Chest CT Scan [49.209225484926634]
  術後に重篤な症状を発症するかどうかを判定するための共同分類法と回帰法を提案する。 提案手法は,各試料の重量を考慮し,外乱の影響を低減し,不均衡な分類の問題を検討する。 提案手法では, 重症症例の予測精度76.97%, 相関係数0.524, 変換時間0.55日差が得られた。
  論文  参考訳（メタデータ） (2020-05-07T12:16:37Z)

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。