論文の概要: Segmentation analysis and the recovery of queuing parameters via the
Wasserstein distance: a study of administrative data for patients with
chronic obstructive pulmonary disease
- arxiv url: http://arxiv.org/abs/2008.04295v3
- Date: Fri, 14 Aug 2020 11:43:00 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-31 23:23:44.750453
- Title: Segmentation analysis and the recovery of queuing parameters via the
Wasserstein distance: a study of administrative data for patients with
chronic obstructive pulmonary disease
- Title（参考訳）: ワッサースタイン距離による分節解析とキューパラメータの回復 : 慢性閉塞性肺疾患患者の管理データの検討
- Authors: Henry Wilde and Vincent Knight and Jonathan Gillard and Kendal Smith
- Abstract要約: この研究は、慢性閉塞性肺疾患(COPD)患者のリソース要求がどのように変化するかを分析するために、データ駆動型アプローチを用いている。
これは、セグメント化、運用キューイング理論、不完全データからのパラメータの回復という、しばしば異なる分析様式の新たな組み合わせで構成されている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This work uses a data-driven approach to analyse how the resource
requirements of patients with chronic obstructive pulmonary disease (COPD) may
change, quantifying how those changes impact the hospital system with which the
patients interact. This approach is composed of a novel combination of often
distinct modes of analysis: segmentation, operational queuing theory, and the
recovery of parameters from incomplete data. By combining these methods as
presented here, this work demonstrates that potential limitations around the
availability of fine-grained data can be overcome. Thus, finding useful
operational results despite using only administrative data. The paper begins by
finding a useful clustering of the population from this granular data that
feeds into a multi-class M/M/c model, whose parameters are recovered from the
data via parameterisation and the Wasserstein distance. This model is then used
to conduct an informative analysis of the underlying queuing system and the
needs of the population under study through several what-if scenarios. The
analyses used to form and study this model consider, in effect, all types of
patient arrivals and how those types impact the system. With that, this study
finds that there are no quick solutions to reduce the impact of COPD patients
on the system, including adding capacity to the system. In this analysis, the
only effective intervention to reduce the strain caused by those presenting
with COPD is to enact external policies which directly improve the overall
health of the COPD population before they arrive at the hospital.
- Abstract（参考訳）: この研究は、慢性閉塞性肺疾患(COPD)患者のリソース要求がどのように変化するかをデータ駆動で分析し、それらの変化が患者が相互作用する病院システムに与える影響を定量化する。
このアプローチは、セグメンテーション、運用キュー理論、不完全データからのパラメータの回復という、しばしば異なる分析様式の新たな組み合わせで構成されている。
これらの手法を組み合わせることで,細粒度データの可用性に関する潜在的な制限を克服できることを実証する。
したがって、管理データのみを使用しながらも、有用な運用結果を見つける。
論文は、パラメータ化とワッサーシュタイン距離を通じてデータからパラメータを回収するマルチクラスM/M/cモデルにフィードするこの粒度のデータから、人口の有用なクラスタリングを見つけることから始まる。
このモデルを用いて、基礎となるキューシステムと、研究中の人口のニーズについて、いくつかのシナリオを通して情報分析を行う。
このモデルの形成と研究に使われた分析は、事実上、あらゆる種類の患者が到着し、それらのタイプがシステムに与える影響を考察している。
そこで本研究では, COPD患者がシステムに与える影響を減らし, システムにキャパシティを付加するなど, 迅速な解決方法がないことがわかった。
本分析では, COPD提示者によるストレスを軽減するための効果的な介入は, 病院に着く前に, COPD人口の健康を直接的に改善する外部政策を実施することである。
関連論文リスト
- Enhancing Readmission Prediction with Deep Learning: Extracting Biomedical Concepts from Clinical Texts [0.26813152817733554]
本研究は,30日以内の患者の寛解をテキストマイニング技術を用いて予測することに焦点を当てた。
この目的のために分類モデルを開発するために,様々な機械学習および深層学習手法が用いられた。
論文 参考訳（メタデータ） (2024-03-12T09:03:44Z) - MedDiffusion: Boosting Health Risk Prediction via Diffusion-based Data
Augmentation [58.93221876843639]
本稿では,MedDiffusion という,エンドツーエンドの拡散に基づくリスク予測モデルを提案する。
トレーニング中に合成患者データを作成し、サンプルスペースを拡大することで、リスク予測性能を向上させる。
ステップワイズ・アテンション・メカニズムを用いて患者の来訪者間の隠れた関係を識別し、高品質なデータを生成する上で最も重要な情報をモデルが自動的に保持することを可能にする。
論文 参考訳（メタデータ） (2023-10-04T01:36:30Z) - Enabling scalable clinical interpretation of ML-based phenotypes using
real world data [0.0]
本研究では,大規模なERHデータセットを用いて患者層化分析を行う手法について検討した。
本研究は, 患者層分類結果の臨床的評価と解釈を容易にするためのいくつかのツールを開発した。
論文 参考訳（メタデータ） (2022-08-02T17:31:03Z) - Survival Analysis for Idiopathic Pulmonary Fibrosis using CT Images and
Incomplete Clinical Data [17.162038700963418]
特発性肺線維症(IPF)は線維性肺疾患である。
肺のCTスキャンはIPF患者の臨床的評価を通知し、疾患の進行に関する関連する情報を含む。
臨床および画像データを用いたIPF患者の生存率を予測するために,ニューラルネットワークとメモリバンクを用いたマルチモーダル手法を提案する。
論文 参考訳（メタデータ） (2022-03-21T23:48:47Z) - Enhancing Causal Estimation through Unlabeled Offline Data [7.305019142196583]
患者の診断と治療に強い影響を及ぼす未測定の生理的変数について検討したい。
集中的なオフライン情報は、現在の患者と部分的に関係のある以前の患者についてのみ利用可能である。
提案手法は3段階からなる: (i) 非因果推定器と因果推定器の両方を作成するために、豊富なオフラインデータを使用する。
オフラインデータが新しい観測に部分的にのみ関係している状況において、この手法が(医療的でない)実世界のタスクに対して有効であることを示す。
論文 参考訳（メタデータ） (2022-02-16T07:02:42Z) - Adversarial Sample Enhanced Domain Adaptation: A Case Study on
Predictive Modeling with Electronic Health Records [57.75125067744978]
ドメイン適応を容易にするデータ拡張手法を提案する。
逆生成したサンプルはドメイン適応時に使用される。
その結果,本手法の有効性とタスクの一般性が確認された。
論文 参考訳（メタデータ） (2021-01-13T03:20:20Z) - Longitudinal modeling of MS patient trajectories improves predictions of
disability progression [2.117653457384462]
本研究は, 実世界の患者データから情報を最適に抽出する作業に対処する。
本研究では,患者軌跡モデリングに適した機械学習手法を用いることで,患者の障害進行を2年間の地平線で予測できることを示す。
文献で利用可能なモデルと比較して、この研究はMS病の進行予測に最も完全な患者履歴を使用する。
論文 参考訳（メタデータ） (2020-11-09T20:48:00Z) - Learning-based Computer-aided Prescription Model for Parkinson's
Disease: A Data-driven Perspective [61.70045118068213]
我々は、PD患者の症状と、神経科医が提供した処方薬を収集し、データセットを構築した。
そこで我々は、観察された症状と処方薬との関係を学習し、新しいコンピュータ支援処方薬モデルを構築した。
新来の患者に対しては、処方薬モデルにより、観察された症状に対して適切な処方薬を推奨できる(予測)。
論文 参考訳（メタデータ） (2020-07-31T14:34:35Z) - 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) - Hemogram Data as a Tool for Decision-making in COVID-19 Management:
Applications to Resource Scarcity Scenarios [62.997667081978825]
新型コロナウイルス(COVID-19)のパンデミックは世界中の緊急対応システムに挑戦している。
本研究は, 症状患者の血液検査データから得られた機械学習モデルについて述べる。
提案されたモデルでは、新型コロナウイルスqRT-PCRの結果を、高い精度、感度、特異性で症状のある個人に予測することができる。
論文 参考訳（メタデータ） (2020-05-10T01:45:03Z) - Predictive Modeling of ICU Healthcare-Associated Infections from
Imbalanced Data. Using Ensembles and a Clustering-Based Undersampling
Approach [55.41644538483948]
本研究は,集中治療室における危険因子の同定と医療関連感染症の予測に焦点をあてる。
感染発生率の低減に向けた意思決定を支援することを目的とする。
論文 参考訳（メタデータ） (2020-05-07T16:13:12Z)
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。