論文の概要: Machine Learning and Meta-Analysis Approach to Identify Patient
Comorbidities and Symptoms that Increased Risk of Mortality in COVID-19
- arxiv url: http://arxiv.org/abs/2008.12683v1
- Date: Fri, 21 Aug 2020 12:31:54 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-26 22:31:51.917053
- Title: Machine Learning and Meta-Analysis Approach to Identify Patient
Comorbidities and Symptoms that Increased Risk of Mortality in COVID-19
- Title（参考訳）: 機械学習とメタアナリシスによるcovid-19の死亡リスクを高める患者のコンモビディティーと症状の同定
- Authors: Sakifa Aktar, Ashis Talukder, Md. Martuza Ahamad, A. H. M. Kamal,
Jahidur Rahman Khan, Md. Protikuzzaman, Nasif Hossain, Julian M.W. Quinn,
Mathew A. Summers, Teng Liaw, Valsamma Eapen, Mohammad Ali Moni
- Abstract要約: 感染者の多くは、症状の重症度と死亡リスクを高めるために、新型コロナウイルスと相互作用する既往の状態を持っている。
我々は、公表されたグローバル文献のメタ分析と、集約されたCOVID-19グローバルデータセットを用いた機械学習予測分析を行った。
結果: 慢性閉塞性肺疾患 (COPD) , 脳血管疾患 (CEVD) , 心血管疾患 (CVD) , 2型糖尿病, 悪性度, 高血圧を, COVID-19重症度に最も有意な関連が認められた。
- 参考スコア（独自算出の注目度）: 1.221966660783828
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Background: Providing appropriate care for people suffering from COVID-19,
the disease caused by the pandemic SARS-CoV-2 virus is a significant global
challenge. Many individuals who become infected have pre-existing conditions
that may interact with COVID-19 to increase symptom severity and mortality
risk. COVID-19 patient comorbidities are likely to be informative about
individual risk of severe illness and mortality. Accurately determining how
comorbidities are associated with severe symptoms and mortality would thus
greatly assist in COVID-19 care planning and provision.
Methods: To assess the interaction of patient comorbidities with COVID-19
severity and mortality we performed a meta-analysis of the published global
literature, and machine learning predictive analysis using an aggregated
COVID-19 global dataset.
Results: Our meta-analysis identified chronic obstructive pulmonary disease
(COPD), cerebrovascular disease (CEVD), cardiovascular disease (CVD), type 2
diabetes, malignancy, and hypertension as most significantly associated with
COVID-19 severity in the current published literature. Machine learning
classification using novel aggregated cohort data similarly found COPD, CVD,
CKD, type 2 diabetes, malignancy and hypertension, as well as asthma, as the
most significant features for classifying those deceased versus those who
survived COVID-19. While age and gender were the most significant predictor of
mortality, in terms of symptom-comorbidity combinations, it was observed that
Pneumonia-Hypertension, Pneumonia-Diabetes and Acute Respiratory Distress
Syndrome (ARDS)-Hypertension showed the most significant effects on COVID-19
mortality.
Conclusions: These results highlight patient cohorts most at risk of COVID-19
related severe morbidity and mortality which have implications for
prioritization of hospital resources.
- Abstract（参考訳）: 背景:COVID-19に苦しむ人々の適切なケアを提供することで、SARS-CoV-2ウイルスによる病気は、世界的な大きな課題となっている。
感染者の多くは、症状の重症度と死亡リスクを高めるために、新型コロナウイルスと相互作用する既往の状態を持っている。
新型コロナウイルス(COVID-19)の患者は、重篤な病気や死亡のリスクについて情報を持っている可能性が高い。
重篤な症状や死亡率とどのように関連しているかを正確に判断することは、新型コロナウイルスのケアの計画と準備に大いに役立つだろう。
方法: 新型コロナウイルスの重症度と死亡率との相互作用を評価するため, 公表されたグローバル文献のメタ分析を行い, 集計されたCOVID-19グローバルデータセットを用いた機械学習予測分析を行った。
結果】慢性閉塞性肺疾患 (COPD) , 脳血管疾患 (CEVD) , 心血管疾患 (CVD) , 2型糖尿病, 悪性度, 高血圧が, 慢性閉塞性肺疾患 (COPD) に最も関連していると考えられた。
copd, cvd, ckd, 2型糖尿病, 悪性度, 高血圧, 喘息などの新しいコホートデータを用いた機械学習分類は, 死亡者とcovid-19生存者の分類において最も重要な特徴である。
年齢と性別は死亡の最も重要な予測因子であったが, 症状・共同性の組み合わせでは, 肺炎・高血圧, 肺炎・ダイアベテス, 急性呼吸障害症候群 (ARDS) が最も有意な影響を示した。
結論: 本研究は, 病院資源の優先順位付けに寄与する重篤な病状と死亡のリスクが最も高い患者コホートを浮き彫りにしている。
関連論文リスト
- At-Admission Prediction of Mortality and Pulmonary Embolism in COVID-19
Patients Using Statistical and Machine Learning Methods: An International
Cohort Study [0.0]
新型コロナウイルス患者の肺塞栓症予測ツールの開発は極めて重要である。
本稿では,PEの発生と入場時の死亡を予測する機械学習モデルを提案する。
論文 参考訳（メタデータ） (2023-05-18T14:55:27Z) - 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) - COVID-Net CT-S: 3D Convolutional Neural Network Architectures for
COVID-19 Severity Assessment using Chest CT Images [85.00197722241262]
我々は、新型コロナウイルス感染による肺疾患の重症度を予測するための深層畳み込みニューラルネットワークであるCOVID-Net CT-Sを紹介した。
3D残像設計を利用して、新型コロナウイルスの肺疾患の重症度を特徴付ける容積的視覚指標を学習する。
論文 参考訳（メタデータ） (2021-05-04T04:44:41Z) - 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) - COVIDx-US -- An open-access benchmark dataset of ultrasound imaging data
for AI-driven COVID-19 analytics [116.6248556979572]
COVIDx-USは、新型コロナウイルス関連超音波画像データのオープンアクセスベンチマークデータセットです。
肺超音波93本と,SARS-CoV-2肺炎,非SARS-CoV-2肺炎,健康管理症例10,774本からなる。
論文 参考訳（メタデータ） (2021-03-18T03:31:33Z) - 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) - An early warning tool for predicting mortality risk of COVID-19 patients
using machine learning [0.0]
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。
論文 参考訳（メタデータ） (2020-07-29T15:16:09Z) - Understanding the temporal evolution of COVID-19 research through
machine learning and natural language processing [66.63200823918429]
重症急性呼吸器症候群2号(SARS-CoV-2)による新型コロナウイルス感染症(COVID-19)の流行は、世界中の人々の生活や社会に影響を与え続けている。
私たちは複数のデータソース、すなわちPubMedとArXivを使用し、現在のCOVID-19研究の風景を特徴づけるために、いくつかの機械学習モデルを構築しました。
調査の結果,PubMedとArXivで利用可能な研究の種類は異なることが確認された。
論文 参考訳（メタデータ） (2020-07-22T18:02:39Z) - 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) - Predicting Mortality Risk in Viral and Unspecified Pneumonia to Assist
Clinicians with COVID-19 ECMO Planning [26.25177784899079]
新型コロナウイルス(COVID-19)による呼吸器合併症は、2020年に数万人が命を落とした。
重症急性呼吸症候群 (SARS-CoV-2) からウイルス性肺炎から急性呼吸不全症候群 (ARDS) へとエスカレートした症例が多い。
体外膜酸素療法(Extracorporeal membranous oxygenation, ECMO)は、重症心身障害患者に対する持続的酸素・換気療法である。
論文 参考訳（メタデータ） (2020-06-02T19:30:29Z) - 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。