論文の概要: Real-time Prediction of COVID-19 related Mortality using Electronic
Health Records
- arxiv url: http://arxiv.org/abs/2008.13412v1
- Date: Mon, 31 Aug 2020 08:07:27 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-23 07:44:45.536658
- Title: Real-time Prediction of COVID-19 related Mortality using Electronic
Health Records
- Title（参考訳）: 電子カルテを用いたCOVID-19関連死亡率のリアルタイム予測
- Authors: Patrick Schwab, Arash Mehrjou, Sonali Parbhoo, Leo Anthony Celi,
J\"urgen Hetzel, Markus Hofer, Bernhard Sch\"olkopf, Stefan Bauer
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 30.892335739985526
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Coronavirus Disease 2019 (COVID-19) is an emerging respiratory disease caused
by the severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) with rapid
human-to-human transmission and a high case fatality rate particularly in older
patients. Due to the exponential growth of infections, many healthcare systems
across the world are under pressure to care for increasing amounts of at-risk
patients. Given the high number of infected patients, identifying patients with
the highest mortality risk early is critical to enable effective intervention
and optimal prioritisation of care. Here, we present the COVID-19 Early Warning
System (CovEWS), a clinical risk scoring system for assessing COVID-19 related
mortality risk. CovEWS provides continuous real-time risk scores for individual
patients with clinically meaningful predictive performance up to 192 hours (8
days) in advance, and is automatically derived from patients' electronic health
records (EHRs) using machine learning. We trained and evaluated CovEWS using
de-identified data from a cohort of 66430 COVID-19 positive patients seen at
over 69 healthcare institutions in the United States (US), Australia, Malaysia
and India amounting to an aggregated total of over 2863 years of patient
observation time. On an external test cohort of 5005 patients, CovEWS predicts
COVID-19 related mortality from $78.8\%$ ($95\%$ confidence interval [CI]:
$76.0$, $84.7\%$) to $69.4\%$ ($95\%$ CI: $57.6, 75.2\%$) specificity at a
sensitivity greater than $95\%$ between respectively 1 and 192 hours prior to
observed mortality events - significantly outperforming existing generic and
COVID-19 specific clinical risk scores. CovEWS could enable clinicians to
intervene at an earlier stage, and may therefore help in preventing or
mitigating COVID-19 related mortality.
- Abstract（参考訳）: コロナウイルス病2019(Coronavirus Disease 2019、COVID-19)は、重症急性呼吸器症候群ウイルス(SARS-CoV-2)によって引き起こされる新興の呼吸器疾患である。
感染の急増により、世界中の多くの医療機関が、リスクの高い患者の増加に配慮するよう圧力をかけられている。
感染者の数が多ければ、最も死亡リスクの高い患者を早期に特定することは、効果的な介入とケアの最適な優先順位付けを可能にするために重要である。
本稿では,covid-19関連死亡リスク評価のための臨床リスクスコアシステムであるcovid-19 early warning system(covews)を提案する。
CovEWSは、臨床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、事前に192時間(8日)まで連続的なリアルタイムリスクスコアを提供し、機械学習を用いて患者の電子健康記録(EHR)から自動的に抽出される。
米国(米国)、オーストラリア、マレーシア、インドの69の医療機関で観察された66430人の新型コロナウイルス陽性患者のコホートから、2863年以上の患者観察期間の合計データを用いて、CovEWSを訓練し、評価した。
5005人の患者の外部テストコホートでは、covewsはcovid-19関連死亡率を79.8\%$ (95\%$ confidence interval [ci]: 76.0$, 84.7\%$)から69.4\%$ (95\%$ ci: $57.6, 75.2\%$)まで予測している。
covewsは臨床医の早期介入を可能にし、covid-19関連死亡の予防や緩和に寄与する可能性がある。
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) - COVID-Net CXR-S: Deep Convolutional Neural Network for Severity
Assessment of COVID-19 Cases from Chest X-ray Images [74.77272804752306]
胸部CXR画像に基づくSARS-CoV-2陽性患者の空間重症度を予測する畳み込みニューラルネットワークであるCOVID-Net CXR-Sについて紹介する。
患者15,000人以上の多国籍コホートから得られた16,000以上のCXR画像から得られた表現的知識を,重症度評価のためのカスタムネットワークアーキテクチャへ伝達する。
提案したCXR-Sは、新型コロナウイルス陽性患者のCXR画像のコンピュータ支援による重症度評価のための強力なツールとなる可能性がある。
論文 参考訳（メタデータ） (2021-05-01T14:15:12Z) - 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) - Machine Learning and Meta-Analysis Approach to Identify Patient
Comorbidities and Symptoms that Increased Risk of Mortality in COVID-19 [1.221966660783828]
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。
論文 参考訳（メタデータ） (2020-08-21T12:31:54Z) - 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) - 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) - Remote health monitoring and diagnosis in the time of COVID-19 [51.01158603315544]
コロナウイルス(COVID-19)は重症急性呼吸器症候群ウイルス(SARS-CoV-2)によって引き起こされる
パンデミックは、遠隔医療サービスを提供するための新しいルートを革新し、拡張し、創り出すインセンティブを駆り立ててきた。
論文 参考訳（メタデータ） (2020-05-18T08:54:38Z) - Clinical Predictive Models for COVID-19: Systematic Study [23.62256555920893]
コロナウイルス病2019(COVID-19)は、重症急性呼吸器症候群ウイルス2(SARS-CoV-2)による急激な呼吸器疾患である。
SARS-CoV-2の迅速な人対人感染のため、多くの医療システムは医療能力を超えるリスクがある。
予測アルゴリズムは、正のSARS-CoV-2テストを受ける可能性が最も高い人を入院またはICUに入院または入院させることで、この歪みを緩和する可能性がある。
論文 参考訳（メタデータ） (2020-05-17T17:10:39Z) - Dual-Sampling Attention Network for Diagnosis of COVID-19 from Community
Acquired Pneumonia [46.521323145636906]
胸部CT(Central Computed Tomography)において,地域肺炎(CAP)からCOVID-19を自動診断するデュアルサンプリングアテンションネットワークを開発した。
特に,3D畳み込みネットワーク(CNN)を用いた新しいオンラインアテンションモジュールを提案する。
我々のアルゴリズムは、受信機動作特性曲線(AUC)値0.944、精度87.5%、感度86.9%、特異度90.1%、F1スコア82.0%の領域で、COVID-19画像を識別することができる。
論文 参考訳（メタデータ） (2020-05-06T09:56:51Z)
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。