論文の概要: Public Health Informatics: Proposing Causal Sequence of Death Using Neural Machine Translation

• arxiv url: http://arxiv.org/abs/2009.10318v2
• Date: Tue, 9 Mar 2021 19:43:37 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-15 21:40:19.998338
• Title: Public Health Informatics: Proposing Causal Sequence of Death Using Neural Machine Translation
• Title（参考訳）: 公衆衛生情報学 : ニューラルマシン翻訳による死の因果配列の提案
• Authors: Yuanda Zhu, Ying Sha, Hang Wu, Mai Li, Ryan A. Hoffman and May D. Wang
• Abstract要約: 不正確な死亡報告は公衆衛生政策の過ちにつながる可能性がある。 我々は、死に至る臨床症状の慢性的な順序を決定するための高度なAIアプローチを提案する。 我々は死の因果関係を提唱する上での3つの課題を特定する。
• 参考スコア（独自算出の注目度）: 9.209465540760684
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Each year there are nearly 57 million deaths around the world, with over 2.7 million in the United States. Timely, accurate and complete death reporting is critical in public health, as institutions and government agencies rely on death reports to analyze vital statistics and to formulate responses to communicable diseases. Inaccurate death reporting may result in potential misdirection of public health policies. Determining the causes of death is, nevertheless, challenging even for experienced physicians. To facilitate physicians in accurately reporting causes of death, we present an advanced AI approach to determine a chronically ordered sequence of clinical conditions that lead to death, based on decedent's last hospital discharge record. The sequence of clinical codes on the death report is named as causal chain of death, coded in the tenth revision of International Statistical Classification of Diseases (ICD-10); in line with the ICD-9-CM Official Guidelines for Coding and Reporting, the priority-ordered clinical conditions on the discharge record are coded in ICD-9. We identify three challenges in proposing the causal chain of death: two versions of coding system in clinical codes, medical domain knowledge conflict, and data interoperability. To overcome the first challenge in this sequence-to-sequence problem, we apply neural machine translation models to generate target sequence. Along with three accuracy metrics, we evaluate the quality of generated sequences with the BLEU (BiLingual Evaluation Understudy) score and achieve 16.04 out of 100. To address the second challenge, we incorporate expert-verified medical domain knowledge as constraint in generating output sequence to exclude infeasible causal chains. Lastly, we demonstrate the usability of our work in a Fast Healthcare Interoperability Resources (FHIR) interface to address the third challenge.
• Abstract（参考訳）: 毎年、全世界で5700万人近くが死亡し、米国では270万人以上が死亡している。 タイムリーで正確で完全な死亡報告は公衆衛生にとって重要であり、機関や政府機関は死亡報告に頼って重要な統計を分析し、伝染病に対する反応を定式化している。 不正確な死亡報告は公衆衛生政策の過ちにつながる可能性がある。 死因を決定することは、経験豊富な医師にとっても困難である。 死亡原因を正確に報告するために,先天者の退院記録に基づき,死亡につながる慢性的に順序づけられた臨床症状の系列を決定するための高度なaiアプローチを提案する。 第10回国際疾病統計分類改正第10版(icd-10)に記載された死亡原因連鎖(causal chain of death)と命名され、icd-9-cmのコーディングと報告に関する公式ガイドラインに従って、退院記録上の優先順序された臨床状態がicd-9でコード化されている。 我々は、死因の因果関係を提案する上での3つの課題を、臨床コードにおけるコーディングシステムの2つのバージョン、医療領域の知識の衝突、データ相互運用性の3つに識別する。 このシーケンス対シーケンス問題における最初の課題を克服するために、ニューラルネットワーク翻訳モデルを適用し、ターゲットシーケンスを生成する。 3つの精度指標とともに、BLEU(BiLingual Evaluation Understudy)スコアを用いて生成シーケンスの品質を評価し、100点中16.04点を達成する。 第2の課題に対処するために,専門家が検証した医学領域の知識を,実行不能な因果連鎖を排除する出力シーケンス生成の制約として取り入れる。 最後に、第3の課題に対処するために、FHIR(Fast Healthcare Interoperability Resources)インターフェースで作業のユーザビリティを示します。

関連論文リスト

• TrialBench: Multi-Modal Artificial Intelligence-Ready Clinical Trial Datasets [57.067409211231244]
  本稿では,マルチモーダルデータ(例えば,薬物分子,疾患コード,テキスト,分類・数値的特徴)と臨床治験設計における8つの重要な予測課題をカバーするAIreadyデータセットを精巧にキュレートした。 データセットのユーザビリティと信頼性を確保するため、各タスクに基本的な検証方法を提供する。 このようなオープンアクセスデータセットが利用可能になることは、臨床試験設計のための高度なAIアプローチの開発を促進することを期待する。
  論文  参考訳（メタデータ） (2024-06-30T09:13:10Z)
• XAI for In-hospital Mortality Prediction via Multimodal ICU Data [57.73357047856416]
  マルチモーダルICUデータを用いて病院内死亡率を予測するための,効率的で説明可能なAIソリューションを提案する。 我々は,臨床データから異種入力を受信し,意思決定を行うマルチモーダル・ラーニングを我々のフレームワークに導入する。 我々の枠組みは、医療研究において重要な要素の発見を容易にする他の臨床課題に容易に移行することができる。
  論文  参考訳（メタデータ） (2023-12-29T14:28:04Z)
• MixEHR-SurG: a joint proportional hazard and guided topic model for inferring mortality-associated topics from electronic health records [18.87817671852005]
  ヘテロジニアスEHRデータとモデル生存ハザードを同時に統合するために、MixEHR-SurGと呼ばれる教師付きトピックモデルを提案する。 これにより、患者死亡に関連するPheCode固有の表現型トピックを推測できる、高度に解釈可能なサバイバルトピックモデルが導かれる。
  論文  参考訳（メタデータ） (2023-12-20T22:13:45Z)
• Consensus of state of the art mortality prediction models: From all-cause mortality to sudden death prediction [0.0]
  医療歴,血液検査,薬剤処方,入院が急死リスクの増大を予測できるかどうかを検討した。 我々は、突然の死亡または全死因の死亡を予測するために訓練されたモデルの性能を比較した。
  論文  参考訳（メタデータ） (2023-08-30T14:44:04Z)
• Granger Causal Chain Discovery for Sepsis-Associated Derangements via Continuous-Time Hawkes Processes [10.410454851418548]
  拡張性のある2相勾配法を開発し,最大サロゲート形状推定値を求める。 本手法はアトランタのグレーディ病院に入院した患者のデータに拡張され,GCグラフでは敗血症に先行するいくつかの高度に解釈可能なGC鎖を同定した。
  論文  参考訳（メタデータ） (2022-09-09T18:21:30Z)
• 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)
• Clinical Outcome Prediction from Admission Notes using Self-Supervised Knowledge Integration [55.88616573143478]
  臨床テキストからのアウトカム予測は、医師が潜在的なリスクを見落としないようにする。 退院時の診断,手術手順,院内死亡率,長期予測は4つの一般的な結果予測対象である。 複数の公開資料から得られた患者結果に関する知識を統合するために,臨床結果の事前学習を提案する。
  論文  参考訳（メタデータ） (2021-02-08T10:26:44Z)
• Inheritance-guided Hierarchical Assignment for Clinical Automatic Diagnosis [50.15205065710629]
  臨床診断は、臨床ノートに基づいて患者に診断符号を割り当てることを目的としており、臨床意思決定において重要な役割を担っている。 本稿では,臨床自動診断のための継承誘導階層と共起グラフの伝播を組み合わせた新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2021-01-27T13:16:51Z)
• Challenges in the application of a mortality prediction model for COVID-19 patients on an Indian cohort [0.0]
  ヤンなど。 機械学習(ML)メソッドを使って新型コロナウイルス患者の結果を予測する研究が公開されている。 ここでは、covid-19患者の最大のデータセットの1つにデプロイすることで、このモデルの制限を示します。
  論文  参考訳（メタデータ） (2021-01-15T07:06:49Z)
• Survival Modeling of Suicide Risk with Rare and Uncertain Diagnoses [15.732431764583323]
  我々は,自殺未遂により入院し,後に退院した患者に対して,その後の自殺未遂のリスクを調査するために医療クレームデータを用いた。 疑わしい」自殺未遂の約20%は、傷害や毒の外部原因を示す診断コードから特定される。
  論文  参考訳（メタデータ） (2020-09-05T20:47:16Z)
• Effectiveness and Compliance to Social Distancing During COVID-19 [72.94965109944707]
  われわれは、米国内での新型コロナウイルスの感染拡大に対する在宅勤務注文の影響を評価するために、詳細なモビリティデータを用いている。 一方向性グランガー因果性(一方向性グランガー因果性)は、家庭で毎日過ごす時間の割合の中央値から、2週間の遅れを伴うCOVID-19関連死亡件数の日数までである。
  論文  参考訳（メタデータ） (2020-06-23T03:36:19Z)

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。