論文の概要: Optimisation des parcours patients pour lutter contre l'errance de
diagnostic des patients atteints de maladies rares
- arxiv url: http://arxiv.org/abs/2010.14167v1
- Date: Tue, 27 Oct 2020 09:55:46 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-02 12:41:46.381433
- Title: Optimisation des parcours patients pour lutter contre l'errance de
diagnostic des patients atteints de maladies rares
- Title(参考訳): 重症心疾患の診断における緑内障患者の至適性について
- Authors: Fr\'ed\'eric Log\'e (CMAP), R\'emi Besson (CRC), St\'ephanie
Allassonni\`ere (CRC)
- Abstract要約: フランスで稀な疾患を患っている患者は、診断されるまで平均2年待たなければならない。
この医療行動は、健康システムと、病態が悪化する可能性がある患者の両方にとって非常に有害である。
患者をさまよう患者を検知する警告システムを構築するためのシミュレータを作成するために、患者経路の確率論的モデリングを検討している。
- 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: A patient suffering from a rare disease in France has to wait an average of
two years before being diagnosed. This medical wandering is highly detrimental
both for the health system and for patients whose pathology may worsen. There
exists an efficient network of Centres of Reference for Rare Diseases (CRMR),
but patients are often referred to these structures too late. We are
considering a probabilistic modelling of the patient pathway in order to create
a simulator that will allow us to create an alert system that detects wandering
patients and refers them to a CRMR while considering the potential additional
costs associated with these decisions.
- Abstract(参考訳): フランスで稀な疾患を患っている患者は、診断されるまで平均2年待たなければならない。
この医療行動は、健康システムと、病態が悪化する可能性がある患者の両方にとって非常に有害である。
CRMR (Centrals of Reference for Rare Diseases) の効率的なネットワークが存在するが、患者はしばしばこれらの構造を遅すぎると言及される。
我々は,来院患者を検知しcrmrを参照する警告システムを構築するためのシミュレーターを作成するために,患者経路の確率論的モデリングを検討している。
関連論文リスト
- A Survey of Artificial Intelligence in Gait-Based Neurodegenerative Disease Diagnosis [51.07114445705692]
神経変性疾患(神経変性疾患、ND)は、伝統的に医学的診断とモニタリングのために広範囲の医療資源と人的努力を必要とする。
重要な疾患関連運動症状として、ヒトの歩行を利用して異なるNDを特徴づけることができる。
人工知能(AI)モデルの現在の進歩は、NDの識別と分類のための自動歩行分析を可能にする。
論文 参考訳(メタデータ) (2024-05-21T06:44:40Z) - Leave No Patient Behind: Enhancing Medication Recommendation for Rare Disease Patients [47.68396964741116]
本稿では,レアな疾患の正確性を高めるために,ロバストとメディケーションのための高精度勧告(RAREMed)と呼ばれる新しいモデルを提案する。
入力シーケンスを統一したトランスフォーマーエンコーダを使用して、疾患と手続きコードの間の複雑な関係をキャプチャする。
稀な疾患と一般的な疾患の両方に対して正確な薬物セットを提供し、薬の推奨システムにおける不公平を緩和する。
論文 参考訳(メタデータ) (2024-03-26T14:36:22Z) - Estimating the severity of dental and oral problems via sentiment
classification over clinical reports [0.8287206589886879]
テキストにおける著者の感情を分析することは、医学や歯科など様々な分野において実用的で有用である。
CNN-LSTMとして知られる畳み込みニューラルネットワーク(CNN)とLong Short-Term Memory(LSTM)ネットワークアーキテクチャに基づくディープラーニングモデルを開発した。
論文 参考訳(メタデータ) (2024-01-17T14:33:13Z) - Diagnosis Uncertain Models For Medical Risk Prediction [80.07192791931533]
本研究は, 患者の診断にはアクセスできない, バイタルサイン, 検査値, 既往歴にアクセス可能な患者リスクモデルについて考察する。
このようなすべての原因のリスクモデルが、診断全体にわたって良い一般化を持つが、予測可能な障害モードを持つことが示される。
患者診断の不確実性から生じるリスク予測の不確実性を明示的にモデル化し,この問題に対する対策を提案する。
論文 参考訳(メタデータ) (2023-06-29T23:36:04Z) - Classifying the evolution of COVID-19 severity on patients with combined
dynamic Bayesian networks and neural networks [1.9766522384767222]
患者の病気の重症度を事前に知ることは、治療とリソースの整理を改善することができる。
この問題は、第6次流行波からスペインで流行したCOVID-19患者のデータセットで説明します。
我々は、動的ベイズネットワークを用いて、今後40時間にわたる患者のバイタルサインと血液分析結果を予測するとともに、その期間における患者疾患の重症度を評価するニューラルネットワークを組み合わせた。
論文 参考訳(メタデータ) (2023-03-10T15:05:32Z) - Machine learning for dynamically predicting the onset of renal
replacement therapy in chronic kidney disease patients using claims data [0.89379057739817]
慢性腎疾患(CKD)は徐々に進行する疾患であり、最終的には腎置換療法(RRT)を必要とする。
RRTを必要とする患者の早期発見は、患者の結果を改善する。
RRT開始に一般的に使用される予測ツールはない。
論文 参考訳(メタデータ) (2022-09-03T17:50:27Z) - 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) - TRACE: Early Detection of Chronic Kidney Disease Onset with
Transformer-Enhanced Feature Embedding [5.649519919657841]
TRACE(Transformer-RNN Autoencoder-enhanced CKD Detector)は、患者の医療履歴データを用いたエンドツーエンド予測モデルである。
TRACEは、病院訪問ごとにTransformer経由で埋め込まれた医療概念と、患者の医療史を要約した潜伏表現を学習する。
本モデルでは, 最適性能よりも相対的に2.31%向上した0.5708 AUPRCを達成している。
論文 参考訳(メタデータ) (2020-12-03T01:23:39Z) - Multi-stage transfer learning for lung segmentation using portable X-ray
devices for patients with COVID-19 [14.767716319266999]
本稿では,サンプル数の多いよく知られたドメインからの知識を,非常に少ない数でより複雑な新しいドメインに適応させる手法を提案する。
携帯型X線装置から肺領域を分画できるロバストなシステムを得るため,脳磁気共鳴画像から無関係な病理像を抽出した。
論文 参考訳(メタデータ) (2020-10-30T22:51:06Z) - 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) - Towards Causality-Aware Inferring: A Sequential Discriminative Approach
for Medical Diagnosis [142.90770786804507]
医学診断アシスタント(MDA)は、疾患を識別するための症状を逐次調査する対話型診断エージェントを構築することを目的としている。
この研究は、因果図を利用して、MDAにおけるこれらの重要な問題に対処しようとする。
本稿では,他の記録から知識を引き出すことにより,非記録的調査に効果的に答える確率に基づく患者シミュレータを提案する。
論文 参考訳(メタデータ) (2020-03-14T02:05:54Z)
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。