論文の概要: Structural Causal Model with Expert Augmented Knowledge to Estimate the
Effect of Oxygen Therapy on Mortality in the ICU
- arxiv url: http://arxiv.org/abs/2010.14774v1
- Date: Wed, 28 Oct 2020 05:35:39 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-02 04:47:13.505888
- Title: Structural Causal Model with Expert Augmented Knowledge to Estimate the
Effect of Oxygen Therapy on Mortality in the ICU
- Title（参考訳）: icuにおける酸素療法が死亡率に及ぼす影響を推定するための知識拡張型構造因果モデル
- Authors: Md Osman Gani, Shravan Kethireddy, Marvi Bikak, Paul Griffin, Mohammad
Adibuzzaman
- Abstract要約: 本稿では, モデル開発段階における専門家の知識を増強し, 実践的臨床応用により, 観察データから因果効果を推定するための完全な枠組みを提案する。
当院の臨床応用は,集中治療室(ICU)における酸素療法介入の効果に関するタイムリーかつ重要な研究課題である。
我々は,機械学習コミュニティの標準データベースであるMIMIC IIIデータベースからのデータを使用した。
- 参考スコア（独自算出の注目度）: 0.26999000177990923
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent advances in causal inference techniques, more specifically, in the
theory of structural causal models, provide the framework for identification of
causal effects from observational data in the cases where the causal graph is
identifiable, i.e., the data generating mechanism can be recovered from the
joint distribution. However, no such studies have been done to demonstrate this
concept with a clinical example. We present a complete framework to estimate
the causal effect from observational data by augmenting expert knowledge in the
model development phase and with a practical clinical application. Our clinical
application entails a timely and important research question, i.e., the effect
of oxygen therapy intervention in the intensive care unit (ICU); the result of
this project is useful in a variety of disease conditions, including severe
acute respiratory syndrome coronavirus-2 (SARS-CoV-2) patients in the ICU. We
used data from the MIMIC III database, a standard database in the machine
learning community that contains 58,976 admissions from an ICU in Boston, MA,
for estimating the oxygen therapy effect on morality. We also identified the
covariate-specific effect to oxygen therapy from the model for more
personalized intervention.
- Abstract（参考訳）: 因果推論手法の最近の進歩、具体的には構造因果モデルの理論において、因果グラフが識別可能である場合の観測データから因果効果を識別するための枠組みを提供する。
しかし,この概念を臨床例で示す研究は行われていない。
本稿では, モデル開発段階における専門知識を増強し, 実践的臨床応用により, 観察データから因果効果を推定する枠組みを提案する。
本研究は,集中治療室(icu)における酸素療法介入の効果を時間的かつ重要な研究課題とし,icuの重症急性呼吸器症候群(sars-cov-2)患者を含む様々な疾患に有用である。
モラルに対する酸素療法の効果を推定するために,マサチューセッツ州ボストンのicuから,58,976件の登録情報を含む,機械学習コミュニティの標準データベースであるmime iiiデータベースのデータを用いた。
また,よりパーソナライズされた介入のために,酸素療法に対するコバルト特異的な効果をモデルから同定した。
関連論文リスト
- Deep State-Space Generative Model For Correlated Time-to-Event Predictions [54.3637600983898]
そこで本研究では,様々な種類の臨床イベント間の相互作用を捉えるために,潜伏状態空間生成モデルを提案する。
また,死亡率と臓器不全の関連性について有意な知見が得られた。
論文 参考訳（メタデータ） (2024-07-28T02:42:36Z) - Deep Representation Learning-Based Dynamic Trajectory Phenotyping for Acute Respiratory Failure in Medical Intensive Care Units [4.9981612589160775]
セプシスによる急性呼吸不全(ARF)は予後不良の重篤な合併症である。
本稿では, 敗血症患者の臨床軌跡の異なるグループを同定するために, 深部表現学習に基づく表現型表現法を提案する。
論文 参考訳（メタデータ） (2024-05-04T04:29:22Z) - A Look into Causal Effects under Entangled Treatment in Graphs:
Investigating the Impact of Contact on MRSA Infection [33.08260042598704]
メチシリン耐性黄色ブドウ球菌(MRSA)は、特定の抗生物質に耐性を持つ細菌であり、MRSA感染の予防が困難である。
観察データからMRSA感染に対する近接接触(治療)の因果効果を推定するために,多くの研究が提案されている。
処理代入機構は、欠落した反事実のパターンを決定する際に重要な役割を果たす。
論文 参考訳（メタデータ） (2023-07-17T04:38:51Z) - An empirical study of using radiology reports and images to improve ICU
mortality prediction [21.99553011832319]
ICU死亡率を予測するために,多モードデータを用いたディープラーニングに基づく生存予測モデルを構築した。
医療情報マートをMIMIC-IV(MIMIC-IV)データセットを用いて提案モデルの評価を行った。
論文 参考訳（メタデータ） (2023-06-20T15:43:28Z) - Instrumental Variable Learning for Chest X-ray Classification [52.68170685918908]
本稿では,素因果関係を排除し,正確な因果表現を得るための解釈可能な機器変数(IV)学習フレームワークを提案する。
提案手法の性能はMIMIC-CXR,NIH ChestX-ray 14,CheXpertデータセットを用いて実証した。
論文 参考訳（メタデータ） (2023-05-20T03:12:23Z) - Data-Driven Estimation of Heterogeneous Treatment Effects [15.140272661540655]
異種治療効果推定(ヘテロジニアス・エフェクト・アセスメント・アセスメント・アセスメント・アセスメント・アセスメント・アセスメント)は、経験科学において重要な問題である。
機械学習を用いた不均一な処理効果推定のための最先端データ駆動手法について調査する。
論文 参考訳（メタデータ） (2023-01-16T21:36:49Z) - Benchmarking Heterogeneous Treatment Effect Models through the Lens of
Interpretability [82.29775890542967]
治療のパーソナライズされた効果を見積もるのは複雑だが、普及している問題である。
ヘテロジニアス処理効果推定に関する機械学習文献の最近の進歩は、洗練されたが不透明なツールの多くを生み出した。
我々は、ポストホックな特徴重要度法を用いて、モデルの予測に影響を及ぼす特徴を特定する。
論文 参考訳（メタデータ） (2022-06-16T17:59:05Z) - Causal Discovery on the Effect of Antipsychotic Drugs on Delirium
Patients in the ICU using Large EHR Dataset [1.278093617645299]
集中治療室(ICU)の約80%の症例でデリリウムが発生する
デリリウムにはバイオマーカーによる診断がなく、一般的に抗精神病薬(APD)で治療されている。
複数の研究が、デリリウム治療におけるAPDの有効性や安全性について論争を呼んでいる。
論文 参考訳（メタデータ） (2022-04-28T21:43:02Z) - SurvITE: Learning Heterogeneous Treatment Effects from Time-to-Event
Data [83.50281440043241]
時系列データから不均一な処理効果を推定する問題について検討する。
本稿では,バランス表現に基づく治療特異的ハザード推定のための新しいディープラーニング手法を提案する。
論文 参考訳（メタデータ） (2021-10-26T20:13:17Z) - A standardized framework for risk-based assessment of treatment effect
heterogeneity in observational healthcare databases [60.07352590494571]
本研究の目的は,この手法を標準化されたスケーラブルなフレームワークを用いて観測環境に拡張することであった。
アンジオテンシン変換酵素阻害薬(ACE)とβ阻害薬の3つの効果と6つの安全性に対する効果を評価することにより,我々の枠組みを実証する。
論文 参考訳（メタデータ） (2020-10-13T14:48:31Z) - MIA-Prognosis: A Deep Learning Framework to Predict Therapy Response [58.0291320452122]
本稿では,患者の予後と治療反応を予測するための統合型深層学習手法を提案する。
我々は,マルチモーダル非同期時系列分類タスクとして,確率モデリングを定式化する。
我々の予測モデルは、長期生存の観点から、低リスク、高リスクの患者をさらに階層化する可能性がある。
論文 参考訳（メタデータ） (2020-10-08T15:30:17Z)
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。