Fugu-MT 論文翻訳(概要): WRSE -- a non-parametric weighted-resolution ensemble for predicting individual survival distributions in the ICU

論文の概要: WRSE -- a non-parametric weighted-resolution ensemble for predicting individual survival distributions in the ICU

arxiv url: http://arxiv.org/abs/2011.00865v1
Date: Mon, 2 Nov 2020 10:13:59 GMT
ステータス: 処理完了
システム内更新日: 2022-09-30 11:11:47.692956
Title: WRSE -- a non-parametric weighted-resolution ensemble for predicting individual survival distributions in the ICU
Title（参考訳）: WRSE -- ICUにおける個人生存分布予測のための非パラメトリック重み付き解像度アンサンブル
Authors: Jonathan Heitz, Joanna Ficek, Martin Faltys, Tobias M. Merz, Gunnar R\"atsch, Matthias H\"user
Abstract要約: 集中治療室(ICU)における死亡リスクの動的評価は、患者を階層化し、治療効果を知らせたり、早期警戒システムの一部として機能したりすることができる。現状の確率モデルと競合する結果を示すとともに,2～9倍のトレーニング時間を大幅に短縮する。
参考スコア（独自算出の注目度）: 0.251657752676152
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Dynamic assessment of mortality risk in the intensive care unit (ICU) can be used to stratify patients, inform about treatment effectiveness or serve as part of an early-warning system. Static risk scoring systems, such as APACHE or SAPS, have recently been supplemented with data-driven approaches that track the dynamic mortality risk over time. Recent works have focused on enhancing the information delivered to clinicians even further by producing full survival distributions instead of point predictions or fixed horizon risks. In this work, we propose a non-parametric ensemble model, Weighted Resolution Survival Ensemble (WRSE), tailored to estimate such dynamic individual survival distributions. Inspired by the simplicity and robustness of ensemble methods, the proposed approach combines a set of binary classifiers spaced according to a decay function reflecting the relevance of short-term mortality predictions. Models and baselines are evaluated under weighted calibration and discrimination metrics for individual survival distributions which closely reflect the utility of a model in ICU practice. We show competitive results with state-of-the-art probabilistic models, while greatly reducing training time by factors of 2-9x.
Abstract（参考訳）: 集中治療室(ICU)における死亡リスクの動的評価は、患者を階層化し、治療効果を知らせたり、早期警戒システムの一部として機能したりすることができる。 APACHEやSAPSのような静的リスクスコアシステムは、最近データ駆動型アプローチで補われ、時間とともに動的死亡リスクを追跡する。最近の研究は、ポイント予測や固定地平線リスクの代わりに完全な生存率分布を作ることによって、臨床医に提供される情報をさらに強化することに焦点を当てている。本研究では,非パラメトリックアンサンブルモデルWRSE(Weighted Resolution Survival Ensemble)を提案する。アンサンブル手法の単純さと堅牢性から着想を得た提案手法は,短期的死亡予測の妥当性を反映した崩壊関数に従って配置された2値分類器の集合を組み合わせたものである。モデルとベースラインは、ICU実践におけるモデルの実用性を深く反映した個別生存分布の重み付けキャリブレーションおよび識別指標に基づいて評価される。最新確率モデルでは, トレーニング時間を2～9倍に抑えながら, 競争力のある結果を示す。

関連論文リスト

DySurv: Dynamic Deep Learning Model for Survival Prediction in the ICU [2.9404725327650767]
そこで我々は,DySurvと呼ばれる条件付き変分オートエンコーダ方式を提案する。 DySurvは、患者の電子健康記録からの静的および時系列測定を組み合わせて、死のリスクを動的に見積もっている。 DySurvの予測能力は一貫しており、生存確率は異なるデータセットに分散している。
論文参考訳（メタデータ） (2023-10-28T11:29:09Z)
MedDiffusion: Boosting Health Risk Prediction via Diffusion-based Data Augmentation [58.93221876843639]
本稿では,MedDiffusion という,エンドツーエンドの拡散に基づくリスク予測モデルを提案する。トレーニング中に合成患者データを作成し、サンプルスペースを拡大することで、リスク予測性能を向上させる。ステップワイズ・アテンション・メカニズムを用いて患者の来訪者間の隠れた関係を識別し、高品質なデータを生成する上で最も重要な情報をモデルが自動的に保持することを可能にする。
論文参考訳（メタデータ） (2023-10-04T01:36:30Z)
Contrastive Learning-based Imputation-Prediction Networks for In-hospital Mortality Risk Modeling using EHRs [9.578930989075035]
本稿では, EHRデータを用いた病院内死亡リスク予測のための, 対照的な学習ベース予測ネットワークを提案する。本研究は, グラフ解析に基づく患者層形成モデルを用いて, 似通った患者をグループ化する手法を提案する。 2つの実世界のEHRデータセットの実験により、我々のアプローチは、計算タスクと予測タスクの両方において最先端のアプローチよりも優れていることが示された。
論文参考訳（メタデータ） (2023-08-19T03:24:34Z)
Learning Survival Distribution with Implicit Survival Function [15.588273962274393]
強い仮定を伴わない生存分布推定のためのインプシットニューラルネットワーク表現に基づくインプシット生存関数(ISF)を提案する。実験の結果、ICFは3つの公開データセットで最先端の手法よりも優れていた。
論文参考訳（メタデータ） (2023-05-24T02:51:29Z)
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)
A New Approach for Interpretability and Reliability in Clinical Risk Prediction: Acute Coronary Syndrome Scenario [0.33927193323747895]
我々は、リスクスコアと機械学習モデルの両方の最高の特徴を組み合わせた、新たなリスクアセスメント方法論を作成するつもりです。提案手法は、標準LRと同一の試験結果を得たが、より優れた解釈性とパーソナライゼーションを提供する。個人予測の信頼性推定は誤分類率と大きな相関を示した。
論文参考訳（メタデータ） (2021-10-15T19:33:46Z)
Bootstrapping Your Own Positive Sample: Contrastive Learning With Electronic Health Record Data [62.29031007761901]
本稿では,新しいコントラスト型正規化臨床分類モデルを提案する。 EHRデータに特化した2つのユニークなポジティブサンプリング戦略を紹介します。私たちのフレームワークは、現実世界のCOVID-19 EHRデータの死亡リスクを予測するために、競争の激しい実験結果をもたらします。
論文参考訳（メタデータ） (2021-04-07T06:02:04Z)
DeepHazard: neural network for time-varying risks [0.6091702876917281]
生存予測のための新しいフレキシブルな手法,DeepHazardを提案する。我々のアプローチは、時間内に添加物としてのみ制限される、広範囲の継続的なハザード形態に適合している。数値的な例では,我々の手法は,C-インデックス計量を用いて評価された予測能力において,既存の最先端手法よりも優れていた。
論文参考訳（メタデータ） (2020-07-26T21:01:49Z)
Enabling Counterfactual Survival Analysis with Balanced Representations [64.17342727357618]
生存データは様々な医学的応用、すなわち薬物開発、リスクプロファイリング、臨床試験で頻繁に見られる。本稿では,生存結果に適用可能な対実的推論のための理論的基盤を持つ統一的枠組みを提案する。
論文参考訳（メタデータ） (2020-06-14T01:15:00Z)
Predictive Modeling of ICU Healthcare-Associated Infections from Imbalanced Data. Using Ensembles and a Clustering-Based Undersampling Approach [55.41644538483948]
本研究は,集中治療室における危険因子の同定と医療関連感染症の予測に焦点をあてる。感染発生率の低減に向けた意思決定を支援することを目的とする。
論文参考訳（メタデータ） (2020-05-07T16:13:12Z)
Survival Cluster Analysis [93.50540270973927]
異なるリスクプロファイルを持つサブポピュレーションを特定するために、生存分析には未解決の必要性がある。このニーズに対処するアプローチは、個々の成果のキャラクタリゼーションを改善する可能性が高い。
論文参考訳（メタデータ） (2020-02-29T22:41:21Z)

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。