論文の概要: Sparse Longitudinal Representations of Electronic Health Record Data for
the Early Detection of Chronic Kidney Disease in Diabetic Patients
- arxiv url: http://arxiv.org/abs/2011.04802v2
- Date: Tue, 17 Nov 2020 18:33:56 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-28 00:08:20.191352
- Title: Sparse Longitudinal Representations of Electronic Health Record Data for
the Early Detection of Chronic Kidney Disease in Diabetic Patients
- Title（参考訳）: 糖尿病患者における慢性腎臓病早期発見のための電子健康記録データの少ない経時的表現
- Authors: Jinghe Zhang, Kamran Kowsari, Mehdi Boukhechba, James Harrison,
Jennifer Lobo, Laura Barnes
- Abstract要約: 慢性腎疾患 (CKD) は、徐々に腎機能を失っていく疾患である。
本稿では,患者の医療記録の少ない縦長表現を学習するための新しい枠組みを提案する。
- 参考スコア（独自算出の注目度）: 6.040252097102974
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Chronic kidney disease (CKD) is a gradual loss of renal function over time,
and it increases the risk of mortality, decreased quality of life, as well as
serious complications. The prevalence of CKD has been increasing in the last
couple of decades, which is partly due to the increased prevalence of diabetes
and hypertension. To accurately detect CKD in diabetic patients, we propose a
novel framework to learn sparse longitudinal representations of patients'
medical records. The proposed method is also compared with widely used
baselines such as Aggregated Frequency Vector and Bag-of-Pattern in Sequences
on real EHR data, and the experimental results indicate that the proposed model
achieves higher predictive performance. Additionally, the learned
representations are interpreted and visualized to bring clinical insights.
- Abstract（参考訳）: 慢性腎疾患(CKD)は、徐々に腎機能の喪失であり、死亡リスクを増大させ、生命の質を低下させ、重篤な合併症を引き起こす。
CKDの流行はここ数十年で増加しており、これは糖尿病や高血圧の流行の増加によるものである。
糖尿病患者のCKDを正確に検出するために,患者の医療記録の少ない縦長表現を学習するための新しい枠組みを提案する。
提案手法は,実EHRデータに基づくシーケンスの集約周波数ベクトルやBag-of-Patternといった,広く使用されているベースラインと比較し,提案モデルが高い予測性能を実現することを示す。
さらに、学習された表現を解釈して視覚化し、臨床的な洞察をもたらす。
関連論文リスト
- Integrated Machine Learning and Survival Analysis Modeling for Enhanced Chronic Kidney Disease Risk Stratification [0.0]
慢性腎疾患(CKD)は公衆衛生上の重要な課題であり、早期に発見・管理されていない場合、しばしばエンドステージ腎疾患(ESRD)へと進行する。
本稿では,機械学習技術と古典統計モデルを組み合わせて,CKDの進行をモデル化する手法を提案する。
論文 参考訳（メタデータ） (2024-11-16T09:22:06Z) - Effect of Clinical History on Predictive Model Performance for Renal Complications of Diabetes [1.4330510916280879]
糖尿病は糖尿病性腎症の発症リスクが高いという特徴を持つ慢性疾患である。
このような合併症やその悪化のリスクを高める個人を早期に同定することは、適切な治療方針を設定する上で非常に重要である。
糖尿病患者に対する臨床関連糸球体濾過率(eGFR)閾値の交差を予測・予測するロジスティック回帰モデルを開発した。
論文 参考訳（メタデータ） (2024-09-10T20:27:00Z) - 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) - AI-Driven Predictive Analytics Approach for Early Prognosis of Chronic Kidney Disease Using Ensemble Learning and Explainable AI [0.26217304977339473]
慢性腎臓病(英: chronic Kidney Disease、CKD)は、腎臓の構造と機能に大きな影響を及ぼし、最終的に腎不全を引き起こす異種性疾患である。
本研究の目的は、アンサンブル学習と説明可能なAIを用いて、早期予後とCKDの検出のための支配的特徴、特徴スコア、および値の可視化である。
論文 参考訳（メタデータ） (2024-06-10T18:46:14Z) - 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) - An Explainable Classification Model for Chronic Kidney Disease Patients [0.0]
慢性腎臓病(CKD)は、世界的に増加し、医療システムに高いコストがかかる。
データマイニングによるCKD指標の微妙なパターンの発見は、早期診断に寄与する。
本研究は、CKD患者の早期診断において、医療専門家を支援する分類器モデルを開発する。
論文 参考訳（メタデータ） (2021-05-21T14:09:43Z) - Variational Knowledge Distillation for Disease Classification in Chest
X-Rays [102.04931207504173]
我々は,X線に基づく疾患分類のための新しい確率的推論フレームワークである反復的知識蒸留(VKD)を提案する。
提案手法の有効性を,X線画像とEHRを用いた3つの公開ベンチマークデータセットに示す。
論文 参考訳（メタデータ） (2021-03-19T14:13:56Z) - Prediction of the onset of cardiovascular diseases from electronic
health records using multi-task gated recurrent units [51.14334174570822]
本稿では,電子カルテから心血管イベントを予測するための注意機構を備えたマルチタスク・リカレントニューラルネットワークを提案する。
提案手法は、NHS Foundation Trustの5年間のデータを用いて、標準的な臨床リスク予測器(QRISK)と機械学習の代替手段と比較される。
論文 参考訳（メタデータ） (2020-07-16T17:43:13Z) - Short Term Blood Glucose Prediction based on Continuous Glucose
Monitoring Data [53.01543207478818]
本研究では,デジタル意思決定支援ツールの入力として連続グルコースモニタリング(Continuous Glucose Monitoring, CGM)データを利用する方法について検討する。
短時間の血液グルコース (STBG) 予測において, リカレントニューラルネットワーク (Recurrent Neural Networks, RNN) をどのように利用できるかを検討する。
論文 参考訳（メタデータ） (2020-02-06T16:39:44Z) - Learning Dynamic and Personalized Comorbidity Networks from Event Data
using Deep Diffusion Processes [102.02672176520382]
コンコルビンド病は、個人によって異なる複雑な時間的パターンを通じて発生し進行する。
電子的な健康記録では、患者が持つ異なる疾患を観察できるが、それぞれの共死状態の時間的関係を推測できるだけである。
我々は「ダイナミック・コオービディティ・ネットワーク」をモデル化するための深層拡散プロセスを開発する。
論文 参考訳（メタデータ） (2020-01-08T15:47:08Z)
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。