論文の概要: Multi-objective semi-supervised clustering to identify health service patterns for injured patients

• arxiv url: http://arxiv.org/abs/2011.09911v1
• Date: Mon, 16 Nov 2020 06:43:21 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-25 00:51:22.845570
• Title: Multi-objective semi-supervised clustering to identify health service patterns for injured patients
• Title（参考訳）: ケガ患者のヘルスサービスパターン同定のための多目的半教師付きクラスタリング
• Authors: Hadi Akbarzadeh Khorshidi, Uwe Aickelin, Gholamreza Haffari, Behrooz Hassani-Mahmooei
• Abstract要約: グループ化は、負傷後1週間以内の医療サービス利用における特徴的なパターンに基づいている。 グループはまた、薬物処理の総コストに関する予測情報も提供します。
• 参考スコア（独自算出の注目度）: 37.19379872580349
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study develops a pattern recognition method that identifies patterns based on their similarity and their association with the outcome of interest. The practical purpose of developing this pattern recognition method is to group patients, who are injured in transport accidents, in the early stages post-injury. This grouping is based on distinctive patterns in health service use within the first week post-injury. The groups also provide predictive information towards the total cost of medication process. As a result, the group of patients who have undesirable outcomes are identified as early as possible based health service use patterns.
• Abstract（参考訳）: 本研究は,パターンの類似性と興味のある結果との関係に基づいてパターンを識別するパターン認識手法を開発した。 このパターン認識法を開発する実践的目的は,外傷後早期に搬送事故で負傷した患者をグループ化することである。 このグループ化は、負傷後1週間以内の医療サービス利用における特徴的なパターンに基づいている。 グループはまた、薬物処理の総コストに関する予測情報も提供する。 その結果、望ましくない結果の患者群を、できるだけ早く、医療サービス利用パターンに基づいて同定した。

関連論文リスト

• Data-driven subgrouping of patient trajectories with chronic diseases: Evidence from low back pain [18.837597864085865]
  本稿では,慢性疾患からの患者軌跡を分類するための隠れマルコフモデルを提案する。 我々のモデルは確率的であり、慢性疾患の異なる軌跡を捉えるために慎重に設計されている。 我々のサブグループ化フレームワークはクラスタ妥当性指標の点で共通ベースラインを上回っていることを示す。
  論文  参考訳（メタデータ） (2024-04-16T14:05:29Z)
• Pain Forecasting using Self-supervised Learning and Patient Phenotyping: An attempt to prevent Opioid Addiction [0.3749861135832073]
  シックル細胞病(Sickle Cell Disease)を治療するためには、将来の患者の痛みの軌跡を予測することが不可欠である。 主に患者の自己申告によって記録されるので,多くの痛み記録を入手して予測モデルを設計することは困難である。 本稿では、時系列データをクラスタリングするための自己教師付き学習手法を提案する。
  論文  参考訳（メタデータ） (2023-10-09T18:31:50Z)
• Framework based on complex networks to model and mine patient pathways [0.6749750044497732]
  いわゆる「患者の道」は、臨床および組織的な決定を支援する新しい研究分野である。 i) マルチアスペクトグラフに基づく経路モデル, (ii) 経過時間を考慮した経路比較のための新しい相似性測定, および (iii) 経路の最も関連性の高いステップを発見するための従来の集中度尺度に基づくマイニング手法からなるフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-25T15:11:52Z)
• Towards Fair Patient-Trial Matching via Patient-Criterion Level Fairness Constraint [50.35075018041199]
  本研究は,患者基準値の公正度制約を発生させることにより,公正な患者間マッチングの枠組みを提案する。 実世界における患者基準と患者基準の整合性に関する実験結果から,提案手法が偏りやすい予測を効果的に緩和できることが示唆された。
  論文  参考訳（メタデータ） (2023-03-24T03:59:19Z)
• Measuring Fairness Under Unawareness of Sensitive Attributes: A Quantification-Based Approach [131.20444904674494]
  センシティブな属性の無意識下でのグループフェアネスを測定する問題に取り組む。 定量化手法は, フェアネスと無意識の問題に対処するのに特に適していることを示す。
  論文  参考訳（メタデータ） (2021-09-17T13:45:46Z)
• Adversarial Sample Enhanced Domain Adaptation: A Case Study on Predictive Modeling with Electronic Health Records [57.75125067744978]
  ドメイン適応を容易にするデータ拡張手法を提案する。 逆生成したサンプルはドメイン適応時に使用される。 その結果,本手法の有効性とタスクの一般性が確認された。
  論文  参考訳（メタデータ） (2021-01-13T03:20:20Z)
• Temporal Phenotyping using Deep Predictive Clustering of Disease Progression [97.88605060346455]
  我々は、時系列データをクラスタリングするためのディープラーニングアプローチを開発し、各クラスタは、同様の将来的な結果を共有する患者から構成される。 2つの実世界のデータセットに対する実験により、我々のモデルは最先端のベンチマークよりも優れたクラスタリング性能が得られることが示された。
  論文  参考訳（メタデータ） (2020-06-15T20:48:43Z)
• 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)

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。