論文の概要: Detecting the patient's need for help with machine learning
- arxiv url: http://arxiv.org/abs/2012.13626v2
- Date: Wed, 24 Mar 2021 17:50:47 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-25 04:30:00.732386
- Title: Detecting the patient's need for help with machine learning
- Title（参考訳）: 機械学習による患者の支援の必要性の検出
- Authors: Lauri Lahti
- Abstract要約: 新型コロナウイルス感染症に関する自己評価式を分析。
各種健康関連表現文対間の統計的に有意な相関と高いコサイン類似度値を見出した。
畳み込みニューラルネットワークアルゴリズムを用いて行った実験は、患者の表情の助けを求めることを支援する機械学習の適用性を示した。
- 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: Developing machine learning models to support health analytics requires
increased understanding about statistical properties of self-rated expression
statements. We analyzed self-rated expression statements concerning the
coronavirus COVID-19 epidemic to identify statistically significant differences
between groups of respondents and to detect the patient's need for help with
machine learning. Our quantitative study gathered the "need for help" ratings
for twenty health-related expression statements concerning the coronavirus
epidemic on a 11-point Likert scale, and nine answers about the person's health
and wellbeing, sex and age. Online respondents between 30 May and 3 August 2020
were recruited from Finnish patient and disabled people's organizations, other
health-related organizations and professionals, and educational institutions
(n=673). We analyzed rating differences and dependencies with Kendall
rank-correlation and cosine similarity measures and tests of Wilcoxon rank-sum,
Kruskal-Wallis and one-way analysis of variance (ANOVA) between groups, and
carried out machine learning experiments with a basic implementation of a
convolutional neural network algorithm. We found statistically significant
correlations and high cosine similarity values between various health-related
expression statement pairs concerning the "need for help" ratings and a
background question pair. We also identified statistically significant rating
differences for several health-related expression statements in respect to
groupings based on the answer values of background questions, such as the
ratings of suspecting to have the coronavirus infection and having it depending
on the estimated health condition, quality of life and sex. Our experiments
with a convolutional neural network algorithm showed the applicability of
machine learning to support detecting the need for help in the patient's
expressions.
- Abstract（参考訳）: 健康分析をサポートする機械学習モデルの開発には、自己評価式ステートメントの統計的特性に関する理解を深める必要がある。
新型コロナウイルスの流行に関する自己評価式を解析し、回答者のグループ間で統計的に有意な差異を識別し、機械学習による支援の必要性を検出する。
調査では、新型コロナウイルスの流行に関する20の健康関連表現の「助けを求める」評価と、健康・幸福・性・年齢に関する9つの回答を収集した。
2020年5月30日から8月3日までのオンライン回答者は、フィンランドの患者および障害者団体、他の健康関連組織、専門家、教育機関から採用した(n=673)。
本研究では,kendallランク相関とコサイン類似度による評価の違いと,wilcoxon rank-sum, kruskal-wallis, one-way analysis of variance (anova) のテストを行い,畳み込みニューラルネットワークアルゴリズムの基本的な実装を用いて機械学習実験を行った。
その結果、「助けを求める」評価と背景質問対について、様々な健康関連表現文ペア間の統計的に有意な相関とコサイン類似度が高いことが判明した。
また、新型コロナウイルスの感染を疑う人の回答値や、推定された健康状態、生活の質、性別によって異なるなど、背景質問の回答値に基づいて、グループ化に関するいくつかの健康関連表現の統計的に有意な評価差を見出した。
畳み込みニューラルネットワークアルゴリズムを用いて行った実験は、患者の表情の助けを求めることを支援する機械学習の適用性を示した。
関連論文リスト
- Evaluating the Fairness of the MIMIC-IV Dataset and a Baseline
Algorithm: Application to the ICU Length of Stay Prediction [65.268245109828]
本稿では、MIMIC-IVデータセットを用いて、滞在時間を予測するXGBoostバイナリ分類モデルにおける公平性とバイアスについて検討する。
この研究は、人口統計属性にわたるデータセットのクラス不均衡を明らかにし、データ前処理と特徴抽出を採用する。
この論文は、偏見を緩和するための公正な機械学習技術と、医療専門家とデータサイエンティストの協力的な努力の必要性について結論付けている。
論文 参考訳（メタデータ） (2023-12-31T16:01:48Z) - Hypergraph Convolutional Networks for Fine-grained ICU Patient
Similarity Analysis and Risk Prediction [15.06049250330114]
集中治療ユニット(ICU、Intensive Care Unit)は、重篤な患者を認め、継続的な監視と治療を提供する病院の最も重要な部分の1つである。
臨床意思決定における医療従事者を支援するために,様々な患者結果予測手法が試みられている。
論文 参考訳（メタデータ） (2023-08-24T05:26:56Z) - Simulation-based Inference for Cardiovascular Models [57.92535897767929]
シミュレーションに基づく推論を用いて、波形をプラプシブルな生理的パラメータにマッピングする逆問題を解決する。
臨床応用5種類のバイオマーカーのin-silico不確実性解析を行った。
我々はMIMIC-III波形データベースを用いて,ビビオとシリカのギャップについて検討した。
論文 参考訳（メタデータ） (2023-07-26T02:34:57Z) - Informing clinical assessment by contextualizing post-hoc explanations
of risk prediction models in type-2 diabetes [50.8044927215346]
本研究は, 合併症リスク予測のシナリオを考察し, 患者の臨床状態に関する文脈に焦点を当てる。
我々は、リスク予測モデル推論に関する文脈を提示し、その受容性を評価するために、最先端のLLMをいくつか採用する。
本論文は,実世界における臨床症例における文脈説明の有効性と有用性を明らかにする最初のエンドツーエンド分析の1つである。
論文 参考訳（メタデータ） (2023-02-11T18:07:11Z) - Developing patient-driven artificial intelligence based on personal
rankings of care decision making steps [0.0]
縦断的横断3段階研究は,医療状況に関する437の表現を自己評価した。
後の格付けの順序変更の頻度は、様々な解釈タスクエンティティに関して、より早く与えられた格付けに依存していた。
本研究は,患者のケアニーズに対処する人工知能ソリューションの構築を支援する。
論文 参考訳（メタデータ） (2022-05-15T15:45:58Z) - MedFACT: Modeling Medical Feature Correlations in Patient Health
Representation Learning via Feature Clustering [20.68759679109556]
本稿では,一般的な患者の健康表現学習フレームワークであるMedFACTを提案する。
本研究は, 時間的特徴パターンとカーネル法, グループ間の相関関係の強いクラスタ特徴の類似性を測定することで相関関係を推定する。
グラフ畳み込みネットワークを用いてグループワイドな特徴相互作用を行い、表現学習を改善する。
論文 参考訳（メタデータ） (2022-04-21T10:27:24Z) - Quantification of pulmonary involvement in COVID-19 pneumonia by means
of a cascade oftwo U-nets: training and assessment on multipledatasets using
different annotation criteria [83.83783947027392]
本研究は、新型コロナウイルスの肺病変の同定、セグメント化、定量化のために人工知能(AI)を活用することを目的とする。
2つのU-netのカスケードをベースとした自動解析パイプラインLungQuantシステムを開発した。
LungQuantシステムにおけるCT-Severity Score(CT-SS)の精度も評価した。
論文 参考訳（メタデータ） (2021-05-06T10:21:28Z) - Classification supporting COVID-19 diagnostics based on patient survey
data [82.41449972618423]
新型コロナウイルス患者の効果的なスクリーニングを可能にするロジスティック回帰とXGBoost分類器が作成された。
得られた分類モデルは、DECODEサービス(decode.polsl.pl)の基礎を提供し、COVID-19病患者のスクリーニング支援に役立てることができる。
このデータセットは、3,000以上のサンプルで構成されており、ポーランドの病院で収集されたアンケートに基づいている。
論文 参考訳（メタデータ） (2020-11-24T17:44:01Z) - 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) - Towards Patient Record Summarization Through Joint Phenotype Learning in
HIV Patients [1.598617270887469]
本研究では、構造化データと非構造化データにまたがる多数の表現型/プロブレムを共同で学習する、教師なし表現型化手法を提案する。
我々は,大都市医療施設のHIVクリニックから患者を表現型化する実験を行った。
臨床専門家による評価では,学習した表現型とその関連性は臨床的に有効であることが判明した。
論文 参考訳（メタデータ） (2020-03-09T15:41:58Z) - Analysis and Evaluation of Handwriting in Patients with Parkinson's
Disease Using kinematic, Geometrical, and Non-linear Features [0.0]
手書き分析は、診断を支援し、パーキンソン病の進行をモニタリングするのに役立ちます。
本稿では,パーキンソン病にともなう手書き障害をモデル化するための特徴群の重要性を評価することを目的とする。
論文 参考訳（メタデータ） (2020-02-13T09:54:41Z)
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。