論文の概要: GA-SVM for Evaluating Heroin Consumption Risk

• arxiv url: http://arxiv.org/abs/2103.12633v1
• Date: Tue, 23 Mar 2021 15:41:30 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-24 13:42:06.772018
• Title: GA-SVM for Evaluating Heroin Consumption Risk
• Title（参考訳）: ヘロイン消費リスク評価のためのGA-SVM
• Authors: Sean-Kelly Palicki, R. Muhammad Atif Azad
• Abstract要約: 2017年には米国で7万人以上の薬物過剰摂取が死亡している。 約半数はヘロインのようなオピオイドの使用であった。 以前の研究はヘロイン中毒の原因を議論しています。
• 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: There were over 70,000 drug overdose deaths in the USA in 2017. Almost half of those involved the use of Opioids such as Heroin. This research supports efforts to combat the Opioid Epidemic by further understanding factors that lead to Heroin consumption. Previous research has debated the cause of Heroin addiction, with some explaining the phenomenon as a transition from prescription Opioids, and others pointing to various psycho-social factors. This research used self-reported information about personality, demographics and drug consumption behavior to predict Heroin consumption. By applying a Support Vector Machine algorithm optimized with a Genetic Algorithm (GA-SVM Hybrid) to simultaneously identify predictive features and model parameters, this research produced several models that were more accurate in predicting Heroin use than those produced in previous studies. Although all factors had predictive power, these results showed that consumption of other drugs (both prescription and illicit) were stronger predictors of Heroin use than psycho-social factors. The use of prescription drugs as a strong predictor of Heroin use is an important though disturbing discovery but that can help combat Heroin use.
• Abstract（参考訳）: 2017年には米国で7万人以上の薬物過剰摂取が死亡している。 約半数はヘロインのようなオピオイドの使用であった。 この研究は、ヘロイン消費につながる要因をさらに理解することで、オピオイドの流行と戦う取り組みを支援している。 以前の研究では、ヘロイン依存の原因を議論しており、この現象は処方用オピオイドからの遷移であると説明する者や、様々な精神社会的要因を指摘する者もいる。 本研究は、ヘロイン消費量を予測するために、人格、人口動態、薬物摂取行動に関する自己報告情報を用いた。 遺伝的アルゴリズム (GA-SVM Hybrid) に最適化されたサポートベクトルマシンアルゴリズムを適用して, 予測特徴とモデルパラメータを同時に同定することにより, ヘロインの使用率を従来研究よりも正確に予測できるモデルを開発した。 すべての要因が予測力を持っていたが、これらの結果は、他の薬物(処方薬と違法の両方)の摂取が、精神社会的要因よりもヘロインの使用の予測因子が強いことを示した。 ヘロイン使用の強力な予測因子としての処方薬の使用は、発見を邪魔するが、ヘロイン使用と戦うのに役立つ。

関連論文リスト

• Detection of Opioid Users from Reddit Posts via an Attention-based Bidirectional Recurrent Neural Network [11.491225833044021]
  我々は、Redditでオピオイドユーザーを特定する機械学習の最近の進歩を活用している。 1ヶ月で3つのサブレディットに投稿した1000人以上のユーザーからの投稿が収集された。 我々は,オピオイドユーザを特定するために,注目に基づく双方向長短メモリモデルを適用した。
  論文  参考訳（メタデータ） (2024-02-09T22:12:20Z)
• Identifying Self-Disclosures of Use, Misuse and Addiction in Community-based Social Media Posts [26.161892748901252]
  我々は,オピオイド使用の6つの異なる位相をラベル付けした,様々なサブレディットからの2500オピオイド関連ポストのコーパスを提示する。 すべての投稿で、私たちは、アノテーションの品質とモデル開発の両方において、スパンレベルの説明を注釈付けし、彼らの役割を決定的に研究します。
  論文  参考訳（メタデータ） (2023-11-15T16:05:55Z)
• "Can We Detect Substance Use Disorder?": Knowledge and Time Aware Classification on Social Media from Darkweb [0.08388591755871731]
  本研究は,オピオイドを暗号市場上場を通じて販売するソーシャルメディア上での物質使用状況を分析した。 我々は、薬物乱用オントロジー、最先端のディープラーニング、知識を意識したBERTベースのモデルを用いて、感情と感情を生成する。 我々は、暗号市場データをクロールして、フェンタニル、フェンタニル類縁体、その他の新しい合成オピオイドの抽出に利用した方法について論じる。
  論文  参考訳（メタデータ） (2023-04-20T17:47:13Z)
• Zero-shot causal learning [64.9368337542558]
  CaMLは因果メタラーニングフレームワークであり、各介入の効果をタスクとしてパーソナライズした予測を定式化する。 トレーニング時に存在しない新規介入のパーソナライズされた効果を予測することができることを示す。
  論文  参考訳（メタデータ） (2023-01-28T20:14:11Z)
• Knowledge-Driven New Drug Recommendation [88.35607943144261]
  既存の薬物と新薬のギャップを埋めるために, 薬物依存型マルチフェノタイプ数発学習機を開発した。 EDGEは外部薬効知識ベースを用いて偽陰性監視信号を除去する。 その結果, EDGEは, ROC-AUCスコアよりも7.3%向上していることがわかった。
  論文  参考訳（メタデータ） (2022-10-11T16:07:52Z)
• Multi-View Substructure Learning for Drug-Drug Interaction Prediction [69.34322811160912]
  DDI予測のための新しいマルチビュードラッグサブ構造ネットワーク(MSN-DDI)を提案する。 MSN-DDIは、単一の薬物(イントラビュー)と薬物ペア(インタービュー)の両方の表現から化学的サブ構造を同時に学習し、そのサブ構造を利用して、薬物表現を反復的に更新する。 総合的な評価では、MSN-DDIは、トランスダクティブ・セッティングの下で比較的改善された19.32%と99%以上の精度を達成することで、既存の薬物に対するDDI予測をほぼ解決したことを示している。
  論文  参考訳（メタデータ） (2022-03-28T05:44:29Z)
• Deep learning for drug repurposing: methods, databases, and applications [54.08583498324774]
  新しい治療法のために既存の薬物を再利用することは、実験コストの低減で薬物開発を加速する魅力的な解決策である。 本稿では,薬物再資源化のための深層学習手法とツールの活用に関するガイドラインを紹介する。
  論文  参考訳（メタデータ） (2022-02-08T09:42:08Z)
• Understanding the factors driving the opioid epidemic using machine learning [10.021195517057462]
  アメリカ合衆国ではオピオイドが流行し、前例のない数の薬物が過剰摂取死を経験している。 本研究では,デラウェア州におけるオピオイドリスクの同定に機械学習を用いた手法を適用した。
  論文  参考訳（メタデータ） (2021-08-16T18:08:56Z)
• eDarkTrends: Harnessing Social Media Trends in Substance use disorders for Opioid Listings on Cryptomarket [10.220809005199781]
  本研究は,ソーシャルメディア上で,オピオイドが仮想通貨市場で販売されている場合の薬物乱用記事を分析した。 我々は、薬物乱用オントロジー、最先端のディープラーニング、およびBERTベースのモデルを使用して、ソーシャルメディア投稿に対する感情と感情を生成する。 時間的介入が必要なオピオイド症例の分離を支援するため, 政策形成に有効であると考えられた。
  論文  参考訳（メタデータ） (2021-03-29T16:58:26Z)
• MolDesigner: Interactive Design of Efficacious Drugs with Deep Learning [61.74958429818077]
  MolDesignerは、ドラッグ開発者のためのヒューマン・イン・ザ・ループ・ウェブ・ユーザ・インタフェース(UI)である。 開発者は、インターフェイスに薬物分子を描画することができる。 バックエンドでは、17以上の最先端のDLモデルが、薬物の有効性に不可欠な重要な指標の予測を生成する。
  論文  参考訳（メタデータ） (2020-10-05T21:25:25Z)
• Computational Support for Substance Use Disorder Prevention, Detection, Treatment, and Recovery [62.9980747784214]
  物質使用障害には、アルコール、オピオイド、マリファナ、メタンフェタミンの誤用が含まれる。 成人12人中1人が薬物使用障害を患っている。 全米薬物乱用協会(National Institute on Drug Abuse)は、SUDが年間5200億ドルの費用を負担していると推計している。
  論文  参考訳（メタデータ） (2020-06-23T18:30:20Z)

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。