論文の概要: Development of digitally obtainable 10-year risk scores for depression
and anxiety in the general population
- arxiv url: http://arxiv.org/abs/2104.10087v1
- Date: Tue, 20 Apr 2021 16:16:56 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-21 13:50:44.188880
- Title: Development of digitally obtainable 10-year risk scores for depression
and anxiety in the general population
- Title(参考訳): 一般住民の抑うつと不安に対するデジタル取得可能な10年間のリスクスコアの開発
- Authors: D. Morelli, N. Dolezalova, S. Ponzo, M. Colombo and D. Plans
- Abstract要約: 40万人以上の英国バイオバンク参加者のコホートを用いて、10年間の抑うつと不安の予測アルゴリズムを開発した。
デジタルソリューションにデプロイすれば、個人がリスクを追跡できるだけでなく、ライフスタイルの変化によってそのリスクを減らせるための指標も提供できる。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The burden of depression and anxiety in the world is rising. Identification
of individuals at increased risk of developing these conditions would help to
target them for prevention and ultimately reduce the healthcare burden. We
developed a 10-year predictive algorithm for depression and anxiety using the
full cohort of over 400,000 UK Biobank (UKB) participants without pre-existing
depression or anxiety using digitally obtainable information. From the initial
204 variables selected from UKB, processed into > 520 features, iterative
backward elimination using Cox proportional hazards model was performed to
select predictors which account for the majority of its predictive capability.
Baseline and reduced models were then trained for depression and anxiety using
both Cox and DeepSurv, a deep neural network approach to survival analysis. The
baseline Cox model achieved concordance of 0.813 and 0.778 on the validation
dataset for depression and anxiety, respectively. For the DeepSurv model,
respective concordance indices were 0.805 and 0.774. After feature selection,
the depression model contained 43 predictors and the concordance index was
0.801 for both Cox and DeepSurv. The reduced anxiety model, with 27 predictors,
achieved concordance of 0.770 in both models. The final models showed good
discrimination and calibration in the test datasets.We developed predictive
risk scores with high discrimination for depression and anxiety using the UKB
cohort, incorporating predictors which are easily obtainable via smartphone. If
deployed in a digital solution, it would allow individuals to track their risk,
as well as provide some pointers to how to decrease it through lifestyle
changes.
- Abstract(参考訳): 世界における抑うつと不安の負担は高まっている。
これらの症状を発症するリスクが高まる個体の同定は、予防と最終的に医療負担の軽減を目標とする上で有効である。
我々は、40,000人以上の英国バイオバンク(UKB)の参加者による、既存のうつ病や不安をデジタル的に取得可能な情報を用いて、抑うつと不安を10年間予測するアルゴリズムを開発した。
The first 204 variables selected from UKB, Processing into > 520 features, alsoerative backward elimination using Cox proportional hazards model was performed to select predictors that account of the most of the predictive capabilities。
ベースラインと縮小モデルは、生存分析のためのディープニューラルネットワークアプローチであるCoxとDeepSurvを使用して、うつ病と不安のためにトレーニングされた。
coxモデルは抑うつと不安の検証データセット上で0.813と0.778の一致を達成した。
DeepSurvモデルでは、それぞれ0.805と0.774である。
特徴選択後、抑うつモデルは43の予測器を含み、一致指数はCoxとDeepSurvのそれぞれ0.801であった。
緩和された不安モデルには27の予測器があり、両方のモデルで0.770の一致を達成した。
最終モデルは, テストデータセットの判別と校正が良好であり, スマートフォンで容易に入手可能な予測器を組み込んだUKBコホートを用いて, 抑うつと不安の高い予測リスクスコアを開発した。
デジタルソリューションにデプロイすれば、個人がリスクを追跡できるだけでなく、ライフスタイルの変化によってそのリスクを減らせるための指標も提供される。
関連論文リスト
- Towards Clinical Prediction with Transparency: An Explainable AI
Approach to Survival Modelling in Residential Aged Care [0.0]
この研究は、機械学習を用いて高齢者ケアの生存モデルを作成し、死亡リスク要因に関する臨床的知見と一致させる。
主な死亡率予測には、年齢、男性性、移動性、健康状態、圧力潰瘍リスク、食欲などが含まれる。
論文 参考訳(メタデータ) (2023-12-01T01:11:16Z) - Quantifying predictive uncertainty of aphasia severity in stroke
patients with sparse heteroscedastic Bayesian high-dimensional regression [49.504432873468254]
高次元データに対する疎線型回帰法は、通常、残留物が一定の分散を持つと仮定するが、これは実際には破ることができる。
本稿では,ヘテロセダスティック分割経験的ベイズ期待条件最大化アルゴリズムを用いて,高次元ヘテロセダスティック線形回帰モデルを推定する。
論文 参考訳(メタデータ) (2023-09-15T22:06:29Z) - Diagnosis Uncertain Models For Medical Risk Prediction [80.07192791931533]
本研究は, 患者の診断にはアクセスできない, バイタルサイン, 検査値, 既往歴にアクセス可能な患者リスクモデルについて考察する。
このようなすべての原因のリスクモデルが、診断全体にわたって良い一般化を持つが、予測可能な障害モードを持つことが示される。
患者診断の不確実性から生じるリスク予測の不確実性を明示的にモデル化し,この問題に対する対策を提案する。
論文 参考訳(メタデータ) (2023-06-29T23:36:04Z) - Conservative Prediction via Data-Driven Confidence Minimization [66.35245313125934]
機械学習モデルのエラーは、特に医療のような安全クリティカルな領域では、コストがかかる。
本稿では、不確実性データセットに対する信頼性を最小化するデータ駆動型信頼性最小化(DCM)を提案する。
実験の結果、DCMは8つのID-OODデータセットペアに対して、最先端のOOD検出方法よりも一貫して優れていることがわかった。
論文 参考訳(メタデータ) (2023-06-08T07:05:36Z) - Supervised Machine Learning for Breast Cancer Risk Factors Analysis and
Survival Prediction [0.5249805590164902]
最も効果的な治療法の選択は、最終的には乳がん生存予測に影響されるかもしれない。
本研究では,1904年の患者記録を用いて5年間の乳癌生存を機械学習を用いて予測した。
論文 参考訳(メタデータ) (2023-04-13T12:32:14Z) - Development of a dynamic type 2 diabetes risk prediction tool: a UK
Biobank study [0.8620335948752806]
英国バイオバンクデータセットの301機能を用いて10年間の2型糖尿病リスクスコアを算出した。
Cox比例ハザードモデルは、同じ特徴を使ってトレーニングされたDeepSurvモデルをわずかに上回った。
このツールは、2型糖尿病のリスクのある患者の臨床スクリーニングや患者のエンパワーメントの促進に使用できる。
論文 参考訳(メタデータ) (2021-04-20T16:37:26Z) - Development of an accessible 10-year Digital CArdioVAscular (DiCAVA)
risk assessment: a UK Biobank study [0.46180371154032895]
目標は、統計的および機械学習技術を使用して新しいリスクモデル(DiCAVA)を開発することであった。
第二の目標は、CVDリスクアセスメントに組み込むことができる新しい患者中心変数を特定することでした。
論文 参考訳(メタデータ) (2021-04-20T16:01:50Z) - 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) - An explainable Transformer-based deep learning model for the prediction
of incident heart failure [22.513476932615845]
100,071例の心不全予後予測のための新しいTransformerディープラーニングモデルを開発した。
このモデルは、レシーバーオペレーター曲線で 0.93 と 0.93 の領域、精度-リコール曲線で 0.69 と 0.70 の領域を達成した。
文脈化医療情報の重要さは感度分析において明らかにされた。
論文 参考訳(メタデータ) (2021-01-27T12:45:15Z) - A random shuffle method to expand a narrow dataset and overcome the
associated challenges in a clinical study: a heart failure cohort example [50.591267188664666]
本研究の目的は、統計的に合法なHFデータセットのカーディナリティを高めるためにランダムシャッフル法を設計することであった。
提案されたランダムシャッフル法は、HFデータセットのカーディナリティを10回、およびランダムな繰り返し測定アプローチに続いて21回向上させることができた。
論文 参考訳(メタデータ) (2020-12-12T10:59:38Z) - UNITE: Uncertainty-based Health Risk Prediction Leveraging Multi-sourced
Data [81.00385374948125]
我々はUNcertaInTyベースのhEalth Risk Prediction(UNITE)モデルを提案する。
UNITEは、複数ソースの健康データを活用した正確な疾患リスク予測と不確実性推定を提供する。
非アルコール性脂肪肝疾患(NASH)とアルツハイマー病(AD)の実態予測タスクにおけるUNITEの評価を行った。
UNITEはAD検出のF1スコアで最大0.841点、NASH検出のPR-AUCで最大0.609点を達成し、最高のベースラインで最大19%の高パフォーマンスを達成している。
論文 参考訳(メタデータ) (2020-10-22T02:28:11Z)
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。