Fugu-MT 論文翻訳(概要): Development of a dynamic type 2 diabetes risk prediction tool: a UK Biobank study

論文の概要: Development of a dynamic type 2 diabetes risk prediction tool: a UK Biobank study

arxiv url: http://arxiv.org/abs/2104.10108v1
Date: Tue, 20 Apr 2021 16:37:26 GMT
ステータス: 処理完了
システム内更新日: 2021-04-21 13:33:15.184542
Title: Development of a dynamic type 2 diabetes risk prediction tool: a UK Biobank study
Title（参考訳）: ダイナミック2型糖尿病リスク予測ツールの開発--英国バイオバンクによる研究
Authors: Nikola Dolezalova, Massimo Cairo, Alex Despotovic, Adam T.C. Booth, Angus B. Reed, Davide Morelli, David Plans
Abstract要約: 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。
参考スコア（独自算出の注目度）: 0.8620335948752806
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Diabetes affects over 400 million people and is among the leading causes of morbidity worldwide. Identification of high-risk individuals can support early diagnosis and prevention of disease development through lifestyle changes. However, the majority of existing risk scores require information about blood-based factors which are not obtainable outside of the clinic. Here, we aimed to develop an accessible solution that could be deployed digitally and at scale. We developed a predictive 10-year type 2 diabetes risk score using 301 features derived from 472,830 participants in the UK Biobank dataset while excluding any features which are not easily obtainable by a smartphone. Using a data-driven feature selection process, 19 features were included in the final reduced model. A Cox proportional hazards model slightly overperformed a DeepSurv model trained using the same features, achieving a concordance index of 0.818 (95% CI: 0.812-0.823), compared to 0.811 (95% CI: 0.806-0.815). The final model showed good calibration. This tool can be used for clinical screening of individuals at risk of developing type 2 diabetes and to foster patient empowerment by broadening their knowledge of the factors affecting their personal risk.
Abstract（参考訳）: 糖尿病は4億人以上に影響し、世界有数の死因となっている。リスクの高い個体の同定は、ライフスタイルの変化による早期診断と疾患発生の予防を支援することができる。しかし、既存のリスクスコアの大部分は、診療所の外では入手できない血液ベースの因子に関する情報を必要とする。ここでは,ディジタルかつ大規模にデプロイ可能な,アクセス可能なソリューションの開発を目指しています。本研究は,英国バイオバンクの472,830人を対象に,スマートフォンで容易に入手できない特徴を除外しつつ,301個の特徴を用いた10年間の2型糖尿病リスクスコアを開発した。データ駆動型機能選択プロセスを使用して、最終的な縮小モデルに19の機能が含まれた。 Cox比例ハザードモデルは、同じ特徴を用いてトレーニングされたDeepSurvモデルをわずかに上回り、0.818(95%CI:0.812-0.823)の一致指数を0.811(95%CI:0.806-0.815)と比較した。最終モデルはキャリブレーションが良好であった。このツールは、2型糖尿病を発症するリスクのある患者の臨床スクリーニングや、個人のリスクに影響する要因に関する知識を広げて患者のエンパワーメントを促進するために使用できる。

関連論文リスト

Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
論文参考訳（メタデータ） (2024-04-26T16:39:50Z)
Interpretable Survival Analysis for Heart Failure Risk Prediction [50.64739292687567]
現状の生存モデルと解釈可能かつ競合する新しい生存分析パイプラインを提案する。我々のパイプラインは最先端のパフォーマンスを達成し、心不全のリスク要因に関する興味深い新しい洞察を提供する。
論文参考訳（メタデータ） (2023-10-24T02:56:05Z)
MedDiffusion: Boosting Health Risk Prediction via Diffusion-based Data Augmentation [58.93221876843639]
本稿では,MedDiffusion という,エンドツーエンドの拡散に基づくリスク予測モデルを提案する。トレーニング中に合成患者データを作成し、サンプルスペースを拡大することで、リスク予測性能を向上させる。ステップワイズ・アテンション・メカニズムを用いて患者の来訪者間の隠れた関係を識別し、高品質なデータを生成する上で最も重要な情報をモデルが自動的に保持することを可能にする。
論文参考訳（メタデータ） (2023-10-04T01:36:30Z)
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)
Using Machine Learning Techniques to Identify Key Risk Factors for Diabetes and Undiagnosed Diabetes [0.0]
本稿では,糖尿病の有無と未診断糖尿病の有無を予測するために構築された機械学習モデルについて概説する。次に、最高のパフォーマンスモデルの最も関連性の高い変数を比較します。血液浸透圧、家族歴、様々な化合物の有病率、高血圧は全ての糖尿病リスクの指標である。
論文参考訳（メタデータ） (2021-05-19T20:02:35Z)
Development of digitally obtainable 10-year risk scores for depression and anxiety in the general population [0.0]
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。
論文参考訳（メタデータ） (2021-04-20T16:16:56Z)
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)
Risk factor identification for incident heart failure using neural network distillation and variable selection [24.366241122862473]
リスク関連同定のための確立されたディープラーニングモデルによって学習された隠れたパターンを解く2つの方法を提案する。 788,880例(8.3%の心不全)のコホートが検討された。モデル蒸留では, 心不全に関連する598例と379例を, 人口レベルでそれぞれ同定した。これらの重要な集団レベルの知見に加えて, 臨床における心不全の出現を考慮し, 個人レベルでの解釈へのアプローチを開発した。
論文参考訳（メタデータ） (2021-02-17T10:20:38Z)
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)
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。