論文の概要: Analysis and classification of main risk factors causing stroke in
Shanxi Province
- arxiv url: http://arxiv.org/abs/2106.00002v1
- Date: Sat, 29 May 2021 14:27:08 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-05 16:30:08.310154
- Title: Analysis and classification of main risk factors causing stroke in
Shanxi Province
- Title（参考訳）: 山西省における脳卒中の主な危険因子の解析と分類
- Authors: Junjie Liu, Yiyang Sun, Jing Ma, Jiachen Tu, Yuhui Deng, Ping He,
Huaxiong Huang, Xiaoshuang Zhou, Shixin Xu
- Abstract要約: 中国では近年、脳卒中が最初の死因となっている。
中国国家ストローク予防プロジェクト(CSPP)における「8+2」要因の重要性を評価した。
また、人間の脳卒中の確率を機械学習モデルで予測することもできる。
- 参考スコア（独自算出の注目度）: 8.205220957412354
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In China, stroke is the first leading cause of death in recent years. It is a
major cause of long-term physical and cognitive impairment, which bring great
pressure on the National Public Health System. Evaluation of the risk of
getting stroke is important for the prevention and treatment of stroke in
China. A data set with 2000 hospitalized stroke patients in 2018 and 27583
residents during the year 2017 to 2020 is analyzed in this study. Due to data
incompleteness, inconsistency, and non-structured formats, missing values in
the raw data are filled with -1 as an abnormal class. With the cleaned
features, three models on risk levels of getting stroke are built by using
machine learning methods. The importance of "8+2" factors from China National
Stroke Prevention Project (CSPP) is evaluated via decision tree and random
forest models. Except for "8+2" factors the importance of features and SHAP1
values for lifestyle information, demographic information, and medical
measurement are evaluated and ranked via a random forest model. Furthermore, a
logistic regression model is applied to evaluate the probability of getting
stroke for different risk levels. Based on the census data in both communities
and hospitals from Shanxi Province, we investigate different risk factors of
getting stroke and their ranking with interpretable machine learning models.
The results show that Hypertension (Systolic blood pressure, Diastolic blood
pressure), Physical Inactivity (Lack of sports), and Overweight (BMI) are
ranked as the top three high-risk factors of getting stroke in Shanxi province.
The probability of getting stroke for a person can also be predicted via our
machine learning model.
- Abstract（参考訳）: 中国では近年、脳卒中が最初の死因となっている。
長期の身体的および認知的障害の主な原因であり、国家の公衆衛生システムに大きなプレッシャーとなっている。
中国における脳卒中予防と治療には脳卒中リスクの評価が重要である。
本研究は,2017～2020年に入院した脳卒中患者2000名と,患者27583名を対象にしたデータである。
データ不完全性、不一貫性、非構造化フォーマットのため、生データの値の欠如は、異常クラスとして-1で満たされる。
クリーンな機能により、機械学習手法を使用して、脳卒中のリスクレベルに関する3つのモデルが構築される。
中国国家ストローク予防プロジェクト(CSPP)の「8+2」要因の重要性は、決定木とランダム森林モデルを用いて評価される。
8+2因子を除くと、ライフスタイル情報、人口統計情報、医療測定における特徴とSHAP1値の重要性を評価し、ランダム森林モデルを用いてランク付けする。
さらに,ロジスティック回帰モデルを用いて異なるリスクレベルに対する脳卒中発生確率を評価する。
山西省の市町村と病院の国勢調査データをもとに,脳卒中リスク要因と,解釈可能な機械学習モデルによるランク付けについて検討した。
その結果,山西省では高血圧(体性血圧,拡張型血圧),身体不活性(スポーツの欠如),過体重(BMI)が脳卒中発症の危険因子の上位3つにランクされている。
また、人間の脳卒中の確率を機械学習モデルで予測することもできる。
関連論文リスト
- Survival modeling using deep learning, machine learning and statistical methods: A comparative analysis for predicting mortality after hospital admission [9.719996519981333]
コックス比例ハザード(CoxPH)、ステップワイドコックスPH、弾性ネットペナル化コックスモデル、GBM学習など、いくつかの生存分析手法の比較研究を行った。
症例スタディとして,2017年から2019年にかけて,第3次病院救急外来で入院した患者の振り返り分析を行った。
C-indexの結果は、ディープラーニングが同等のパフォーマンスを達成し、DeepSurvが最高の差別を生み出していることを示している。
論文 参考訳（メタデータ） (2024-03-04T10:46:02Z) - 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) - 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) - How Does Pruning Impact Long-Tailed Multi-Label Medical Image
Classifiers? [49.35105290167996]
プルーニングは、ディープニューラルネットワークを圧縮し、全体的なパフォーマンスに大きな影響を及ぼすことなく、メモリ使用量と推論時間を短縮する強力なテクニックとして登場した。
この研究は、プルーニングがモデル行動に与える影響を理解するための第一歩である。
論文 参考訳（メタデータ） (2023-08-17T20:40:30Z) - 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) - Ischemic Stroke Lesion Prediction using imbalanced Temporal Deep
Gaussian Process (iTDGP) [2.649401887836554]
急性虚血性脳卒中(AIS)は、動脈閉塞により突然脳への血液供給が中断されたときに起こる。
CT(Computed Tomography Perfusion)画像から抽出した3次元計測マップをしきい値として評価する現在の標準AIS評価法は十分ではない。
ベースラインガウス時系列を用いてAIS予測を改善する確率モデルであるiTDGPを提案する。
論文 参考訳（メタデータ） (2022-11-16T17:32:29Z) - Multi-objective optimization and explanation for stroke risk assessment
in Shanxi province [7.880149888890841]
ストロークは中国で最大の死因である。
本論文のモデルと分析ツールは, 理論的に最適化された予測法を提供するだけでなく, 各患者のリスク状態と推移方向の帰属的説明も提供する。
論文 参考訳（メタデータ） (2021-07-29T14:53:04Z) - 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) - A General Framework for Survival Analysis and Multi-State Modelling [70.31153478610229]
ニューラル常微分方程式を多状態生存モデル推定のためのフレキシブルで一般的な方法として用いる。
また,本モデルでは,サバイバルデータセット上での最先端性能を示すとともに,マルチステート環境での有効性を示す。
論文 参考訳（メタデータ） (2020-06-08T19:24:54Z) - Two Tier Prediction of Stroke Using Artificial Neural Networks and
Support Vector Machines [0.0]
統計的には、脳卒中は2番目の死因である。
これは脳卒中を予測できる2段階のシステムを提案する動機となった。
最初の階層では、ANN(Artificial Neural Network)を使用して、脳卒中を患う人の可能性を予測する。
ひとたび脳卒中リスクが高いと分類されると、s/heは別の階層2分類テストを行い、脳卒中の可能性を予測するために神経MRIが分析される。
論文 参考訳（メタデータ） (2020-03-17T07:20:59Z)
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。