論文の概要: Prediction of Blood Lactate Values in Critically Ill Patients: A Retrospective Multi-center Cohort Study

• arxiv url: http://arxiv.org/abs/2107.07582v1
• Date: Wed, 7 Jul 2021 09:46:47 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-25 11:56:42.533955
• Title: Prediction of Blood Lactate Values in Critically Ill Patients: A Retrospective Multi-center Cohort Study
• Title（参考訳）: 重症心不全患者の血中乳酸値の予測:多施設コホート研究
• Authors: Behrooz Mamandipoor, Wesley Yeung, Louis Agha-Mir-Salim, David J. Stone, Venet Osmani, Leo Anthony Celi
• Abstract要約: 早期に得られた血清乳酸濃度の上昇は、重症患者の死亡率の強力な予測因子である。 機械学習モデルがその後の乳酸血清の変化を予測できるかどうかを検討した。 LSTMモデルはMIMIC-III患者の血清乳酸値の低下を予測できた。
• 参考スコア（独自算出の注目度）: 1.5239522480830854
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Purpose. Elevations in initially obtained serum lactate levels are strong predictors of mortality in critically ill patients. Identifying patients whose serum lactate levels are more likely to increase can alert physicians to intensify care and guide them in the frequency of tending the blood test. We investigate whether machine learning models can predict subsequent serum lactate changes. Methods. We investigated serum lactate change prediction using the MIMIC-III and eICU-CRD datasets in internal as well as external validation of the eICU cohort on the MIMIC-III cohort. Three subgroups were defined based on the initial lactate levels: i) normal group (<2 mmol/L), ii) mild group (2-4 mmol/L), and iii) severe group (>4 mmol/L). Outcomes were defined based on increase or decrease of serum lactate levels between the groups. We also performed sensitivity analysis by defining the outcome as lactate change of >10% and furthermore investigated the influence of the time interval between subsequent lactate measurements on predictive performance. Results. The LSTM models were able to predict deterioration of serum lactate values of MIMIC-III patients with an AUC of 0.77 (95% CI 0.762-0.771) for the normal group, 0.77 (95% CI 0.768-0.772) for the mild group, and 0.85 (95% CI 0.840-0.851) for the severe group, with a slightly lower performance in the external validation. Conclusion. The LSTM demonstrated good discrimination of patients who had deterioration in serum lactate levels. Clinical studies are needed to evaluate whether utilization of a clinical decision support tool based on these results could positively impact decision-making and patient outcomes.
• Abstract（参考訳）: 目的。 乳酸血清中の乳酸濃度の上昇は重症患者の死亡率の強力な予測因子である。 乳酸値が上昇する可能性が高くなる患者を特定することで、医師に注意を喚起し、血液検査の頻度を誘導することができる。 機械学習モデルがその後の乳酸血清の変化を予測できるかどうかを検討する。 方法。 MIMIC-IIIおよびeICU-CRDデータセットを用いた血清乳酸変化予測と,MIMIC-IIIコホート上のeICUコホートの外的検証を行った。 乳酸初期濃度は, 正常群 (2 mmol/L), 軽群 (2-4 mmol/L), 重群 (>4 mmol/L) の3群に分類された。 結果は, 群間での乳酸値の上昇または低下に基づいて決定された。 また, ラクテート変化を10%以上と定義して感度解析を行い, その後のラクテート測定値間の時間間隔が予測性能に及ぼす影響についても検討した。 結果。 LSTMモデルでは,健常群が0.77(95% CI 0.762-0.771),軽度群が0.77(95% CI 0.768-0.772),重度群が0.85(95% CI 0.840-0.851),外的妥当性がわずかに低下したMIC-III患者の血清乳酸値の低下を予測できた。 結論。 lstmは血清乳酸値が低下した患者に対して良好な識別率を示した。 これらの結果に基づく臨床判断支援ツールの利用が意思決定と患者の成果に正の影響を与えるかどうかを評価するためには,臨床研究が必要である。

関連論文リスト

• CardioLab: Laboratory Values Estimation and Monitoring from Electrocardiogram Signals -- A Multimodal Deep Learning Approach [1.068128849363198]
  我々はMIMIC-IVデータセットを用いてマルチモーダル深層学習モデルを構築し、推定(リアルタイム)と監視(将来の間隔での予測)実験値異常の可能性を示す。 AUROCスコアが0.70を超え、23の実験室値と26の観測室値に対して統計的に有意な精度で予測性能を示す。
  論文  参考訳（メタデータ） (2024-11-22T12:10:03Z)
• Diagnostic Performance of Deep Learning for Predicting Gliomas' IDH and 1p/19q Status in MRI: A Systematic Review and Meta-Analysis [0.0]
  グリオーマは最も一般的な脳腫瘍である。 分子プロファイリングは診断、治療、予後に重要である。 本稿では,MRIを用いた深層学習モデルによるバイオマーカーの予測の有効性について検討する。
  論文  参考訳（メタデータ） (2024-10-28T13:39:52Z)
• 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)
• Detection of subclinical atherosclerosis by image-based deep learning on chest x-ray [86.38767955626179]
  460胸部X線で冠状動脈カルシウム(CAC)スコアを予測する深層学習アルゴリズムを開発した。 AICACモデルの診断精度は, 曲線下領域(AUC)で評価された。
  論文  参考訳（メタデータ） (2024-03-27T16:56:14Z)
• Machine learning predicts long-term mortality after acute myocardial infarction using systolic time intervals and routinely collected clinical data [0.35998666903987897]
  樹齢14年以内の死亡率を予測するため,木に基づくMLアルゴリズムの性能について検討した。 機能セットにbPEPとbETを追加することで,アルゴリズムの性能が大幅に向上した。 この進歩は、リスクの高い個人に対してより良い治療優先順位付けを可能にする可能性がある。
  論文  参考訳（メタデータ） (2024-03-03T15:23:49Z)
• Clinical Characteristics and Laboratory Biomarkers in ICU-admitted Septic Patients with and without Bacteremia [7.152311859951986]
  本研究では,細菌の予測モデルを最適化するために,実験室バイオマーカーの予測力を評価した。 真菌血症48例の計218例について検討した。
  論文  参考訳（メタデータ） (2023-11-14T06:44:26Z)
• Learning to diagnose cirrhosis from radiological and histological labels with joint self and weakly-supervised pretraining strategies [62.840338941861134]
  そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。 我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。 この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
  論文  参考訳（メタデータ） (2023-02-16T17:06:23Z)
• Auditing Algorithmic Fairness in Machine Learning for Health with Severity-Based LOGAN [70.76142503046782]
  臨床予測タスクにおいて,局所バイアスを自動検出するSLOGANを用いて,機械学習ベースの医療ツールを補足することを提案する。 LOGANは、患者の重症度と過去の医療史における集団バイアス検出を文脈化することにより、既存のツールであるLOcal Group biAs detectioNに適応する。 SLOGANは, クラスタリング品質を維持しながら, 患者群の75%以上において, SLOGANよりも高い公平性を示す。
  論文  参考訳（メタデータ） (2022-11-16T08:04:12Z)
• Comparison of Machine Learning Classifiers to Predict Patient Survival and Genetics of GBM: Towards a Standardized Model for Clinical Implementation [44.02622933605018]
  放射線モデルは、グリオ芽腫(GBM)の結果予測のための臨床データを上回ることが示されています。 GBM患者の生存率(OS),IDH変異,O-6-メチルグアニン-DNA-メチルトランスフェラーゼ(MGMT)プロモーターメチル化,EGFR(EGFR)VII増幅,Ki-67発現の9種類の機械学習分類器を比較した。 xgb は os (74.5%), ab for idh 変異 (88%), mgmt メチル化 (71,7%), ki-67 発現 (86,6%), egfr増幅 (81。
  論文  参考訳（メタデータ） (2021-02-10T15:10:37Z)
• Deep Learning Derived Histopathology Image Score for Increasing Phase 3 Clinical Trial Probability of Success [0.462316736194615]
  第3相臨床試験の失敗は、腫瘍学における薬物開発コストの上昇に寄与する。 我々は, 深層学習によるデジタル病理検査を用いて, 応答者を同定した。
  論文  参考訳（メタデータ） (2020-11-10T21:26:13Z)
• Comparative Analysis of Predictive Methods for Early Assessment of Compliance with Continuous Positive Airway Pressure Therapy [55.41644538483948]
  CPAP (Continuous positive airway pressure, CPAP) は, 夜間のCPAP平均使用時間の4h以上と認められた。 これまでの研究では、治療の遵守に大きく関係した要因が報告されている。 本研究は,CPAP療法を併用したコンプライアンス分類器を患者フォローアップの3つの異なるタイミングで構築することにより,この方向へのさらなる一歩を踏み出すことを目的とする。
  論文  参考訳（メタデータ） (2019-12-27T14:44:21Z)

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。