論文の概要: Using Biological Variables and Social Determinants to Predict Malaria and Anemia among Children in Senegal

• arxiv url: http://arxiv.org/abs/2108.03601v1
• Date: Sun, 8 Aug 2021 10:30:44 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-11 06:49:58.812291
• Title: Using Biological Variables and Social Determinants to Predict Malaria and Anemia among Children in Senegal
• Title（参考訳）: セネガル小児のマラリア・貧血予測における生物学的変数と社会的決定因子の利用
• Authors: Boubacar Sow, Hiroki Suguri, Hamid Mukhtar and Hafiz Farooq Ahmad
• Abstract要約: 本稿では,Pythonの4つの機械学習アルゴリズムを用いて,セネガルの子どもの健康データを分析することに焦点を当てた。 生物学的変数と社会的決定因子を用いた2つの血液疾患の分類モデルを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Integrating machine learning techniques in healthcare becomes very common nowadays, and it contributes positively to improving clinical care and health decisions planning. Anemia and malaria are two life-threatening diseases in Africa that affect the red blood cells and reduce hemoglobin production. This paper focuses on analyzing child health data in Senegal using four machine learning algorithms in Python: KNN, Random Forests, SVM, and Na\"ive Bayes. Our task aims to investigate large-scale data from The Demographic and Health Survey (DHS) and to find out hidden information for anemia and malaria. We present two classification models for the two blood disorders using biological variables and social determinants. The findings of this research will contribute to improving child healthcare in Senegal by eradicating anemia and malaria, and decreasing the child mortality rate.
• Abstract（参考訳）: 医療における機械学習技術の統合は、現在非常に一般的であり、臨床医療と健康決定計画の改善に積極的に寄与している。 貧血とマラリアは、赤血球に影響を及ぼしヘモグロビン産生を減少させる2つの生命を脅かす病気である。 本稿では,Pythonの4つの機械学習アルゴリズムであるKNN,Random Forests,SVM,Na\"ive Bayesを用いて,セネガルの子どもの健康データを分析することに焦点を当てた。 The Demographic and Health Survey(DHS)の大規模データを調査し,貧血やマラリアの隠れた情報を見つけることを目的としている。 生物学的変数と社会的決定因子を用いた2つの血液疾患の分類モデルを提案する。 本研究の結果は,貧血とマラリアを根絶し,小児死亡率を低下させることにより,セネガルにおける小児医療の改善に寄与する。

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)
• Modeling the amplification of epidemic spread by misinformed populations [41.31724592098777]
  我々は、大規模で移動性に富んだ物理的接触ネットワークと、ソーシャルメディアデータから派生した郡にまたがる誤情報による個人分布を組み込んだ疫病モデルを用いている。 新型コロナウイルスの感染拡大に伴い、米国人口の14%が感染する恐れがある。
  論文  参考訳（メタデータ） (2024-02-17T18:01:43Z)
• Unmasking and Quantifying Racial Bias of Large Language Models in Medical Report Generation [36.15505795527914]
  GPT-3.5-turboやGPT-4のような大きな言語モデルは、医療専門家に約束を守る。 これらのモデルはよりコストが高く、白人の入院が長くなる傾向にある。 これらのバイアスは、現実世界の医療格差を反映している。
  論文  参考訳（メタデータ） (2024-01-25T00:34:16Z)
• Simulating Malaria Detection in Laboratories using Deep Learning [0.0]
  マラリアは通常、血液スミアの小さなサンプルを調べることで微生物学者によって診断される。 早期に診断され適切な治療を受けた場合、マラリア感染による死亡率の低下が可能である。 WHOは、2030年にはマラリアの発生率と死亡率を90%削減し、35カ国でマラリアを除去するという大胆な目標を掲げている。
  論文  参考訳（メタデータ） (2023-03-21T11:23:59Z)
• COVID-Net Biochem: An Explainability-driven Framework to Building Machine Learning Models for Predicting Survival and Kidney Injury of COVID-19 Patients from Clinical and Biochemistry Data [66.43957431843324]
  我々は、機械学習モデルを構築するための汎用的で説明可能なフレームワークであるCOVID-Net Biochemを紹介する。 この枠組みを用いて、新型コロナウイルス患者の生存率と、入院中に急性腎不全を発症する可能性を予測する。
  論文  参考訳（メタデータ） (2022-04-24T07:38:37Z)
• Sickle Cell Disease Severity Prediction from Percoll Gradient Images using Graph Convolutional Networks [38.27767684024691]
  シックル細胞病(Sickle cell disease, SCD)は、赤血球の早期破壊を引き起こす重篤な遺伝性ヘモグロビン疾患である。 提案手法は,SCD重大度予測の難問に対する最初の計算手法である。
  論文  参考訳（メタデータ） (2021-09-11T21:09:50Z)
• A Dataset and Benchmark for Malaria Life-Cycle Classification in Thin Blood Smear Images [7.113350536579545]
  マラリア顕微鏡、寄生虫Plasmodiumを検出するステンド血液スライドの顕微鏡検査は、マラリアを検出するための金標準であると考えられています。 本研究では,染色フィルム写真中のプラスモジウム寄生虫を自動的に検出(局在化)する深層学習に基づく手法を提案する。 機械学習に基づくマラリア顕微鏡の研究を容易にするために,新しい大規模顕微鏡画像マラリアデータセットを提案する。
  論文  参考訳（メタデータ） (2021-02-17T11:44:52Z)
• Localization of Malaria Parasites and White Blood Cells in Thick Blood Smears [5.36646793661301]
  本研究はマラリア原虫および白血球(WBCs)の局在と数に対するエンドツーエンドアプローチを提案する。 血液スミア画像のスライスデータセットを用いて,得られたデジタル画像を解析するモデルを構築した。 予備的な結果は、我々のディープラーニングアプローチがマラリア原虫とWBCの数を確実に検出し、返却していることを示している。
  論文  参考訳（メタデータ） (2020-12-03T15:14:38Z)
• Malaria Detection and Classificaiton [0.38233569758620056]
  世界保健機関(WHO)によると、マラリアは世界的な懸念の種である。 本研究では,マラリアの診断のための枠組みを提唱した。 我々は,第1層のFaster-RCNNを用いて感染した細胞を検知し,収穫した細胞を分離したニューラルネットワークに給餌して分類する2層アプローチを採用した。
  論文  参考訳（メタデータ） (2020-11-29T10:04:01Z)
• MOSQUITO-NET: A deep learning based CADx system for malaria diagnosis along with model interpretation using GradCam and class activation maps [9.01199960262149]
  マラリアは世界でも最も致命的な病気の1つで、毎年数千人が死亡している。 マラリアの原因となる寄生虫は、科学的にはプラスモジウムと呼ばれ、ヒトの赤血球に感染する。 マラリアの診断には、顕微鏡的血腫の医療従事者による寄生細胞の同定と手動計測が必要である。
  論文  参考訳（メタデータ） (2020-06-17T13:00:30Z)
• Cross-lingual Transfer Learning for COVID-19 Outbreak Alignment [90.12602012910465]
  われわれは、Twitterを通じてイタリアの新型コロナウイルス感染症(COVID-19)の早期流行を訓練し、他のいくつかの国に移る。 実験の結果,クロスカントリー予測において最大0.85のスピアマン相関が得られた。
  論文  参考訳（メタデータ） (2020-06-05T02:04:25Z)

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。