論文の概要: Understanding the factors driving the opioid epidemic using machine
learning
- arxiv url: http://arxiv.org/abs/2108.07301v1
- Date: Mon, 16 Aug 2021 18:08:56 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-18 13:09:03.272535
- Title: Understanding the factors driving the opioid epidemic using machine
learning
- Title（参考訳）: 機械学習を用いたオピオイド流行の要因の解明
- Authors: Sachin Gavali, Chuming Chen, Julie Cowart, Xi Peng, Shanshan Ding,
Cathy Wu and Tammy Anderson
- Abstract要約: アメリカ合衆国ではオピオイドが流行し、前例のない数の薬物が過剰摂取死を経験している。
本研究では,デラウェア州におけるオピオイドリスクの同定に機械学習を用いた手法を適用した。
- 参考スコア（独自算出の注目度）: 10.021195517057462
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In recent years, the US has experienced an opioid epidemic with an
unprecedented number of drugs overdose deaths. Research finds such overdose
deaths are linked to neighborhood-level traits, thus providing opportunity to
identify effective interventions. Typically, techniques such as Ordinary Least
Squares (OLS) or Maximum Likelihood Estimation (MLE) are used to document
neighborhood-level factors significant in explaining such adverse outcomes.
These techniques are, however, less equipped to ascertain non-linear
relationships between confounding factors. Hence, in this study we apply
machine learning based techniques to identify opioid risks of neighborhoods in
Delaware and explore the correlation of these factors using Shapley Additive
explanations (SHAP). We discovered that the factors related to neighborhoods
environment, followed by education and then crime, were highly correlated with
higher opioid risk. We also explored the change in these correlations over the
years to understand the changing dynamics of the epidemic. Furthermore, we
discovered that, as the epidemic has shifted from legal (i.e., prescription
opioids) to illegal (e.g.,heroin and fentanyl) drugs in recent years, the
correlation of environment, crime and health related variables with the opioid
risk has increased significantly while the correlation of economic and
socio-demographic variables has decreased. The correlation of education related
factors has been higher from the start and has increased slightly in recent
years suggesting a need for increased awareness about the opioid epidemic.
- Abstract（参考訳）: 近年、米国は前例のない量の薬物過剰摂取によるオピオイドの流行を経験している。
研究は、このような過剰摂取による死亡は、近隣レベルの特徴と関連しており、効果的な介入を特定する機会を与えている。
通常、通常の最小方形 (OLS) や最大同値推定 (MLE) のような手法は、そのような有害な結果を説明する上で重要な地域レベルの要因を文書化するために用いられる。
しかし、これらの手法は、境界要素間の非線形関係を確かめる能力が低い。
そこで本研究では,デラウェア州におけるオピオイドリスクの同定に機械学習を用いた手法を適用し,これらの要因の相関をシェープ・アダプティブ・説明(SHAP)を用いて検討する。
その結果, 近隣環境に関連する要因は, 教育や犯罪に続き, オピオイドリスクの上昇と高い相関関係があることが判明した。
また,疫病の動態の変化を理解するため,長年にわたる相関関係の変化についても検討した。
また,近年,法的なオピオイド(処方用オピオイド)から違法薬物(ヘロインやフェンタニルなど)への移行に伴い,環境・犯罪・健康関連変数とオピオイドリスクとの相関が顕著に高まり,経済・社会・社会・デポジカル変数の相関が減少していることが明らかとなった。
教育関連要因の相関は, 開始時から高く, 近年は若干増加しており, オピオイド流行に対する意識の高まりが示唆されている。
関連論文リスト
- New Rules for Causal Identification with Background Knowledge [59.733125324672656]
オープンな問題に対する新たな視点を提供するBKを導入するための2つの新しいルールを提案する。
これらのルールは、観測データによる因果効果のセットを決定するなど、典型的な因果関係のタスクに適用可能であることを示す。
論文 参考訳（メタデータ） (2024-07-21T20:21:21Z) - Identifying Self-Disclosures of Use, Misuse and Addiction in Community-based Social Media Posts [26.161892748901252]
我々は,オピオイド使用の6つの異なる位相をラベル付けした,様々なサブレディットからの2500オピオイド関連ポストのコーパスを提示する。
すべての投稿で、私たちは、アノテーションの品質とモデル開発の両方において、スパンレベルの説明を注釈付けし、彼らの役割を決定的に研究します。
論文 参考訳（メタデータ） (2023-11-15T16:05:55Z) - A Causal Framework for Decomposing Spurious Variations [68.12191782657437]
我々はマルコフモデルとセミマルコフモデルの急激な変分を分解するツールを開発する。
突発効果の非パラメトリック分解を可能にする最初の結果を証明する。
説明可能なAIや公平なAIから、疫学や医学における疑問まで、いくつかの応用がある。
論文 参考訳（メタデータ） (2023-06-08T09:40:28Z) - Why Interpretable Causal Inference is Important for High-Stakes Decision
Making for Critically Ill Patients and How To Do It [80.24494623756839]
重症心身障害患者に対する因果関係評価のための枠組みを提案する。
この枠組みは、脳の発作やその他の潜在的に有害な電気的事象が結果に与える影響に適用する。
論文 参考訳（メタデータ） (2022-03-09T18:03:35Z) - Heterogeneous Causal Effect of Polysubstance Usage on Drug Overdose [0.0]
過剰摂取量推定における異種同時薬物使用効果の推定システムを提案する。
我々は、「ベンゾジアゼピンとオピオイドの同時使用は、オピオイド過剰摂取流行に対する異種因果効果をもたらすか?
論文 参考訳（メタデータ） (2021-05-15T13:52:20Z) - eDarkTrends: Harnessing Social Media Trends in Substance use disorders
for Opioid Listings on Cryptomarket [10.220809005199781]
本研究は,ソーシャルメディア上で,オピオイドが仮想通貨市場で販売されている場合の薬物乱用記事を分析した。
我々は、薬物乱用オントロジー、最先端のディープラーニング、およびBERTベースのモデルを使用して、ソーシャルメディア投稿に対する感情と感情を生成する。
時間的介入が必要なオピオイド症例の分離を支援するため, 政策形成に有効であると考えられた。
論文 参考訳（メタデータ） (2021-03-29T16:58:26Z) - Patterns of Routes of Administration and Drug Tampering for Nonmedical
Opioid Consumption: Data Mining and Content Analysis of Reddit Discussions [0.0]
我々は、半自動情報検索アルゴリズムを用いて、非医療オピオイド消費について議論するサブレディットを同定した。
我々は,物質や投与経路の選好をモデル化し,その頻度と時間的展開を推定した。
フェンタニルパッチを噛んだり、ブプレノルフィンを舌下から溶かすなどの乱用行動の証拠が発見された。
論文 参考訳（メタデータ） (2021-02-22T18:14:48Z) - Robustness to Spurious Correlations via Human Annotations [100.63051542531171]
本稿では,人間に共通する因果関係の知識を活用して,素因関係に頑健なモデルを構築するための枠組みを提案する。
具体的には、人間のアノテーションを使用して、潜在的な未測定変数でトレーニング例を拡大する。
次に,未測定変数(UV-DRO)に対する分布性に頑健な新たな最適化手法を導入し,テスト時間シフトによる最悪の損失を制御する。
論文 参考訳（メタデータ） (2020-07-13T20:05:19Z) - Discovering Drug-Drug and Drug-Disease Interactions Inducing Acute
Kidney Injury Using Deep Rule Forests [0.0]
急性腎臓損傷(AKI)における薬物と薬物の相互作用と薬物と薬物の相互作用
本稿では,多層木モデルから薬物使用量と疾患適応の組合せとしてルールを発見する新しい学習アルゴリズムであるDeep Rule Forests (DRF)を提案する。
実験の結果,DRFモデルは,予測精度とモデル解釈可能性の観点から,通常の木に基づく他の最先端アルゴリズムよりも比較的優れた性能を示した。
論文 参考訳（メタデータ） (2020-07-04T14:10:28Z) - Computational Support for Substance Use Disorder Prevention, Detection,
Treatment, and Recovery [62.9980747784214]
物質使用障害には、アルコール、オピオイド、マリファナ、メタンフェタミンの誤用が含まれる。
成人12人中1人が薬物使用障害を患っている。
全米薬物乱用協会(National Institute on Drug Abuse)は、SUDが年間5200億ドルの費用を負担していると推計している。
論文 参考訳（メタデータ） (2020-06-23T18:30:20Z) - Effectiveness and Compliance to Social Distancing During COVID-19 [72.94965109944707]
われわれは、米国内での新型コロナウイルスの感染拡大に対する在宅勤務注文の影響を評価するために、詳細なモビリティデータを用いている。
一方向性グランガー因果性(一方向性グランガー因果性)は、家庭で毎日過ごす時間の割合の中央値から、2週間の遅れを伴うCOVID-19関連死亡件数の日数までである。
論文 参考訳（メタデータ） (2020-06-23T03:36:19Z)
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。