論文の概要: Severity and Mortality Prediction Models to Triage Indian COVID-19 Patients

• arxiv url: http://arxiv.org/abs/2109.02485v1
• Date: Thu, 2 Sep 2021 23:15:04 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-09 05:11:54.671496
• Title: Severity and Mortality Prediction Models to Triage Indian COVID-19 Patients
• Title（参考訳）: インド人COVID-19患者の重症度と死亡率予測モデル
• Authors: Samarth Bhatia (1), Yukti Makhija (1), Shalendra Singh (2), Ishaan Gupta (1) ((1) Indian Institute of Technology, Delhi, (2) Armed Forces Medical College, Pune)
• Abstract要約: インド第2波が緩和する中、新型コロナウイルス(COVID-19)は全国で約2900万人の患者に感染し、350万人以上の死者を出した。 そこで本研究では,インドにおける入院当日最大のコホートのうちの1つから,非侵襲的非侵襲的非侵襲的血液パラメータモニタリングに基づいて,臨床結果,重症度,死亡率を予測する2つの解釈可能な機械学習モデルを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As the second wave in India mitigates, COVID-19 has now infected about 29 million patients countrywide, leading to more than 350 thousand people dead. As the infections surged, the strain on the medical infrastructure in the country became apparent. While the country vaccinates its population, opening up the economy may lead to an increase in infection rates. In this scenario, it is essential to effectively utilize the limited hospital resources by an informed patient triaging system based on clinical parameters. Here, we present two interpretable machine learning models predicting the clinical outcomes, severity, and mortality, of the patients based on routine non-invasive surveillance of blood parameters from one of the largest cohorts of Indian patients at the day of admission. Patient severity and mortality prediction models achieved 86.3% and 88.06% accuracy, respectively, with an AUC-ROC of 0.91 and 0.92. We have integrated both the models in a user-friendly web app calculator, https://triage-COVID-19.herokuapp.com/, to showcase the potential deployment of such efforts at scale.
• Abstract（参考訳）: インド第2波が緩和する中、新型コロナウイルスは全国で約2900万人の患者に感染し、350万人以上の死者を出した。 感染が急増すると、国内の医療インフラの負担が顕著になった。 国が人口を予防接種する一方で、経済の開放は感染率の上昇につながる可能性がある。 このシナリオでは、臨床パラメーターに基づいたインフォームド患者トリージングシステムにより、限られた病院資源を効果的に活用することが不可欠である。 そこで本研究では,インド人の入院日における血液パラメータの非侵襲的サーベイランスに基づいて,患者の予後,重症度,死亡率を予測する2つの解釈可能な機械学習モデルを提案する。 患者の重症度と死亡率予測モデルはそれぞれ86.3%と88.06%に達し、AUC-ROCは0.91と0.92である。 どちらのモデルもユーザフレンドリーなWebアプリ電卓 https://triage-COVID-19.herokuapp.com/ に統合して、そのような取り組みを大規模に展開する可能性を示している。

関連論文リスト

• At-Admission Prediction of Mortality and Pulmonary Embolism in COVID-19 Patients Using Statistical and Machine Learning Methods: An International Cohort Study [0.0]
  新型コロナウイルス患者の肺塞栓症予測ツールの開発は極めて重要である。 本稿では,PEの発生と入場時の死亡を予測する機械学習モデルを提案する。
  論文  参考訳（メタデータ） (2023-05-18T14:55:27Z)
• Hospital transfer risk prediction for COVID-19 patients from a medicalized hotel based on Diffusion GraphSAGE [7.021489981474361]
  台湾では、軽度または軽度症状のある新型コロナウイルス患者の隔離施設として医療ホテルが開設された。 これらのホテルで利用可能な医療が限られているため、臨床劣化のリスクがある患者を特定することが最重要である。 本研究は, 医用ホテルにおける進行病院転院リスク予測のためのグラフベース深層学習手法の開発と評価を目的とした。
  論文  参考訳（メタデータ） (2022-12-31T14:59:35Z)
• Advancing COVID-19 Diagnosis with Privacy-Preserving Collaboration in Artificial Intelligence [79.038671794961]
  我々はUCADI(Unified CT-COVID AI Diagnostic Initiative)を立ち上げ、各ホスト機関でAIモデルを分散的にトレーニングし、独立して実行することができる。 本研究は,中国とイギリスに所在する23の病院で採取した3,336例の胸部CT9,573例について検討した。
  論文  参考訳（メタデータ） (2021-11-18T00:43:41Z)
• Developing and validating multi-modal models for mortality prediction in COVID-19 patients: a multi-center retrospective study [1.5308395762165423]
  マルチセンター患者データを用いて、新型コロナウイルス死亡予測のためのマルチモーダルモデルの開発と検証を行った。 私たちのゴールは、調査員や組織が予測、分類、最適化のためのマルチモーダルモデルを構築するのを支援するツールキットを作ることです。
  論文  参考訳（メタデータ） (2021-09-01T04:46:27Z)
• COVID-Net US: A Tailored, Highly Efficient, Self-Attention Deep Convolutional Neural Network Design for Detection of COVID-19 Patient Cases from Point-of-care Ultrasound Imaging [101.27276001592101]
  我々は,肺POCUS画像からの新型コロナウイルススクリーニングに適した,高効率で自己注意型の深層畳み込みニューラルネットワーク設計であるCOVID-Net USを紹介した。 実験の結果、提案されたCOVID-Net USは、アーキテクチャの複雑さが353倍、計算の複雑さが62倍、Raspberry Piで14.3倍高速なAUCを達成できることがわかった。 リソース制約のある環境において安価な医療と人工知能を提唱するために、COVID-Net USをオープンソースにし、COVID-Netオープンソースイニシアチブの一部として公開しました。
  論文  参考訳（メタデータ） (2021-08-05T16:47:33Z)
• Forecasting COVID-19 Counts At A Single Hospital: A Hierarchical Bayesian Approach [59.318136981032]
  一つの病院で1日当たりの入院患者数を予測するという課題について検討する。 データのカウント特性を直接キャプチャする階層型ベイズモデルをいくつか開発する。 マサチューセッツ州の8つの病院とイギリスの10の病院のパブリックデータセットに対する我々のアプローチを実証する。
  論文  参考訳（メタデータ） (2021-04-14T11:58:54Z)
• Challenges in the application of a mortality prediction model for COVID-19 patients on an Indian cohort [0.0]
  ヤンなど。 機械学習(ML)メソッドを使って新型コロナウイルス患者の結果を予測する研究が公開されている。 ここでは、covid-19患者の最大のデータセットの1つにデプロイすることで、このモデルの制限を示します。
  論文  参考訳（メタデータ） (2021-01-15T07:06:49Z)
• AIforCOVID: predicting the clinical outcomes in patients with COVID-19 applying AI to chest-X-rays. An Italian multicentre study [7.456548336226919]
  胸部X線(CXR)が集中治療や死亡などの重篤な結果の危険にさらされる患者の早期発見のための可能なツールとして使用できるかどうかを検討する。 CXRは、CT(Computed tomography)と比較して、より単純で、より速く、より広く、放射線線量を減らす放射線技術である。 2020年春にイタリアの6つの病院から820人の患者から収集されたデータを含むデータセットを提案する。
  論文  参考訳（メタデータ） (2020-12-11T18:03:08Z)
• Classification supporting COVID-19 diagnostics based on patient survey data [82.41449972618423]
  新型コロナウイルス患者の効果的なスクリーニングを可能にするロジスティック回帰とXGBoost分類器が作成された。 得られた分類モデルは、DECODEサービス(decode.polsl.pl)の基礎を提供し、COVID-19病患者のスクリーニング支援に役立てることができる。 このデータセットは、3,000以上のサンプルで構成されており、ポーランドの病院で収集されたアンケートに基づいている。
  論文  参考訳（メタデータ） (2020-11-24T17:44:01Z)
• Integrative Analysis for COVID-19 Patient Outcome Prediction [53.11258640541513]
  我々は、集中治療室入院の必要性を予測するために、人口統計、バイタルサイン、実験室の所見から、肺不透明度の放射能と非画像の特徴を組み合わせる。 また, 地域性肺炎を含む他の肺疾患にも適用できるが, 地域性肺炎に限らない。
  論文  参考訳（メタデータ） (2020-07-20T19:08:50Z)
• Dual-Sampling Attention Network for Diagnosis of COVID-19 from Community Acquired Pneumonia [46.521323145636906]
  胸部CT(Central Computed Tomography)において,地域肺炎(CAP)からCOVID-19を自動診断するデュアルサンプリングアテンションネットワークを開発した。 特に,3D畳み込みネットワーク(CNN)を用いた新しいオンラインアテンションモジュールを提案する。 我々のアルゴリズムは、受信機動作特性曲線(AUC)値0.944、精度87.5%、感度86.9%、特異度90.1%、F1スコア82.0%の領域で、COVID-19画像を識別することができる。
  論文  参考訳（メタデータ） (2020-05-06T09:56:51Z)

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。