論文の概要: Co-occurrence of medical conditions: Exposing patterns through probabilistic topic modeling of SNOMED codes

• arxiv url: http://arxiv.org/abs/2109.09199v1
• Date: Sun, 19 Sep 2021 19:34:21 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-21 16:20:11.239643
• Title: Co-occurrence of medical conditions: Exposing patterns through probabilistic topic modeling of SNOMED codes
• Title（参考訳）: 医療条件の共起:SNOMED符号の確率論的トピックモデリングによるパターンの抽出
• Authors: Moumita Bhattacharya, Claudine Jurkovitz, Hagit Shatkay
• Abstract要約: 腎疾患に罹患している人には、特に共起状態が一般的である。 本研究の目的は,確率的枠組みを用いた患者の共起医療状況のパターンを同定し,特徴付けることである。
• 参考スコア（独自算出の注目度）: 0.3867363075280544
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Patients associated with multiple co-occurring health conditions often face aggravated complications and less favorable outcomes. Co-occurring conditions are especially prevalent among individuals suffering from kidney disease, an increasingly widespread condition affecting 13% of the general population in the US. This study aims to identify and characterize patterns of co-occurring medical conditions in patients employing a probabilistic framework. Specifically, we apply topic modeling in a non-traditional way to find associations across SNOMEDCT codes assigned and recorded in the EHRs of>13,000 patients diagnosed with kidney disease. Unlike most prior work on topic modeling, we apply the method to codes rather than to natural language. Moreover, we quantitatively evaluate the topics, assessing their tightness and distinctiveness, and also assess the medical validity of our results. Our experiments show that each topic is succinctly characterized by a few highly probable and unique disease codes, indicating that the topics are tight. Furthermore, inter-topic distance between each pair of topics is typically high, illustrating distinctiveness. Last, most coded conditions grouped together within a topic, are indeed reported to co-occur in the medical literature. Notably, our results uncover a few indirect associations among conditions that have hitherto not been reported as correlated in the medical literature.
• Abstract（参考訳）: 多発性共発性健康状態の患者は、しばしば悪化した合併症とあまり好ましくない結果に直面する。 腎疾患に罹患している人では特に共起状態が一般的であり、米国の一般人口の13%に影響を及ぼしている。 本研究の目的は,確率的枠組みを用いた患者の共起医療状況のパターンを特定し,特徴付けることである。 具体的には, 腎臓病と診断された13,000例のehrsに割り当てられ記録されたsnomedctコード間の関連を, 非伝統的な方法で発見するために, トピックモデリングを適用する。 トピックモデリングに関するほとんどの先行研究とは異なり、自然言語ではなくコードに適用する。 さらに,トピックを定量的に評価し,タイトネスと特徴性を評価し,医療的妥当性も評価した。 実験の結果,各トピックは簡潔に,極めて可能性が高くユニークな疾患コードによって特徴付けられることが明らかとなった。 さらに、各トピック間のトピック間距離は、典型的には高く、特異性を示す。 最後に、多くの符号化された条件がトピック内でグループ化され、実際に医学文献に共生していると報告されている。 特に, 医学文献では報告されていない疾患と間接的な関連が指摘されている。

関連論文リスト

• Deep State-Space Generative Model For Correlated Time-to-Event Predictions [54.3637600983898]
  そこで本研究では,様々な種類の臨床イベント間の相互作用を捉えるために,潜伏状態空間生成モデルを提案する。 また,死亡率と臓器不全の関連性について有意な知見が得られた。
  論文  参考訳（メタデータ） (2024-07-28T02:42:36Z)
• Estimating the severity of dental and oral problems via sentiment classification over clinical reports [0.8287206589886879]
  テキストにおける著者の感情を分析することは、医学や歯科など様々な分野において実用的で有用である。 CNN-LSTMとして知られる畳み込みニューラルネットワーク(CNN)とLong Short-Term Memory(LSTM)ネットワークアーキテクチャに基づくディープラーニングモデルを開発した。
  論文  参考訳（メタデータ） (2024-01-17T14:33:13Z)
• Towards long-tailed, multi-label disease classification from chest X-ray: Overview of the CXR-LT challenge [59.323306639144526]
  診断医用画像検査など,現実的な画像認識の問題が数多く発生している。 診断は長い尾と多ラベルの問題であり、患者は複数の所見を呈することが多い。 我々は共通のテーマを合成し、長い尾を持つマルチラベルの医用画像分類のためのレコメンデーションを提供する。
  論文  参考訳（メタデータ） (2023-10-24T18:26:22Z)
• Mining Themes in Clinical Notes to Identify Phenotypes and to Predict Length of Stay in Patients admitted with Heart Failure [3.350712823657887]
  心不全 (Heart failure) は、心臓が血液や酸素を汲み上げず体内の他の臓器を支えられない場合に起こる症候群である。 心不全が疑われた患者の診断基準および処置報告の下位テーマを特定すれば、心不全に関連する臨床的表現型が明らかになる可能性がある。
  論文  参考訳（メタデータ） (2023-05-30T19:30:40Z)
• Unifying Relational Sentence Generation and Retrieval for Medical Image Report Composition [142.42920413017163]
  現在の手法は、個々のケースのデータセットバイアスにより、しばしば最も一般的な文を生成する。 テンプレート検索と文生成を一体化し、共通およびまれな異常に対処する新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-01-09T04:33:27Z)
• Predicting Clinical Diagnosis from Patients Electronic Health Records Using BERT-based Neural Networks [62.9447303059342]
  医療コミュニティにおけるこの問題の重要性を示す。 本稿では,変換器 (BERT) モデルによる2方向表現の分類順序の変更について述べる。 約400万人のユニークな患者訪問からなる、大規模なロシアのEHRデータセットを使用します。
  論文  参考訳（メタデータ） (2020-07-15T09:22:55Z)
• Mining Misdiagnosis Patterns from Biomedical Literature [8.534433954411409]
  一般的に誤診される疾患は、多くの異なる疾患と誤診されることが多かった。 誤診の関係は一般的に存在するが、その関係は片側で見られることが多かった。
  論文  参考訳（メタデータ） (2020-06-24T13:34:43Z)
• 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)
• Semi-supervised Medical Image Classification with Relation-driven Self-ensembling Model [71.80319052891817]
  医用画像分類のための関係駆動型半教師付きフレームワークを提案する。 これは、摂動下で与えられた入力の予測一貫性を促進することでラベルのないデータを利用する。 本手法は,シングルラベルおよびマルチラベル画像分類のシナリオにおいて,最先端の半教師付き学習手法よりも優れる。
  論文  参考訳（メタデータ） (2020-05-15T06:57:54Z)

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。