論文の概要: Factors influencing Drug Consumption and Prediction Methods

• arxiv url: http://arxiv.org/abs/2109.11779v1
• Date: Fri, 24 Sep 2021 07:20:34 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-13 21:07:14.203493
• Title: Factors influencing Drug Consumption and Prediction Methods
• Title（参考訳）: 薬物消費と予測方法に影響する要因
• Authors: Denis Koala (G-SCOP_GCSP), Zakaria Yahouni (G-SCOP_GCSP), G\"ulg\"un Alpan (G-SCOP_GCSP), Yannick Frein (G-SCOP_GCSP)
• Abstract要約: この研究は、医療施設における薬物のニーズを定量化し、推定する既存の方法を強調するために、文献を掘り下げている。 第二の目的は、薬物消費に影響を与える要因、特にこれらの予測手法で使用される要因のリストを作成することである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Estimating the needs of healthcare products and inventory management are still challenging issues in hospitals nowadays. Centers are supposed to cope with tight budgets and patient satisfaction at the same time. Some issues can be tackled in advance, especially regarding the prediction of drug consumption needs. This work delves into the literature in order to highlight existing methods of quantifying and estimating the needs for drugs in health facilities. A second objective is to draw up a list of factors that impact drug consumption in particular, factors that are used in these prediction methods. Following this literature review, it appears that six sustainable methods are being used by practitioners around the world, taking into account certain prerequisites and types of data. Thirty-four factors are identified as well and grouped into three categories. These results should participate in setting up new tools for predicting the need of drugs, to facilitate the upstream dimensioning of new pharmaceutical warehouses and to solve some hospital logistics issues.
• Abstract（参考訳）: 医療製品や在庫管理の必要性の推計は、今日でも病院で問題となっている。 センターは、厳しい予算と患者満足を同時に扱うことになっている。 特に薬物消費ニーズの予測に関して、いくつかの問題に事前に取り組むことができる。 この研究は、医療施設における薬物のニーズを定量化し、推定する既存の方法を強調するために、文献を掘り下げている。 第二の目的は、薬物消費に影響を与える要因、特にこれらの予測方法に使用される要因のリストを作成することである。 この文献レビューの後、ある前提条件やデータの種類を考慮して、世界中の実践者が持続可能な方法6つを使っていることが判明した。 34の要素が識別され、3つのカテゴリに分類される。 これらの結果は、医薬品の必要性を予測するための新しいツールの構築、新しい医薬品倉庫の上流の寸法決定の促進、病院の物流問題の解決に寄与する。

関連論文リスト

• "Hey..! This medicine made me sick": Sentiment Analysis of User-Generated Drug Reviews using Machine Learning Techniques [2.2874754079405535]
  本研究は、特定の薬物に関するユーザレビューを、ポジティブ、ネガティブ、中立などの異なるクラスに分類する薬物レビュー分類システムを提案する。 収集されたデータは手動でラベル付けされ、ラベルが正しいことを保証するために手動で検証される。
  論文  参考訳（メタデータ） (2024-04-09T08:42:34Z)
• Clairvoyance: A Pipeline Toolkit for Medical Time Series [95.22483029602921]
  時系列学習は、データ駆動の*クリニカルな意思決定支援のパンとバターである* Clairvoyanceは、ソフトウェアツールキットとして機能する、統合されたエンドツーエンドのオートMLフレンドリなパイプラインを提案する。 Clairvoyanceは、臨床時系列MLのための包括的で自動化可能なパイプラインの生存可能性を示す最初のものである。
  論文  参考訳（メタデータ） (2023-10-28T12:08:03Z)
• Knowledge-Driven New Drug Recommendation [88.35607943144261]
  既存の薬物と新薬のギャップを埋めるために, 薬物依存型マルチフェノタイプ数発学習機を開発した。 EDGEは外部薬効知識ベースを用いて偽陰性監視信号を除去する。 その結果, EDGEは, ROC-AUCスコアよりも7.3%向上していることがわかった。
  論文  参考訳（メタデータ） (2022-10-11T16:07:52Z)
• SSM-DTA: Breaking the Barriers of Data Scarcity in Drug-Target Affinity Prediction [127.43571146741984]
  薬物標的親和性(DTA)は、早期の薬物発見において極めて重要である。 湿式実験は依然として最も信頼性の高い方法であるが、時間と資源が集中している。 既存の手法は主に、データ不足の問題に適切に対処することなく、利用可能なDTAデータに基づく技術開発に重点を置いている。 SSM-DTAフレームワークについて述べる。
  論文  参考訳（メタデータ） (2022-06-20T14:53:25Z)
• Deep learning for drug repurposing: methods, databases, and applications [54.08583498324774]
  新しい治療法のために既存の薬物を再利用することは、実験コストの低減で薬物開発を加速する魅力的な解決策である。 本稿では,薬物再資源化のための深層学習手法とツールの活用に関するガイドラインを紹介する。
  論文  参考訳（メタデータ） (2022-02-08T09:42:08Z)
• Measuring Outcomes in Healthcare Economics using Artificial Intelligence: with Application to Resource Management [0.0]
  多くの場合、そのような出来事は、病院における複数の医療・経済的な側面と同様に、意思決定において重大な不確実性を引き起こす。 この原稿は、医療管理者が経済を組織化し、資源配分と共有の最も最適な計画を特定するのに役立つ3つのデータ駆動手法を提示する。
  論文  参考訳（メタデータ） (2021-11-15T02:39:39Z)
• Heterogeneous Treatment Effect Estimation using machine learning for Healthcare application: tutorial and benchmark [8.869515663374248]
  多くの研究が、薬物効果は人口間で不均一であることを示した。 ヘテロジニアス処理効果(HTE)を推定する高度な機械学習モデルが近年出現している。 我々は,医療分野にHTE手法を導入し,実現可能性を検討することを目的とする。
  論文  参考訳（メタデータ） (2021-09-27T02:34:44Z)
• Predictive Modeling of Hospital Readmission: Challenges and Solutions [11.954966895950163]
  退院予測とは、退院後30日または90日後に患者が退院する確率を予測するために、歴史的な医療データからモデルを学ぶ研究である。 その動機は、医療提供者がより良い治療と退院戦略を提供し、病院の入院率を下げ、最終的には医療費を下げることである。 疾患や医療のエコシステムが本質的に複雑化しているため、病院の入院のモデル化は多くの課題に直面している。
  論文  参考訳（メタデータ） (2021-06-16T00:00:27Z)
• 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)
• Contextual Constrained Learning for Dose-Finding Clinical Trials [102.8283665750281]
  C3T-Budget(C3T-Budget)は、予算と安全性の両方の制約の下での線量フィリングのための文脈制約付き臨床試験アルゴリズムである。 残りの予算、残業時間、各グループの特徴を考慮して患者を募集する。
  論文  参考訳（メタデータ） (2020-01-08T11:46:48Z)

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。