論文の概要: Predicting erectile dysfunction after treatment for localized prostate
cancer
- arxiv url: http://arxiv.org/abs/2110.00615v1
- Date: Fri, 1 Oct 2021 18:55:03 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-05 15:53:46.149961
- Title: Predicting erectile dysfunction after treatment for localized prostate
cancer
- Title(参考訳): 限局性前立腺癌治療後の勃起障害の予測
- Authors: Hajar Hasannejadasl, Cheryl Roumen, Henk van der Poel, Ben Vanneste,
Joep van Roermund, Katja Aben, Petros Kalendralis, Biche Osong, Lambertus
Kiemeney, Inge Van Oort, Renee Verwey, Laura Hochstenbach, Esther J. Bloemen-
van Gurp, Andre Dekker, Rianne R.R. Fijten
- Abstract要約: 勃起障害 (ED) は, 加齢や前立腺癌治療にともなう重荷である。
腫瘍学における機械学習(ML)ベースの予測ツールの出現は、予測精度とケア品質を改善するための有望なアプローチを提供する。
本研究は,診断時の患者統計,臨床データ,患者報告結果(PROM)に基づいて,1年と2年でEDを予測することを目的とした。
- 参考スコア(独自算出の注目度): 0.5365203575002531
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: While the 10-year survival rate for localized prostate cancer patients is
very good (>98%), side effects of treatment may limit quality of life
significantly. Erectile dysfunction (ED) is a common burden associated with
increasing age as well as prostate cancer treatment. Although many studies have
investigated the factors affecting erectile dysfunction (ED) after prostate
cancer treatment, only limited studies have investigated whether ED can be
predicted before the start of treatment. The advent of machine learning (ML)
based prediction tools in oncology offers a promising approach to improve
accuracy of prediction and quality of care. Predicting ED may help aid shared
decision making by making the advantages and disadvantages of certain
treatments clear, so that a tailored treatment for an individual patient can be
chosen. This study aimed to predict ED at 1-year and 2-year post-diagnosis
based on patient demographics, clinical data and patient-reported outcomes
(PROMs) measured at diagnosis.
- Abstract(参考訳): 限局性前立腺癌患者に対する10年間の生存率は非常に良い(>98%)が、治療の副作用は生活の質を著しく制限する可能性がある。
勃起障害 (ed) は、老化や前立腺がんの治療に伴う一般的な負担である。
前立腺癌治療後の勃起障害(ED)に影響を及ぼす要因について多くの研究が行われてきたが、治療開始前にEDを予測できるかどうかについては限られた研究しか研究されていない。
腫瘍学における機械学習(ML)ベースの予測ツールの出現は、予測精度とケア品質を改善するための有望なアプローチを提供する。
edの予測は、特定の治療の利点と欠点を明確にすることで、意思決定の共有に役立ち、個々の患者のために調整された治療を選択することができる。
本研究は,診断時の患者統計,臨床データ,患者報告結果(PROM)に基づいて,1年と2年でEDを予測することを目的とした。
関連論文リスト
- Binary Gaussian Copula Synthesis: A Novel Data Augmentation Technique to
Advance ML-based Clinical Decision Support Systems for Early Prediction of
Dialysis Among CKD Patients [4.80104397397529]
アメリカ疾病管理センターは、米国成人3700万人以上が慢性腎臓病(CKD)を患っていると推定している。
このうち10人のうち9人は、早期に症状がないことから、自分の状態に気付いていない。
透析の早期予測は、患者の結果を大幅に改善できるため、重要である。
論文 参考訳(メタデータ) (2024-03-01T20:32:17Z) - AI-Enabled Lung Cancer Prognosis [1.2054979237210064]
肺がんはがんによる死亡の主な原因であり、2020年には全世界で約179万人が死亡している。
これらのうち、非小細胞肺癌(NSCLC)が主な亜型であり、顕著な出血性予後を特徴とする。
人工知能(AI)の最近の進歩は、肺癌の予後に革命をもたらした。
論文 参考訳(メタデータ) (2024-02-12T22:09:43Z) - Decision making in cancer: Causal questions require causal answers [18.14591135728125]
特定の患者や腫瘍の特徴に合わせて調整された治療法の有効性を知ることで、個別の治療法の決定が可能になる。
アメリカがん合同委員会は、治療決定を個別化するために結果予測モデル(OPM)を開発することを推奨している。
OPMは治療方針に依存しており, 検証研究の結果を正確に予測できるOPMが患者に害を与える可能性があることを示唆している。
論文 参考訳(メタデータ) (2022-09-15T15:57:17Z) - Machine learning for dynamically predicting the onset of renal
replacement therapy in chronic kidney disease patients using claims data [0.89379057739817]
慢性腎疾患(CKD)は徐々に進行する疾患であり、最終的には腎置換療法(RRT)を必要とする。
RRTを必要とする患者の早期発見は、患者の結果を改善する。
RRT開始に一般的に使用される予測ツールはない。
論文 参考訳(メタデータ) (2022-09-03T17:50:27Z) - Intelligent Sight and Sound: A Chronic Cancer Pain Dataset [74.77784420691937]
本稿では,Intelligent Sight and Sound (ISS) 臨床試験の一環として収集された,最初の慢性ガン痛データセットを紹介する。
これまで収集されたデータは29の患者、509のスマートフォンビデオ、189,999のフレーム、そして自己報告された感情と活動の痛みのスコアから成っている。
静的画像とマルチモーダルデータを用いて、自己報告された痛みレベルを予測する。
論文 参考訳(メタデータ) (2022-04-07T22:14:37Z) - Personalized Prediction of Future Lesion Activity and Treatment Effect
in Multiple Sclerosis from Baseline MRI [0.34998703934432673]
本モデルは,MS患者から取得した1817個のマルチシーケンスMRIのプロプライエタリデータセットを用いて検証した。
本フレームワークは,5種類の治療において,今後発症するNE-T2病変の2値化回帰において,高い平均精度を達成している。
論文 参考訳(メタデータ) (2022-04-01T18:18:12Z) - Clinical Outcome Prediction from Admission Notes using Self-Supervised
Knowledge Integration [55.88616573143478]
臨床テキストからのアウトカム予測は、医師が潜在的なリスクを見落としないようにする。
退院時の診断,手術手順,院内死亡率,長期予測は4つの一般的な結果予測対象である。
複数の公開資料から得られた患者結果に関する知識を統合するために,臨床結果の事前学習を提案する。
論文 参考訳(メタデータ) (2021-02-08T10:26:44Z) - Increasing the efficiency of randomized trial estimates via linear
adjustment for a prognostic score [59.75318183140857]
ランダム化実験による因果効果の推定は臨床研究の中心である。
歴史的借用法のほとんどは、厳格なタイプiエラー率制御を犠牲にして分散の削減を達成する。
論文 参考訳(メタデータ) (2020-12-17T21:10:10Z) - 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) - Hemogram Data as a Tool for Decision-making in COVID-19 Management:
Applications to Resource Scarcity Scenarios [62.997667081978825]
新型コロナウイルス(COVID-19)のパンデミックは世界中の緊急対応システムに挑戦している。
本研究は, 症状患者の血液検査データから得られた機械学習モデルについて述べる。
提案されたモデルでは、新型コロナウイルスqRT-PCRの結果を、高い精度、感度、特異性で症状のある個人に予測することができる。
論文 参考訳(メタデータ) (2020-05-10T01:45:03Z) - Short Term Blood Glucose Prediction based on Continuous Glucose
Monitoring Data [53.01543207478818]
本研究では,デジタル意思決定支援ツールの入力として連続グルコースモニタリング(Continuous Glucose Monitoring, CGM)データを利用する方法について検討する。
短時間の血液グルコース (STBG) 予測において, リカレントニューラルネットワーク (Recurrent Neural Networks, RNN) をどのように利用できるかを検討する。
論文 参考訳(メタデータ) (2020-02-06T16:39:44Z)
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。