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

• Enhancing Trust in Clinically Significant Prostate Cancer Prediction with Multiple Magnetic Resonance Imaging Modalities [61.36288157482697]
  米国では、前立腺がんが男性の死因としては2番目に多く、2024年には35,250人が死亡している。 本稿では,複数のMRIモダリティを組み合わせて深層学習モデルを訓練し,臨床的に有意な前立腺癌予測のためのモデルの信頼性を高めることを検討する。
  論文  参考訳（メタデータ） (2024-11-07T12:48:27Z)
• Causal machine learning for predicting treatment outcomes [75.13093479526151]
  Causal Machine Learning (ML)は、治療結果を予測するフレキシブルでデータ駆動の方法を提供する。 因果MLの主な利点は、個別化された治療効果を推定できることである。
  論文  参考訳（メタデータ） (2024-10-11T12:39:08Z)
• Enhancing End Stage Renal Disease Outcome Prediction: A Multi-Sourced Data-Driven Approach [7.212939068975618]
  10,326人のCKD患者のデータを利用して,2009年から2018年までの臨床とクレーム情報を組み合わせた。 24ヶ月の観測窓は早期検出と予測精度のバランスをとるのに最適であると同定された。 2021年のeGFR方程式は予測精度を改善し、特にアフリカ系アメリカ人の偏見を低減した。
  論文  参考訳（メタデータ） (2024-10-02T03:21:01Z)
• AI Age Discrepancy: A Novel Parameter for Frailty Assessment in Kidney Tumor Patients [3.2441121935479877]
  本稿では,術前腹部CT検査の機械学習解析から得られた新しい指標であるAI Age Discrepancyを紹介する。 高いAI年齢差は、確立された要因とは無関係に、長期入院と総合生存率の低下と大きく関連している。
  論文  参考訳（メタデータ） (2024-06-29T13:15:05Z)
• Enhancing Clinically Significant Prostate Cancer Prediction in T2-weighted Images through Transfer Learning from Breast Cancer [71.91773485443125]
  転送学習は、よりリッチなデータを持つドメインから取得した機能を活用して、限られたデータを持つドメインのパフォーマンスを向上させるテクニックである。 本稿では,T2強調画像における乳癌からの転移学習による臨床的に有意な前立腺癌予知の改善について検討する。
  論文  参考訳（メタデータ） (2024-05-13T15:57:27Z)
• 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)
• 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)
• 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)
• 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)

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。