論文の概要: Correlation-based Discovery of Disease Patterns for Syndromic Surveillance

• arxiv url: http://arxiv.org/abs/2110.09208v1
• Date: Mon, 18 Oct 2021 11:50:26 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-19 23:43:48.443015
• Title: Correlation-based Discovery of Disease Patterns for Syndromic Surveillance
• Title（参考訳）: シンドロミックサーベイランスのための相関に基づく疾患パターンの発見
• Authors: Michael Rapp and Moritz Kulessa and Eneldo Loza Menc\'ia and Johannes F\"urnkranz
• Abstract要約: シナドロミック監視は 早期の症状の 検出を目的としてる 早期症状は通常多くの疾患で共有され、特定の疾患は感染の初期段階にいくつかの臨床像を持つことがある。 歴史的データからそのようなパターンを発見するための,新しい,データ駆動型アプローチを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Early outbreak detection is a key aspect in the containment of infectious diseases, as it enables the identification and isolation of infected individuals before the disease can spread to a larger population. Instead of detecting unexpected increases of infections by monitoring confirmed cases, syndromic surveillance aims at the detection of cases with early symptoms, which allows a more timely disclosure of outbreaks. However, the definition of these disease patterns is often challenging, as early symptoms are usually shared among many diseases and a particular disease can have several clinical pictures in the early phase of an infection. To support epidemiologists in the process of defining reliable disease patterns, we present a novel, data-driven approach to discover such patterns in historic data. The key idea is to take into account the correlation between indicators in a health-related data source and the reported number of infections in the respective geographic region. In an experimental evaluation, we use data from several emergency departments to discover disease patterns for three infectious diseases. Our results suggest that the proposed approach is able to find patterns that correlate with the reported infections and often identifies indicators that are related to the respective diseases.
• Abstract（参考訳）: 早期発生の検出は感染症の封じ込めにおける重要な側面であり、感染した個体の同定と隔離を可能にして、より多くの個体に感染する。 感染の予期せぬ増加を検出する代わりに、シナドロミック監視は早期の症状を検知することを目的としており、アウトブレイクのよりタイムリーな開示を可能にしている。 しかし、これらの疾患パターンの定義は、多くの場合、初期の症状が多くの疾患で共有され、特定の疾患が感染の初期段階でいくつかの臨床像を持つため、しばしば困難である。 疫学者が信頼できる疾患パターンを定義する過程を支援するために,歴史データからそのようなパターンを発見するための新しいデータ駆動アプローチを提案する。 重要な考え方は、健康関連データソース内の指標と、各地域における感染の報告数との相関を考慮に入れることである。 実験評価では,いくつかの救急部門からのデータを用いて3つの感染症の疾患パターンを検索した。 以上の結果から,本手法は報告された感染症と相関するパターンを見出し,各疾患に関連する指標を同定できる可能性が示唆された。

関連論文リスト

• Detection of Emerging Infectious Diseases in Lung CT based on Spatial Anomaly Patterns [1.7681509210293134]
  局所的な異常は関連しているが、しばしば新しい病気は、新しい空間分布に慣れ親しんだ病気パターンを伴っている。 本稿では,病変の空間分布の異なるパターンを示す新しい疾患表現型の出現を検出するための新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2024-10-25T13:02:46Z)
• Assessing and Enhancing Large Language Models in Rare Disease Question-answering [64.32570472692187]
  本稿では,レアな疾患の診断におけるLarge Language Models (LLMs) の性能を評価するために,レアな疾患問合せデータセット(ReDis-QA)を導入する。 ReDis-QAデータセットでは1360の高品質な質問応答ペアを収集し,205の稀な疾患をカバーした。 その後、いくつかのオープンソースのLCMをベンチマークし、希少疾患の診断がこれらのモデルにとって重要な課題であることを示した。 実験の結果,ReCOPは,ReDis-QAデータセット上でのLCMの精度を平均8%向上できることがわかった。
  論文  参考訳（メタデータ） (2024-08-15T21:09:09Z)
• T-Phenotype: Discovering Phenotypes of Predictive Temporal Patterns in Disease Progression [82.85825388788567]
  我々は、ラベル付き時系列データから予測時相パターンの表現型を発見するために、新しい時間的クラスタリング手法T-Phenotypeを開発した。 T-フェノタイプは, 評価ベースラインのすべてに対して, 最良の表現型発見性能を示す。
  論文  参考訳（メタデータ） (2023-02-24T13:30:35Z)
• Explorative analysis of human disease-symptoms relations using the Convolutional Neural Network [0.0]
  本研究は, 疾患予測タスクにおける症状タイプの範囲を理解することを目的としている。 その結果,早期に98～100%の精度で機械学習が病気を診断できる可能性が示唆された。
  論文  参考訳（メタデータ） (2023-02-23T15:02:07Z)
• Data-Centric Epidemic Forecasting: A Survey [56.99209141838794]
  この調査は、様々なデータ駆動の方法論および実践的進歩を掘り下げるものである。 疫学的なデータセットと,流行予測に関連する新しいデータストリームを列挙する。 また,これらの予測システムの現実的な展開において生じる経験や課題についても論じる。
  論文  参考訳（メタデータ） (2022-07-19T16:15:11Z)
• Causal Hidden Markov Model for Time Series Disease Forecasting [21.10268531186633]
  早期に非可逆性疾患のロバストな予測を実現するために,因果的隠れマルコフモデルを提案する。 本モデルは,乳頭萎縮の早期予測に応用し,アウトオブディストリビューションテストデータで有望な結果を得た。
  論文  参考訳（メタデータ） (2021-03-30T14:34:15Z)
• CheXseen: Unseen Disease Detection for Deep Learning Interpretation of Chest X-rays [6.3556514837221725]
  学習中にラベルが付かない疾患の存在下でのディープラーニングモデルの性能を体系的に評価する。 まず,あるサブセット(特定の疾患)で訓練されたディープラーニングモデルが,より大きな疾患群のいずれかの存在を検知できるかどうかを評価する。 第2に,病原体外疾患(未発見疾患)と共存する場合に見いだされた病原体に訓練されたモデルが見いだされた病原体を検出することができるかを評価する。 第3に, モデルで学習した特徴表現が, 未発見の疾患の小さな分類群から未発見の疾患の存在を検出するのに有用かどうかを評価する。
  論文  参考訳（メタデータ） (2021-03-08T08:13:21Z)
• Revisiting Non-Specific Syndromic Surveillance [0.0]
  シンドロミック監視は、できるだけ早く発生を検知できるアルゴリズムを開発することを目的としている。 近年の研究は主に、特定の既知の疾患の監視に焦点を当てている。 今までのところ、我々が「非特異的なシナドロミック監視」と呼ぶものにはほとんど注力していない。
  論文  参考訳（メタデータ） (2021-01-28T19:33:30Z)
• Predicting Parkinson's Disease with Multimodal Irregularly Collected Longitudinal Smartphone Data [75.23250968928578]
  パーキンソン病は神経疾患であり、高齢者に多い。 伝統的に病気を診断する方法は、一連の活動テストの品質に関する個人的主観的臨床評価に依存している。 そこで本研究では,スマートフォンが収集した生の行動データを用いて,パーキンソン病を予測するための時系列に基づく新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-09-25T01:50:15Z)
• Trajectories, bifurcations and pseudotime in large clinical datasets: applications to myocardial infarction and diabetes data [94.37521840642141]
  混合データ型と欠落値を特徴とする大規模臨床データセット分析のための半教師付き方法論を提案する。 この手法は、次元の減少、データの可視化、クラスタリング、特徴の選択と、部分的に順序付けられた観測列における測地距離(擬時)の定量化のタスクを同時に扱うことのできる弾性主グラフの適用に基づいている。
  論文  参考訳（メタデータ） (2020-07-07T21:04:55Z)
• Learning Dynamic and Personalized Comorbidity Networks from Event Data using Deep Diffusion Processes [102.02672176520382]
  コンコルビンド病は、個人によって異なる複雑な時間的パターンを通じて発生し進行する。 電子的な健康記録では、患者が持つ異なる疾患を観察できるが、それぞれの共死状態の時間的関係を推測できるだけである。 我々は「ダイナミック・コオービディティ・ネットワーク」をモデル化するための深層拡散プロセスを開発する。
  論文  参考訳（メタデータ） (2020-01-08T15:47:08Z)

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。