論文の概要: Unsupervised Learning to Subphenotype Delirium Patients from Electronic Health Records

• arxiv url: http://arxiv.org/abs/2111.00592v1
• Date: Sun, 31 Oct 2021 20:58:57 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-03 06:00:46.529905
• Title: Unsupervised Learning to Subphenotype Delirium Patients from Electronic Health Records
• Title（参考訳）: 電子健康記録を用いた低表現型デリリウム患者の教師なし学習
• Authors: Yiqing Zhao, Yuan Luo
• Abstract要約: デリリウムは、緊急時に急性発症する脳機能障害であり、死亡率が高い。 患者の根底にある医療状況に応じて、その提示やリスク要因が異なる可能性があるため、検出・監視は困難である。
• 参考スコア（独自算出の注目度）: 5.183023864443785
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Delirium is a common acute onset brain dysfunction in the emergency setting and is associated with higher mortality. It is difficult to detect and monitor since its presentations and risk factors can be different depending on the underlying medical condition of patients. In our study, we aimed to identify subtypes within the delirium population and build subgroup-specific predictive models to detect delirium using Medical Information Mart for Intensive Care IV (MIMIC-IV) data. We showed that clusters exist within the delirium population. Differences in feature importance were also observed for subgroup-specific predictive models. Our work could recalibrate existing delirium prediction models for each delirium subgroup and improve the precision of delirium detection and monitoring for ICU or emergency department patients who had highly heterogeneous medical conditions.
• Abstract（参考訳）: デリリウムは、緊急時に発症する脳機能障害であり、死亡率の上昇と関連している。 患者の医療状況に応じて、その提示やリスク要因が異なる可能性があるため、検出・監視は困難である。 本研究では, 集中治療iv(mimic-iv)データのための医療情報マートを用いて, デリリウム集団内のサブタイプを同定し, グループ別予測モデルを構築した。 我々は,デリリウム集団内にクラスターが存在することを示した。 また,サブグループ特異的予測モデルにおいても特徴の差が見られた。 本研究は, 重質疾患を有するICU患者や救急外来患者に対して, デリリウムサブグループ毎の既存のデリリウム予測モデルを再検討し, デリリウム検出とモニタリングの精度を向上させることができる。

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)
• Multi-task Explainable Skin Lesion Classification [54.76511683427566]
  少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。 提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
  論文  参考訳（メタデータ） (2023-10-11T05:49:47Z)
• Contrastive learning for unsupervised medical image clustering and reconstruction [0.23624125155742057]
  本稿では,非教師なしのオートエンコーダフレームワークを提案する。 提案手法は教師付きアーキテクチャと同じような性能を達成し,潜伏空間における分離が専門家の医療観察者指定ラベルを再現することを示す。
  論文  参考訳（メタデータ） (2022-09-24T13:17:02Z)
• Causal Discovery on the Effect of Antipsychotic Drugs on Delirium Patients in the ICU using Large EHR Dataset [1.278093617645299]
  集中治療室(ICU)の約80%の症例でデリリウムが発生する デリリウムにはバイオマーカーによる診断がなく、一般的に抗精神病薬(APD)で治療されている。 複数の研究が、デリリウム治療におけるAPDの有効性や安全性について論争を呼んでいる。
  論文  参考訳（メタデータ） (2022-04-28T21:43:02Z)
• A Deep Variational Approach to Clustering Survival Data [5.871238645229228]
  変分深層クラスタリングにおけるクラスタサバイバルデータに対する新しい確率的アプローチを提案する。 提案手法は,説明変数と潜在的に検閲された生存時間の両方の分布を明らかにするために,深い生成モデルを用いている。
  論文  参考訳（メタデータ） (2021-06-10T14:10:25Z)
• Adversarial Sample Enhanced Domain Adaptation: A Case Study on Predictive Modeling with Electronic Health Records [57.75125067744978]
  ドメイン適応を容易にするデータ拡張手法を提案する。 逆生成したサンプルはドメイン適応時に使用される。 その結果,本手法の有効性とタスクの一般性が確認された。
  論文  参考訳（メタデータ） (2021-01-13T03:20:20Z)
• Deep Semi-Supervised Embedded Clustering (DSEC) for Stratification of Heart Failure Patients [50.48904066814385]
  本研究では、深層半教師付き組込みクラスタリングを用いて、心不全のデータ駆動型患者サブグループを決定する。 ヘテロジニアスデータから得られた組込み空間から臨床関連クラスタを見出した。 提案アルゴリズムは、異なる結果を持つ患者の新たな未診断サブグループを見つけることができる。
  論文  参考訳（メタデータ） (2020-12-24T12:56:46Z)
• Phenotyping Clusters of Patient Trajectories suffering from Chronic Complex Disease [3.1564542805009332]
  当院において, COPD 患者における3つの異なるクラスタリングモデルについて検討した。 本研究では,不均一な時系列データと不均衡なクラス分布に対処し,表現型分離を改善するための新しい修正法を提案する。
  論文  参考訳（メタデータ） (2020-11-17T01:18:33Z)
• Temporal Phenotyping using Deep Predictive Clustering of Disease Progression [97.88605060346455]
  我々は、時系列データをクラスタリングするためのディープラーニングアプローチを開発し、各クラスタは、同様の将来的な結果を共有する患者から構成される。 2つの実世界のデータセットに対する実験により、我々のモデルは最先端のベンチマークよりも優れたクラスタリング性能が得られることが示された。
  論文  参考訳（メタデータ） (2020-06-15T20:48:43Z)
• Predictive Modeling of ICU Healthcare-Associated Infections from Imbalanced Data. Using Ensembles and a Clustering-Based Undersampling Approach [55.41644538483948]
  本研究は,集中治療室における危険因子の同定と医療関連感染症の予測に焦点をあてる。 感染発生率の低減に向けた意思決定を支援することを目的とする。
  論文  参考訳（メタデータ） (2020-05-07T16:13:12Z)

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。