論文の概要: The Invisible COVID-19 Crisis: Post-Traumatic Stress Disorder Risk Among
Frontline Physicians Treating COVID-19 Patients
- arxiv url: http://arxiv.org/abs/2111.04441v1
- Date: Mon, 25 Oct 2021 17:01:36 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-14 16:46:15.686094
- Title: The Invisible COVID-19 Crisis: Post-Traumatic Stress Disorder Risk Among
Frontline Physicians Treating COVID-19 Patients
- Title（参考訳）: 可視的COVID-19危機:新型コロナ患者に対する前立腺科医の外傷後ストレス障害リスク
- Authors: Sayanti Mukherjee, Lance Rintamaki, Janet L. Shucard, Zhiyuan Wei,
Lindsey E. Carlasare, and Christine A. Sinsky
- Abstract要約: 本研究は、米国最前線の医師(COVID-19患者)における外傷性ストレス障害(PTSD)について、第2ラインの医師(COVID-19患者を治療しない)と比較して評価した。
主な被害要因は、うつ病、燃え尽き症候群、ネガティブな対処、新型コロナウイルスの感染・感染の恐れ、スティグマの認識、新型コロナウイルス患者の治療に不十分なリソースなどであった。
- 参考スコア（独自算出の注目度）: 2.6938549839852524
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This study evaluated post traumatic stress disorder (PTSD) among frontline US
physicians (treating COVID-19 patients) in comparison with second-line
physicians (not treating COVID-19 patients), and identified the significance
and patterns of factors associated with higher PTSD risk. A cross-sectional,
web-based survey was deployed during August and September, 2020, to practicing
physicians in the 18 states with the largest COVID-19 cases. Among 1,478
responding physicians, 1,017 completed the PTSD Checklist (PCL-5). First, the
PCL-5 was used to compare symptom endorsement between the two physician groups.
A greater percentage of frontline than second-line physicians had clinically
significant endorsement of PCL-5 symptoms and higher PCL-5 scores. Second,
logistic regression and seven nonlinear machine learning (ML) algorithms were
leveraged to identify potential predictors of PTSD risk by analyzing variable
importance and partial dependence plots. Predictors of PTSD risk included
cognitive/psychological measures, occupational characteristics, work
experiences, social support, demographics, and workplace characteristics.
Importantly, the final ML model random forest, identified patterns of both
damaging and protective predictors of PTSD risk among frontline physicians. Key
damaging factors included depression, burnout, negative coping, fears of
contracting/transmitting COVID-19, perceived stigma, and insufficient resources
to treat COVID-19 patients. Protective factors included resilience and support
from employers/friends/family/significant others. This study underscores the
value of ML algorithms to uncover nonlinear relationships among
protective/damaging risk factors for PTSD in frontline physicians, which may
better inform interventions to prepare healthcare systems for future
epidemics/pandemics.
- Abstract（参考訳）: 本研究は、米国最前線の医師(COVID-19患者)の外傷性ストレス障害(PTSD)を、第2ラインの医師(COVID-19患者を治療しない)と比較して評価し、PTSDリスクの上昇に関連する因子の意義とパターンを明らかにした。
2020年8月から9月にかけて、最大規模の新型コロナウイルス感染者を抱える18州で医師を診察するために、横断的なウェブベースの調査が実施された。
1,478人の医師のうち1,017人がPTSDチェックリスト(PCL-5)を完成させた。
第一に、PCL-5は2つの医師群間での症状支持の比較に使用された。
PCL-5の症状とPCL-5の高得点を臨床上有意な支持率で評価した。
第2に,ロジスティック回帰と7つの非線形機械学習(ML)アルゴリズムを用いて,変動重要度と部分依存プロットを分析し,PTSDリスクの潜在的な予測因子を同定した。
PTSDリスクの予測者は、認知・心理学的指標、職業特性、仕事経験、社会的支援、人口統計、職場特性などであった。
重要なことに,最終mlモデルランダムフォレストでは,前科医のptsdリスクの危険因子と防御リスクのパターンが同定された。
主な被害要因はうつ病、バーンアウト、ネガティブ・コーピング、covid-19の感染/感染の恐れ、スティグマの認識、およびcovid-19患者を治療するためのリソース不足である。
保護要因には、レジリエンスと雇用者、友人、家族、重要人物からの支持があった。
本研究は,PTSDの予防・損傷リスク要因間の非線形関係を明らかにするためのMLアルゴリズムの価値を明らかにするものである。
関連論文リスト
- Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。
そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
論文 参考訳（メタデータ） (2024-04-26T16:39:50Z) - Deep Neural Decision Forest: A Novel Approach for Predicting Recovery or
Decease of COVID-19 Patients with Clinical and RT-PCR [0.3013529669049775]
本研究の目的は,深層学習アルゴリズムが患者の道徳を予測できるかどうかを検討することである。
臨床およびRT-PCRがどちらが信頼性が高いかを予測するための予測に与える影響について検討した。
その結果, RT-PCRを用いない臨床単独が, 80%の精度で最も効果的な診断方法であることが示唆された。
論文 参考訳（メタデータ） (2023-11-23T11:21:40Z) - Identifying Risk Factors for Post-COVID-19 Mental Health Disorders: A
Machine Learning Perspective [0.0]
我々は、機械学習技術を利用して、COVID-19後のメンタルヘルス障害に関連するリスク要因を特定しました。
年齢、性別、居住地は、精神疾患の発症に影響を及ぼす重要な人口統計要因であった。
新型コロナウイルス感染症の重症度は、重要な臨床予測因子であった。
論文 参考訳（メタデータ） (2023-09-27T22:30:11Z) - At-Admission Prediction of Mortality and Pulmonary Embolism in COVID-19
Patients Using Statistical and Machine Learning Methods: An International
Cohort Study [0.0]
新型コロナウイルス患者の肺塞栓症予測ツールの開発は極めて重要である。
本稿では,PEの発生と入場時の死亡を予測する機械学習モデルを提案する。
論文 参考訳（メタデータ） (2023-05-18T14:55:27Z) - A Machine Learning Analysis of COVID-19 Mental Health Data [0.0]
2019年12月、中国武漢で新型コロナウイルス(SARS-Cov-2)が最初に確認された。
本稿では、新型コロナウイルスのパンデミックが米国における最前線労働者のメンタルヘルスに与える影響について分析する。
メンタルヘルス調査データに適用された多くのモデルの解釈を通じて、最前線労働者のメンタルヘルスの低下を予測する上で最も重要な要因がヘルスケアの役割であると結論付けている。
論文 参考訳（メタデータ） (2021-12-01T02:00:44Z) - Machine learning approach to dynamic risk modeling of mortality in
COVID-19: a UK Biobank study [0.0]
新型コロナウイルス(COVID-19)のパンデミックは、高リスク患者の階層化を支援する堅牢でスケーラブルなモニタリングツールを緊急に必要としてきた。
本研究は、英国バイオバンクを用いた予測モデルを開発し、検証し、新型コロナウイルスの死亡リスクを推定することを目的とする。
論文 参考訳（メタデータ） (2021-04-19T11:51:20Z) - Classification supporting COVID-19 diagnostics based on patient survey
data [82.41449972618423]
新型コロナウイルス患者の効果的なスクリーニングを可能にするロジスティック回帰とXGBoost分類器が作成された。
得られた分類モデルは、DECODEサービス(decode.polsl.pl)の基礎を提供し、COVID-19病患者のスクリーニング支援に役立てることができる。
このデータセットは、3,000以上のサンプルで構成されており、ポーランドの病院で収集されたアンケートに基づいている。
論文 参考訳（メタデータ） (2020-11-24T17:44:01Z) - Understanding the temporal evolution of COVID-19 research through
machine learning and natural language processing [66.63200823918429]
重症急性呼吸器症候群2号(SARS-CoV-2)による新型コロナウイルス感染症(COVID-19)の流行は、世界中の人々の生活や社会に影響を与え続けている。
私たちは複数のデータソース、すなわちPubMedとArXivを使用し、現在のCOVID-19研究の風景を特徴づけるために、いくつかの機械学習モデルを構築しました。
調査の結果,PubMedとArXivで利用可能な研究の種類は異なることが確認された。
論文 参考訳（メタデータ） (2020-07-22T18:02:39Z) - 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) - Effectiveness and Compliance to Social Distancing During COVID-19 [72.94965109944707]
われわれは、米国内での新型コロナウイルスの感染拡大に対する在宅勤務注文の影響を評価するために、詳細なモビリティデータを用いている。
一方向性グランガー因果性(一方向性グランガー因果性)は、家庭で毎日過ごす時間の割合の中央値から、2週間の遅れを伴うCOVID-19関連死亡件数の日数までである。
論文 参考訳（メタデータ） (2020-06-23T03:36:19Z) - Mapping the Landscape of Artificial Intelligence Applications against
COVID-19 [59.30734371401316]
世界保健機関(WHO)は、SARS-CoV-2ウイルスによる新型コロナウイルスの感染をパンデミックと宣言した。
我々は、機械学習と、より広範に、人工知能を用いた最近の研究の概要を、新型コロナウイルス危機の多くの側面に取り組むために提示する。
論文 参考訳（メタデータ） (2020-03-25T12:30:33Z)
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。