論文の概要: Identifying the Risks of Chronic Diseases Using BMI Trajectories
- arxiv url: http://arxiv.org/abs/2111.05385v1
- Date: Tue, 9 Nov 2021 19:52:22 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-11 15:00:03.618855
- Title: Identifying the Risks of Chronic Diseases Using BMI Trajectories
- Title（参考訳）: BMIトラジェクトリを用いた慢性疾患のリスクの同定
- Authors: Md Mozaharul Mottalib, Jessica C Jones-Smith, Bethany Sheridan, and
Rahmatollah Beheshti
- Abstract要約: 我々は、BMIトラジェクトリを用いて18の主要な慢性疾患を発症するリスクのサブタイプに機械学習アプローチを用いる。
患者をサブグループに分類するために,BMIトラジェクトリに基づく9つの新しい解釈可能およびエビデンスに基づく変数を定義した。
本実験では, 肥満と糖尿病, 高血圧, アルツハイマー, 認知症との直接的な関係が, 既往の知識体系に適合しているか, 相補的であることが明らかとなった。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Obesity is a major health problem, increasing the risk of various major
chronic diseases, such as diabetes, cancer, and stroke. While the role of
obesity identified by cross-sectional BMI recordings has been heavily studied,
the role of BMI trajectories is much less explored. In this study, we use a
machine learning approach to subtype individuals' risk of developing 18 major
chronic diseases by using their BMI trajectories extracted from a large and
geographically diverse EHR dataset capturing the health status of around two
million individuals for a period of six years. We define nine new interpretable
and evidence-based variables based on the BMI trajectories to cluster the
patients into subgroups using the k-means clustering method. We thoroughly
review each clusters' characteristics in terms of demographic, socioeconomic,
and physiological measurement variables to specify the distinct properties of
the patients in the clusters. In our experiments, direct relationship of
obesity with diabetes, hypertension, Alzheimer's, and dementia have been
re-established and distinct clusters with specific characteristics for several
of the chronic diseases have been found to be conforming or complementary to
the existing body of knowledge.
- Abstract（参考訳）: 肥満は、糖尿病、がん、脳卒中などの様々な慢性疾患のリスクを増大させる主要な健康問題である。
横断的BMI記録で同定される肥満の役割は研究されているが,BMI軌跡の役割は明らかにされていない。
本研究では,大規模かつ地理的に多様なEHRデータセットから抽出したBMIトラジェクトリを用いて,6年間に約200万人の患者の健康状態を把握し,個人が18の主要な慢性疾患を発症するリスクをサブタイプ化する機械学習アプローチを用いた。
k-meansクラスタリング法を用いて患者をサブグループに分類するために,BMIトラジェクトリに基づく9つの新しい解釈可能なエビデンスに基づく変数を定義する。
各クラスタの特徴を, 人口動態, 社会経済的, 生理的測定変数の観点から徹底的に検討し, クラスタ内の患者の特徴を特定する。
実験では,肥満と糖尿病,高血圧,アルツハイマー病,認知症との直接的な関係が再確立され,慢性疾患のいくつかは既存の知識体系に適合し補完的であることが判明した。
関連論文リスト
- Identifying latent disease factors differently expressed in patient subgroups using group factor analysis [54.67330718129736]
本稿では,サブグループ特異的およびサブグループ共通潜在因子を明らかにするための新しいアプローチを提案する。
提案手法は,正規化されたホースシュー先行群を用いたスパース群因子解析 (GFA) であり,確率計画法を用いて実装した。
論文 参考訳（メタデータ） (2024-10-10T13:12:14Z) - From Glucose Patterns to Health Outcomes: A Generalizable Foundation Model for Continuous Glucose Monitor Data Analysis [50.80532910808962]
GluFormerは、トランスフォーマーアーキテクチャに基づく生体医学的時間的データの生成基盤モデルである。
GluFormerは5つの地理的領域にまたがる4936人を含む15の異なる外部データセットに一般化されている。
今後4年間の健康状態も予測できる。
論文 参考訳（メタデータ） (2024-08-20T13:19:06Z) - 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 Phenotyping of Non-Alcoholic Fatty Liver Disease Patients with
Genetic Factors for Insights into the Complex Disease [1.7527259446915058]
非アルコール性脂肪肝疾患(Non-Alcoholic fat liver disease、NAFLD)は、肝に脂肪の過剰な蓄積を特徴とする慢性肝疾患である。
本研究の目的は,NAFLD患者の集団的,臨床的,遺伝的特徴に基づくサブグループを同定することである。
論文 参考訳（メタデータ） (2023-11-13T19:31:12Z) - Pain level and pain-related behaviour classification using GRU-based
sparsely-connected RNNs [61.080598804629375]
慢性的な痛みを持つ人は、特定の身体の動きを無意識に適応させ、怪我や追加の痛みから身を守る。
この相関関係を分析するための専用のベンチマークデータベースが存在しないため、日々の行動に影響を及ぼす可能性のある特定の状況の1つを検討した。
我々は、複数のオートエンコーダを組み込んだゲートリカレントユニット(GRU)と疎結合なリカレントニューラルネットワーク(s-RNN)のアンサンブルを提案した。
本手法は,痛みレベルと痛み関連行動の両方の分類において,最先端のアプローチよりも優れていることを示すいくつかの実験を行った。
論文 参考訳（メタデータ） (2022-12-20T12:56:28Z) - Individual health-disease phase diagrams for disease prevention based on
machine learning [1.0617212070722408]
複数のバイオマーカーの境界値を可視化することにより、個人の健康状態を表すHDPD(Health-disease phase diagram)を提示する。
以上の結果から,HDPDは発症過程における個々の生理的状態を表わし,疾患予防の介入目標として利用できることが示唆された。
論文 参考訳（メタデータ） (2022-05-31T08:25:02Z) - Cancer Gene Profiling through Unsupervised Discovery [49.28556294619424]
低次元遺伝子バイオマーカーを発見するための,新しい,自動かつ教師なしのフレームワークを提案する。
本手法は,高次元中心型非監視クラスタリングアルゴリズムLP-Stabilityアルゴリズムに基づく。
私達の署名は免疫炎症および免疫砂漠の腫瘍の区別の有望な結果報告します。
論文 参考訳（メタデータ） (2021-02-11T09:04:45Z) - Personalized pathology test for Cardio-vascular disease: Approximate
Bayesian computation with discriminative summary statistics learning [48.7576911714538]
近似計算を用いて生物学的に有意なパラメータを推定するための血小板沈着モデルと推論手法を提案する。
この研究は、CVDの検出と治療のためのパーソナライズされた病理検査の先例のない機会を開く。
論文 参考訳（メタデータ） (2020-10-13T15:20:21Z) - Age-Net: An MRI-Based Iterative Framework for Brain Biological Age
Estimation [18.503467872057424]
生物学的年齢(BA)の概念は、主に明確に定義された基準基準が欠如していることから理解するのが困難である。
臓器特異的BA推定のための新しい画像ベースフレームワークを提案する。
論文 参考訳（メタデータ） (2020-09-22T19:04:02Z) - Deep Recurrent Model for Individualized Prediction of Alzheimer's
Disease Progression [4.034948808542701]
アルツハイマー病(Alzheimer's disease, AD)は認知症の主要な原因の一つであり、数年間の進行が遅いことが特徴である。
本稿では,MRIバイオマーカーの表現型測定と臨床状態の軌跡を予測できる新しい計算フレームワークを提案する。
論文 参考訳（メタデータ） (2020-05-06T08:08:00Z) - Inflammatory Bowel Disease Biomarkers of Human Gut Microbiota Selected
via Ensemble Feature Selection Methods [0.0]
炎症性腸疾患(IBD)、糖尿病、がんは炎症性腸疾患(IBD)、糖尿病、がんなどのいくつかの疾患を引き起こすことがある。
IBDは腸関連疾患であり、腸内細菌叢からの逸脱はIBDと関連していると考えられている。
本研究は、教師付き機械学習アルゴリズムと教師なし機械学習アルゴリズムを用いて、IBD診断を支援する分類モデルを生成する。
論文 参考訳（メタデータ） (2020-01-08T13:17:26Z)
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。