Fugu-MT 論文翻訳(概要): Prediction Model for Mortality Analysis of Pregnant Women Affected With COVID-19

論文の概要: Prediction Model for Mortality Analysis of Pregnant Women Affected With COVID-19

arxiv url: http://arxiv.org/abs/2111.11477v1
Date: Mon, 22 Nov 2021 19:17:00 GMT
ステータス: 処理完了
システム内更新日: 2021-11-24 14:35:09.389735
Title: Prediction Model for Mortality Analysis of Pregnant Women Affected With COVID-19
Title（参考訳）: 新型コロナウイルスによる妊婦の死亡率予測モデル
Authors: Quazi Adibur Rahman Adib, Sidratul Tanzila Tasmi, Md. Shahriar Islam Bhuiyan, Md. Mohsin Sarker Raihan and Abdullah Bin Shams
Abstract要約: 新型コロナウイルス(COVID-19)のパンデミックは、公衆衛生部門や世界経済で前例のないディスラプションを引き起こしている。その感染性のため、ウイルスは軽度から重篤な症状から、保護されていない、露出していない個人に容易に感染する。本研究は, 症例報告に基づいて, 母親の死亡率を推定する予測モデルを開発することを目的とする。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: COVID-19 pandemic is an ongoing global pandemic which has caused unprecedented disruptions in the public health sector and global economy. The virus, SARS-CoV-2 is responsible for the rapid transmission of coronavirus disease. Due to its contagious nature, the virus can easily infect an unprotected and exposed individual from mild to severe symptoms. The study of the virus effects on pregnant mothers and neonatal is now a concerning issue globally among civilians and public health workers considering how the virus will affect the mother and the neonates health. This paper aims to develop a predictive model to estimate the possibility of death for a COVID-diagnosed mother based on documented symptoms: dyspnea, cough, rhinorrhea, arthralgia, and the diagnosis of pneumonia. The machine learning models that have been used in our study are support vector machine, decision tree, random forest, gradient boosting, and artificial neural network. The models have provided impressive results and can accurately predict the mortality of pregnant mothers with a given input.The precision rate for 3 models(ANN, Gradient Boost, Random Forest) is 100% The highest accuracy score(Gradient Boosting,ANN) is 95%,highest recall(Support Vector Machine) is 92.75% and highest f1 score(Gradient Boosting,ANN) is 94.66%. Due to the accuracy of the model, pregnant mother can expect immediate medical treatment based on their possibility of death due to the virus. The model can be utilized by health workers globally to list down emergency patients, which can ultimately reduce the death rate of COVID-19 diagnosed pregnant mothers.
Abstract（参考訳）: 新型コロナウイルスのパンデミックは、公衆衛生部門や世界経済に前例のない破壊をもたらした世界的なパンデミックである。 SARS-CoV-2は、新型コロナウイルスの急速な感染の原因となっている。感染性があるため、ウイルスは、軽度から重篤な症状から、無防備で露出した個人に容易に感染することができる。妊婦や新生児に対するウイルスの影響に関する研究は、現在、母親や新生児の健康にウイルスがどう影響するかを考える民間人や公衆衛生従事者の間で、世界規模で問題となっている。本研究の目的は, 肺炎の診断, 呼吸困難, 不整脈, 鼻出血, 関節痛, 肺炎などの症状から, 母親の死亡確率を推定するための予測モデルを開発することである。我々の研究で使用されている機械学習モデルは、サポートベクターマシン、決定ツリー、ランダムフォレスト、勾配押し上げ、人工ニューラルネットワークである。 3モデル(ANN, Gradient Boost, Random Forest)の精度は100%が最も高いスコア(Gradient Boosting,ANN)は95%、最も高いリコール(Support Vector Machine)は92.75%、最高のf1スコア(Gradient Boosting,ANN)は94.66%である。モデルが正確であるため、妊婦はウイルスによる死亡の可能性に基づいてすぐに治療を受けることができる。このモデルは世界中の医療従事者によって緊急患者のリストアップに利用でき、最終的に新型コロナウイルス(COVID-19)と診断された妊婦の死亡率を減らすことができる。

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)
COVID-19 Spreading Prediction and Impact Analysis by Using Artificial Intelligence for Sustainable Global Health Assessment [0.0]
現在、新型コロナウイルスの流行は2,164,111人以上に影響し、世界中で200カ国以上で146,198人以上が死亡している。この状況におけるAIの根本的な困難は、情報の可用性の制限と病気の確実性である。本稿では、AIを統合して感染症の発生を予測するとともに、ディープラーニングを用いたAIが新型コロナウイルス感染した胸部X線を認識できるかどうかを検証した。
論文参考訳（メタデータ） (2023-04-23T19:48:29Z)
Dense Feature Memory Augmented Transformers for COVID-19 Vaccination Search Classification [60.49594822215981]
本稿では,新型コロナウイルスワクチン関連検索クエリの分類モデルを提案する。本稿では,モデルが対応可能なメモリトークンとして,高密度特徴を考慮した新しい手法を提案する。この新しいモデリング手法により,Vaccine Search Insights (VSI) タスクを大幅に改善できることを示す。
論文参考訳（メタデータ） (2022-12-16T13:57:41Z)
Coronavirus disease situation analysis and prediction using machine learning: a study on Bangladeshi population [1.7188280334580195]
バングラデシュでは近年、死亡率と感染率の差が以前よりも大きくなっている。本研究では、機械学習モデルを識別し、今後数日の感染と死亡率を予測する予測システムを作成する。
論文参考訳（メタデータ） (2022-07-12T09:48:41Z)
Can Self Reported Symptoms Predict Daily COVID-19 Cases? [12.029443053416399]
機械学習モデルを開発し、自己報告症状を用いてCOVID-19の流行を推定する。その結果,グローバルモデルとは対照的に,局所モデルに対する誤差が低かった。この研究は、オンラインプラットフォームを介して収集されたクラウドソースデータに基づいて開発されたモデルが、既存の疫学的監視インフラストラクチャを補完できることを示しています。
論文参考訳（メタデータ） (2021-05-18T07:26:09Z)
Insight about Detection, Prediction and Weather Impact of Coronavirus (Covid-19) using Neural Network [0.0]
新型コロナウイルスによる壊滅的なパンデミック(covid-19)で、世界は厳しい状況に直面しているこのウイルスの感染者数は日増しに増加しており、すでに6400万人を超えています。深層ニューラルネットワークを用いて胸部x線から感染者を検出することは、時間と労力の節約のソリューションとして応用できる。
論文参考訳（メタデータ） (2021-04-05T22:18:57Z)
UNITE: Uncertainty-based Health Risk Prediction Leveraging Multi-sourced Data [81.00385374948125]
我々はUNcertaInTyベースのhEalth Risk Prediction(UNITE)モデルを提案する。 UNITEは、複数ソースの健康データを活用した正確な疾患リスク予測と不確実性推定を提供する。非アルコール性脂肪肝疾患(NASH)とアルツハイマー病(AD)の実態予測タスクにおけるUNITEの評価を行った。 UNITEはAD検出のF1スコアで最大0.841点、NASH検出のPR-AUCで最大0.609点を達成し、最高のベースラインで最大19%の高パフォーマンスを達成している。
論文参考訳（メタデータ） (2020-10-22T02:28:11Z)
Steering a Historical Disease Forecasting Model Under a Pandemic: Case of Flu and COVID-19 [75.99038202534628]
我々は、インフルエンザとCOVID-19が共存する新しいシナリオに、歴史的疾患予測モデルを「操る」ことができる神経伝達学習アーキテクチャであるCALI-Netを提案する。我々の実験は、現在のパンデミックに歴史的予測モデルを適用することに成功していることを示している。
論文参考訳（メタデータ） (2020-09-23T22:35:43Z)
A self-supervised neural-analytic method to predict the evolution of COVID-19 in Romania [10.760851506126105]
我々は、感染症の古典的な確立されたモデルであるSEIRの改良版を使用している。本稿では,修正SEIRモデルパラメータの正しいセットを推定するために,深層畳み込みネットワークを訓練するための自己教師型アプローチを提案する。ルーマニアの死亡率が約0.3%である場合、楽観的な結果が得られ、我々のモデルが今後最大3週間の日々の死亡数を正確に予測できることを示した。
論文参考訳（メタデータ） (2020-06-23T12:00:04Z)
Cross-lingual Transfer Learning for COVID-19 Outbreak Alignment [90.12602012910465]
われわれは、Twitterを通じてイタリアの新型コロナウイルス感染症(COVID-19)の早期流行を訓練し、他のいくつかの国に移る。実験の結果,クロスカントリー予測において最大0.85のスピアマン相関が得られた。
論文参考訳（メタデータ） (2020-06-05T02:04:25Z)
Viral Pneumonia Screening on Chest X-ray Images Using Confidence-Aware Anomaly Detection [86.81773672627406]
短期間のウイルス性肺炎の集団は、SARS、MERS、最近のCOVID-19のような流行やパンデミックのハービンガーである可能性がある。胸部X線によるウイルス性肺炎の迅速かつ正確な検出は,大規模スクリーニングや流行予防に有用である。ウイルス性肺炎はしばしば多彩な原因を持ち、X線画像に顕著な視覚的外観を示す。
論文参考訳（メタデータ） (2020-03-27T11:32:18Z)

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。