論文の概要: Deep neural networks for fine-grained surveillance of overdose mortality

• arxiv url: http://arxiv.org/abs/2202.12448v1
• Date: Fri, 25 Feb 2022 01:04:26 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-28 15:02:01.986083
• Title: Deep neural networks for fine-grained surveillance of overdose mortality
• Title（参考訳）: 深層ニューラルネットワークによる高用量死亡率の細粒度監視
• Authors: Patrick J. Ward, April M. Young, Svetla Slavova, Madison Liford, Lara Daniels, Ripley Lucas, Ramakanth Kavuluru
• Abstract要約: 薬物や薬物のクラスは、死亡証明書に関する国際疾病分類第10条(ICD-10)コードを通じて特定することができる。 F1スコア99.13%の深層学習名義認識モデルが開発された。 このモデルは、現在の監視ルックアップテーブルに存在しない新しい薬物のミススペルや新しい物質を識別することができる。
• 参考スコア（独自算出の注目度）: 1.0811639834885345
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Surveillance of drug overdose deaths relies on death certificates for identification of the substances that caused death. Drugs and drug classes can be identified through the International Classification of Diseases, 10th Revision (ICD-10) codes present on death certificates. However, ICD-10 codes do not always provide high levels of specificity in drug identification. To achieve more fine-grained identification of substances on a death certificate, the free-text cause of death section, completed by the medical certifier, must be analyzed. Current methods for analyzing free-text death certificates rely solely on look-up tables for identifying specific substances, which must be frequently updated and maintained. To improve identification of drugs on death certificates, a deep learning named-entity recognition model was developed, which achieved an F1-score of 99.13%. This model can identify new drug misspellings and novel substances that are not present on current surveillance look-up tables, enhancing the surveillance of drug overdose deaths.
• Abstract（参考訳）: 薬物過剰死の監視は、死因を特定するための死亡証明書に依存している。 薬物や薬物のクラスは国際疾病分類(ICD-10)によって特定され、死亡証明書に記載されている。 しかし、ICD-10符号は必ずしも薬物識別において高いレベルの特異性を提供するとは限らない。 死亡証明書上の物質のよりきめ細かい識別を実現するには、医療認定者によって完成した自由テキストの死因を解析する必要がある。 フリーテキストの死亡証明書を分析する現在の方法は、特定の物質を特定するためのルックアップテーブルのみに依存しており、頻繁な更新と維持が必要である。 死亡証明書上の薬物の識別を改善するため、深層学習による名義認識モデルが開発され、F1スコアは99.13%に達した。 このモデルでは、現在の監視表に存在しない新しい薬物のミススペルや新しい物質を特定し、薬物過剰死の監視を強化することができる。

関連論文リスト

• Knowledge-Driven New Drug Recommendation [88.35607943144261]
  既存の薬物と新薬のギャップを埋めるために, 薬物依存型マルチフェノタイプ数発学習機を開発した。 EDGEは外部薬効知識ベースを用いて偽陰性監視信号を除去する。 その結果, EDGEは, ROC-AUCスコアよりも7.3%向上していることがわかった。
  論文  参考訳（メタデータ） (2022-10-11T16:07:52Z)
• Interpretable Deep Learning-Based Forensic Iris Segmentation and Recognition [4.691925709249742]
  死後虹彩分割と認識のためのエンドツーエンドの深層学習手法を提案する。 本手法は, 遺骸171頭から得られたデータを用いて訓練, 検証し, 遺骸229頭から採取した被検体分離データを用いて検討した。
  論文  参考訳（メタデータ） (2021-12-01T21:59:16Z)
• SafeDrug: Dual Molecular Graph Encoders for Safe Drug Recommendations [59.590084937600764]
  医薬品の分子構造とDDIのモデルを明確に活用するために、SafeDrugというDDI制御可能な薬物推奨モデルを提案する。 ベンチマークデータセットでは、SafeDrugはDDIを19.43%削減し、Jaccardの推奨薬物と実際に処方された薬物の組み合わせの2.88%を改善します。
  論文  参考訳（メタデータ） (2021-05-05T00:20:48Z)
• Drugs4Covid: Drug-driven Knowledge Exploitation based on Scientific Publications [0.2012378666405002]
  Drugs4Covidは、単語の埋め込み技術とセマンティックウェブ技術を組み合わせて、大規模な医学文献のドラッグ指向の探索を可能にする。 新型コロナウイルス(COVID-19)やSARS(SARS)などの関連コロナウイルスに関する情報とともに、CORD-19コーパスから6万件以上の記事や2万段以上の段落が処理されている。 薬のオープンカタログが作成され、その結果はドラッグブラウザ、キーワード誘導テキストエクスプローラー、知識グラフを通じて公開されている。
  論文  参考訳（メタデータ） (2020-12-03T14:26:54Z)
• Point Process Modeling of Drug Overdoses with Heterogeneous and Missing Data [0.0]
  米国では過去10年間でオピオイド過剰摂取率が増加しており、公衆衛生の危機を反映している。 薬物過剰クラスタリングのための時空間プロセスモデルを提案する。 薬物とオピオイドの過剰摂取死は、分枝比が.72から.98の範囲で顕著な興奮を示す。
  論文  参考訳（メタデータ） (2020-10-12T23:47:55Z)
• Poison Attacks against Text Datasets with Conditional Adversarially Regularized Autoencoder [78.01180944665089]
  本稿では,自然言語推論(NLI)とテキスト分類システムにおいて致命的な脆弱性を示す。 我々はNLPモデルに対する「バックドア中毒」攻撃を提示する。
  論文  参考訳（メタデータ） (2020-10-06T13:03:49Z)
• Public Health Informatics: Proposing Causal Sequence of Death Using Neural Machine Translation [9.209465540760684]
  不正確な死亡報告は公衆衛生政策の過ちにつながる可能性がある。 我々は、死に至る臨床症状の慢性的な順序を決定するための高度なAIアプローチを提案する。 我々は死の因果関係を提唱する上での3つの課題を特定する。
  論文  参考訳（メタデータ） (2020-09-22T04:56:23Z)
• Survival Modeling of Suicide Risk with Rare and Uncertain Diagnoses [15.732431764583323]
  我々は,自殺未遂により入院し,後に退院した患者に対して,その後の自殺未遂のリスクを調査するために医療クレームデータを用いた。 疑わしい」自殺未遂の約20%は、傷害や毒の外部原因を示す診断コードから特定される。
  論文  参考訳（メタデータ） (2020-09-05T20:47:16Z)
• Two Step Joint Model for Drug Drug Interaction Extraction [82.49278654043577]
  薬物と薬物の相互作用 (DDI) テキスト分析会議 (TAC) 2018における薬物ラベルからの抽出 本稿では,DDI検出のための2段階関節モデルを提案する。 シーケンスタギングシステム(CNN-GRUエンコーダデコーダ)は、まず沈殿剤を発見し、その微細なトリガーを探索し、第2ステップで沈殿剤毎のDDIを決定する。
  論文  参考訳（メタデータ） (2020-08-28T15:30:08Z)
• Subclass Contrastive Loss for Injured Face Recognition [79.14062188261163]
  本稿では, ケガを負った顔認識の問題点に対処し, 課題に対する新たなサブクラスコントラスト損失(SCL)を提案する。 Injured Face (IF) データベースと呼ばれる新しいデータベースも、この方向の研究を促進するために作成されている。
  論文  参考訳（メタデータ） (2020-08-05T08:30:29Z)
• Computational Support for Substance Use Disorder Prevention, Detection, Treatment, and Recovery [62.9980747784214]
  物質使用障害には、アルコール、オピオイド、マリファナ、メタンフェタミンの誤用が含まれる。 成人12人中1人が薬物使用障害を患っている。 全米薬物乱用協会(National Institute on Drug Abuse)は、SUDが年間5200億ドルの費用を負担していると推計している。
  論文  参考訳（メタデータ） (2020-06-23T18:30:20Z)

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。