論文の概要: Causal Discovery on the Effect of Antipsychotic Drugs on Delirium Patients in the ICU using Large EHR Dataset

• arxiv url: http://arxiv.org/abs/2205.01057v1
• Date: Thu, 28 Apr 2022 21:43:02 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-03 14:00:35.636622
• Title: Causal Discovery on the Effect of Antipsychotic Drugs on Delirium Patients in the ICU using Large EHR Dataset
• Title（参考訳）: 大規模ehrデータセットを用いたicuにおける抗精神病薬のデリリウムに対する効果に関する因果的発見
• Authors: Riddhiman Adib, Md Osman Gani, Sheikh Iqbal Ahamed, Mohammad Adibuzzaman
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 1.278093617645299
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Delirium occurs in about 80% cases in the Intensive Care Unit (ICU) and is associated with a longer hospital stay, increased mortality and other related issues. Delirium does not have any biomarker-based diagnosis and is commonly treated with antipsychotic drugs (APD). However, multiple studies have shown controversy over the efficacy or safety of APD in treating delirium. Since randomized controlled trials (RCT) are costly and time-expensive, we aim to approach the research question of the efficacy of APD in the treatment of delirium using retrospective cohort analysis. We plan to use the Causal inference framework to look for the underlying causal structure model, leveraging the availability of large observational data on ICU patients. To explore safety outcomes associated with APD, we aim to build a causal model for delirium in the ICU using large observational data sets connecting various covariates correlated with delirium. We utilized the MIMIC III database, an extensive electronic health records (EHR) dataset with 53,423 distinct hospital admissions. Our null hypothesis is: there is no significant difference in outcomes for delirium patients under different drug-group in the ICU. Through our exploratory, machine learning based and causal analysis, we had findings such as: mean length-of-stay and max length-of-stay is higher for patients in Haloperidol drug group, and haloperidol group has a higher rate of death in a year compared to other two-groups. Our generated causal model explicitly shows the functional relationships between different covariates. For future work, we plan to do time-varying analysis on the dataset.
• Abstract（参考訳）: デリリウムはICU(Intensive Care Unit)で約80%の症例で発生し、長期入院、死亡率の増加、その他の関連する問題と関連している。 デリリウムはバイオマーカーに基づく診断を受けておらず、一般的に抗精神病薬(APD)で治療されている。 しかしながら、複数の研究は、デリリウムの治療におけるAPDの有効性や安全性について議論している。 ランダム化制御試験 (RCT) は費用対効果が高く, 時間対効果が高いため, 振り返りコホート分析を用いて, デリリウム治療におけるAPDの有効性について検討する。 icu患者に対する大規模観測データの利用を活用し,因果構造モデルの検討に因果推論フレームワークを利用する計画である。 APDに関連付けられた各種共変体を結合した大規模観測データセットを用いて, ICUにおけるデリリウムの因果モデルの構築を目的とする。 病院入所者53,423名を対象に,ehr(ehr)データセットであるimmit iiiデータベースを用いた。 以上より, ICUの薬物群別では, デリリウム患者に有意な差は認められなかった。 調査,機械学習,因果解析により,Haloperidol 薬物群では平均潜伏期間と最大潜伏期間が有意に高く,ハロペリドール群は他の2群と比較して1年で死亡率が高くなった。 生成した因果モデルでは,異なる共変量間の機能的関係が明確に示される。 今後,データセット上で時間変動解析を行う予定である。

関連論文リスト

• Testing Causal Explanations: A Case Study for Understanding the Effect of Interventions on Chronic Kidney Disease [1.2449538970962482]
  我々は大規模な電子健康記録データセットを用いた方法論を開発した。 回帰不連続性の原理は、専門家主導の介入をテストするためにランダム化されたデータサブセットを導出するために用いられた。 この方法論は、実際のEHRデータを用いて、人口レベルの洞察を提供し、医療提供の改善を知らせる方法を示している。
  論文  参考訳（メタデータ） (2024-10-15T20:34:36Z)
• 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)
• Deep Representation Learning-Based Dynamic Trajectory Phenotyping for Acute Respiratory Failure in Medical Intensive Care Units [4.9981612589160775]
  セプシスによる急性呼吸不全(ARF)は予後不良の重篤な合併症である。 本稿では, 敗血症患者の臨床軌跡の異なるグループを同定するために, 深部表現学習に基づく表現型表現法を提案する。
  論文  参考訳（メタデータ） (2024-05-04T04:29:22Z)
• Detecting and clustering swallow events in esophageal long-term high-resolution manometry [48.688209040613216]
  深達度学習に基づく飲み込み検出法を提案し, 二次性非解離性食道運動障害を正確に同定する。 われわれは,25 LTHRMで計算パイプラインを評価し,医療専門家の注意を喚起した。
  論文  参考訳（メタデータ） (2024-05-02T09:41:31Z)
• SurvLatent ODE : A Neural ODE based time-to-event model with competing risks for longitudinal data improves cancer-associated Deep Vein Thrombosis (DVT) prediction [68.8204255655161]
  本稿では,不規則なサンプルデータの下で潜在表現をパラメータ化する生成時間対イベントモデルSurvLatent ODEを提案する。 そこで,本モデルでは,事象特異的ハザード関数の形状を指定せずに,複数の競合イベントの生存時間を柔軟に推定する。 SurvLatent ODEは、DVTリスクグループを成層化するために、現在の臨床標準であるKhorana Riskスコアより優れている。
  論文  参考訳（メタデータ） (2022-04-20T17:28:08Z)
• Why Interpretable Causal Inference is Important for High-Stakes Decision Making for Critically Ill Patients and How To Do It [80.24494623756839]
  重症心身障害患者に対する因果関係評価のための枠組みを提案する。 この枠組みは、脳の発作やその他の潜在的に有害な電気的事象が結果に与える影響に適用する。
  論文  参考訳（メタデータ） (2022-03-09T18:03:35Z)
• Targeted-BEHRT: Deep learning for observational causal inference on longitudinal electronic health records [1.3192560874022086]
  RCTが確立したNull causal associationの因果モデリングについて検討した。 本研究では,観測研究用データセットと変換器ベースモデルであるTargeted BEHRTと2倍のロバストな推定手法を開発した。 本モデルでは,高次元EHRにおけるリスク比推定のベンチマークと比較し,RRの精度の高い推定結果が得られた。
  論文  参考訳（メタデータ） (2022-02-07T20:05:05Z)
• Unsupervised Learning to Subphenotype Delirium Patients from Electronic Health Records [5.183023864443785]
  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。
  論文  参考訳（メタデータ） (2021-10-31T20:58:57Z)
• Structural Causal Model with Expert Augmented Knowledge to Estimate the Effect of Oxygen Therapy on Mortality in the ICU [0.26999000177990923]
  本稿では, モデル開発段階における専門家の知識を増強し, 実践的臨床応用により, 観察データから因果効果を推定するための完全な枠組みを提案する。 当院の臨床応用は,集中治療室(ICU)における酸素療法介入の効果に関するタイムリーかつ重要な研究課題である。 我々は,機械学習コミュニティの標準データベースであるMIMIC IIIデータベースからのデータを使用した。
  論文  参考訳（メタデータ） (2020-10-28T05:35:39Z)
• 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)
• 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。