論文の概要: Individualized Risk Assessment of Preoperative Opioid Use by
Interpretable Neural Network Regression
- arxiv url: http://arxiv.org/abs/2205.08370v1
- Date: Sat, 7 May 2022 02:35:04 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-22 12:18:52.531519
- Title: Individualized Risk Assessment of Preoperative Opioid Use by
Interpretable Neural Network Regression
- Title（参考訳）: 解釈型ニューラルネットワーク回帰による術前オピオイド使用の個人的リスク評価
- Authors: Yuming Sun, Jian Kang, Chad Brummett, Yi Li
- Abstract要約: 術前オピオイド使用は, 術前オピオイド需要の増加, 術後成績の悪化, 術後の医療利用と支出の増加に関連していると報告されている。
ディープニューラルネットワーク(DNN)は、その超高速な予測能力のために、リスク評価の強力な手段として登場した。
本稿では,統計モデルとDNNモデルの強みを組み合わせた新しい解釈型ニューラルネットワーク回帰(INNER)を提案する。
- 参考スコア（独自算出の注目度）: 6.474106608218618
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Preoperative opioid use has been reported to be associated with higher
preoperative opioid demand, worse postoperative outcomes, and increased
postoperative healthcare utilization and expenditures. Understanding the risk
of preoperative opioid use helps establish patient-centered pain management. In
the field of machine learning, deep neural network (DNN) has emerged as a
powerful means for risk assessment because of its superb prediction power;
however, the blackbox algorithms may make the results less interpretable than
statistical models. Bridging the gap between the statistical and machine
learning fields, we propose a novel Interpretable Neural Network Regression
(INNER), which combines the strengths of statistical and DNN models. We use the
proposed INNER to conduct individualized risk assessment of preoperative opioid
use. Intensive simulations and an analysis of 34,186 patients expecting surgery
in the Analgesic Outcomes Study (AOS) show that the proposed INNER not only can
accurately predict the preoperative opioid use using preoperative
characteristics as DNN, but also can estimate the patient specific odds of
opioid use without pain and the odds ratio of opioid use for a unit increase in
the reported overall body pain, leading to more straightforward interpretations
of the tendency to use opioids than DNN. Our results identify the patient
characteristics that are strongly associated with opioid use and is largely
consistent with the previous findings, providing evidence that INNER is a
useful tool for individualized risk assessment of preoperative opioid use.
- Abstract（参考訳）: 術前オピオイド使用は, 術前オピオイド需要の増加, 術後成績の悪化, 術後の医療利用と支出の増加に関連していると報告されている。
術前オピオイド使用の危険性を理解することは患者中心の痛み管理を確立するのに役立つ。
機械学習の分野では、Deep Neural Network (DNN) が、その超越した予測能力のために、リスク評価の強力な手段として登場したが、ブラックボックスアルゴリズムは統計モデルよりも結果を解釈しにくくする。
統計学と機械学習のギャップを埋めて、統計学とDNNモデルの強みを組み合わせた新しい解釈型ニューラルネットワーク回帰(INNER)を提案する。
提案したINNERを用いて,術前オピオイド使用の個別化リスク評価を行う。
analgesic outcomes study (aos) で手術を期待する34,186例の集中シミュレーションと分析により,術中のオピオイド使用量をdnnとして正確に予測できるだけでなく,痛みのないオピオイド使用の患者固有のオピオイド使用の確率や,報告された全身的痛みの増加に対するオピオイド使用のオピオイド使用のオピオイド使用のオッズ比を推定し,dnnよりもオピオイドの使用傾向をより容易に解釈できることが示された。
INNERがオピオイド使用の個人化リスク評価に有用であることを示す証拠として,オピオイド使用と強く関連し,前報とほぼ一致している症例の特徴を同定した。
関連論文リスト
- Enhancing Acute Kidney Injury Prediction through Integration of Drug
Features in Intensive Care Units [0.0]
急性腎障害(AKI)予測と腎障害薬との関連は, 治療現場ではまだ検討されていない。
そこで本研究では,患者処方データをモダリティとして活用し,既存のAKI予測モデルを改善する手法を提案する。
論文 参考訳（メタデータ） (2024-01-09T05:42:32Z) - MedDiffusion: Boosting Health Risk Prediction via Diffusion-based Data
Augmentation [58.93221876843639]
本稿では,MedDiffusion という,エンドツーエンドの拡散に基づくリスク予測モデルを提案する。
トレーニング中に合成患者データを作成し、サンプルスペースを拡大することで、リスク予測性能を向上させる。
ステップワイズ・アテンション・メカニズムを用いて患者の来訪者間の隠れた関係を識別し、高品質なデータを生成する上で最も重要な情報をモデルが自動的に保持することを可能にする。
論文 参考訳（メタデータ） (2023-10-04T01:36:30Z) - A Transformer-based Prediction Method for Depth of Anesthesia During
Target-controlled Infusion of Propofol and Remifentanil [2.960339091215942]
本稿では,プロポフォールとレミフェンタニルの薬物注入による麻酔深度予測法を提案する。
実験の結果,提案手法は従来のPK-PDモデルや従来のディープラーニング手法よりも優れていた。
論文 参考訳（メタデータ） (2023-08-02T13:49:44Z) - Automatic diagnosis of knee osteoarthritis severity using Swin
transformer [55.01037422579516]
変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。
我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
論文 参考訳（メタデータ） (2023-07-10T09:49:30Z) - Prediction of Post-Operative Renal and Pulmonary Complications Using
Transformers [69.81176740997175]
術後急性腎不全,肺合併症,院内死亡の予測におけるトランスフォーマーモデルの有用性について検討した。
以上の結果から,トランスフォーマーモデルにより術後合併症の予測や従来の機械学習モデルよりも優れた性能が得られることが示された。
論文 参考訳（メタデータ） (2023-06-01T14:08:05Z) - Predicting Patient Readmission Risk from Medical Text via Knowledge
Graph Enhanced Multiview Graph Convolution [67.72545656557858]
本稿では,電子健康記録の医用テキストを予測に用いる新しい手法を提案する。
外部知識グラフによって強化された多視点グラフを有する患者の退院サマリーを表現している。
実験により,本手法の有効性が証明され,最先端の性能が得られた。
論文 参考訳（メタデータ） (2021-12-19T01:45:57Z) - Clinical Outcome Prediction from Admission Notes using Self-Supervised
Knowledge Integration [55.88616573143478]
臨床テキストからのアウトカム予測は、医師が潜在的なリスクを見落としないようにする。
退院時の診断,手術手順,院内死亡率,長期予測は4つの一般的な結果予測対象である。
複数の公開資料から得られた患者結果に関する知識を統合するために,臨床結果の事前学習を提案する。
論文 参考訳（メタデータ） (2021-02-08T10:26:44Z) - Identifying Risk of Opioid Use Disorder for Patients Taking Opioid
Medications with Deep Learning [3.2663488776173573]
米国ではオピオイドが流行しており、毎年12歳以上で1000万人以上のオピオイド誤用者がいた。
オピオイド使用障害(OUD)のリスクが高い患者を同定することは、OUDのリスクを低減する早期臨床介入に役立つ。
本研究の目的は,オピオイド処方薬使用者のOUD患者を,機械学習と深層学習による電子健康記録の分析により予測することである。
論文 参考訳（メタデータ） (2020-10-09T14:18:07Z) - Hemogram Data as a Tool for Decision-making in COVID-19 Management:
Applications to Resource Scarcity Scenarios [62.997667081978825]
新型コロナウイルス(COVID-19)のパンデミックは世界中の緊急対応システムに挑戦している。
本研究は, 症状患者の血液検査データから得られた機械学習モデルについて述べる。
提案されたモデルでは、新型コロナウイルスqRT-PCRの結果を、高い精度、感度、特異性で症状のある個人に予測することができる。
論文 参考訳（メタデータ） (2020-05-10T01:45:03Z) - Dynamic Predictions of Postoperative Complications from Explainable,
Uncertainty-Aware, and Multi-Task Deep Neural Networks [1.7548541038532495]
マルチタスク深層学習モデルは術後合併症の予測においてランダム森林モデルより優れている。
統合的解釈可能性のメカニズムは それぞれの合併症に対して 潜在的に修飾可能な危険因子を同定した
モンテカルロのドロップアウト法は、臨床信頼を高める可能性がある予測の不確実性の定量的尺度を提供した。
論文 参考訳（メタデータ） (2020-04-27T02:32:32Z) - First Investigation Into the Use of Deep Learning for Continuous
Assessment of Neonatal Postoperative Pain [4.121183008006413]
具体的にはB-CNN(Bilinear Convolutional Neural Network)を用いて、術後の痛みのレベルが異なる顔の特徴を抽出する。
以上の結果から,急性痛と術後痛のパターンに明らかな差異が認められた。
また,バイリニアCNNとRNNモデルを併用した術後痛強度の連続評価の有用性も示唆した。
論文 参考訳（メタデータ） (2020-03-24T01:13:07Z)
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。