論文の概要: Modelling and Mining of Patient Pathways: A Scoping Review
- arxiv url: http://arxiv.org/abs/2206.01980v1
- Date: Sat, 4 Jun 2022 12:44:24 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-07 15:16:05.457572
- Title: Modelling and Mining of Patient Pathways: A Scoping Review
- Title(参考訳): 患者パスのモデル化とマイニング : スコープによる検討
- Authors: Caroline de Oliveira Costa Souza Rosa, Marcia Ito, Alex Borges Vieira,
Antonio Tadeu Azevedo Gomes
- Abstract要約: 電子的健康データ提供の台頭により、多数の患者の経路を評価することが可能になった。
これらの経路をどのように合成するか、データからどのようにマイニングするかについても、いくつかの課題が持ち上がった。
本研究の目的は, この新たな研究分野を探求し, 表現モデル, 鉱業技術, 分析方法, 事例研究の例を紹介することである。
- 参考スコア(独自算出の注目度): 0.09176056742068812
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The sequence of visits and procedures performed by the patient in the health
system, also known as the patient's pathway or trajectory, can reveal important
information about the clinical treatment adopted and the health service
provided. The rise of electronic health data availability made it possible to
assess the pathways of a large number of patients. Nevertheless, some
challenges also arose concerning how to synthesize these pathways and how to
mine them from the data, fostering a new field of research. The objective of
this review is to survey this new field of research, highlighting
representation models, mining techniques, methods of analysis, and examples of
case studies.
- Abstract(参考訳): 医療システムにおいて患者が行う訪問と処置のシーケンスは、患者の経路または軌道としても知られ、採用される臨床治療および医療サービスに関する重要な情報を明らかにすることができる。
電子健康データの可用性が高まり、多数の患者の経路を評価することが可能となった。
しかし、これらの経路をどのように合成するか、データからどのようにマイニングするかについてもいくつかの課題が生まれ、新しい研究分野が育まれた。
本研究の目的は,この新たな研究分野を調査し,表現モデル,マイニング手法,分析方法,ケーススタディの例を強調することである。
関連論文リスト
- Mapping Patient Trajectories: Understanding and Visualizing Sepsis Prognostic Pathways from Patients Clinical Narratives [2.3383924361298876]
本稿では,臨床ノートから得られた敗血症予後経路の体系的手法を提案する。
これらの経路を可視化することは、様々な状況における病気の進行の可能性と方向性に光を当てる。
これにより、医療提供者は個別の患者に対してよりパーソナライズされ効果的な医療戦略を実施することができる。
論文 参考訳(メタデータ) (2024-07-20T14:45:55Z) - A Survey of Few-Shot Learning for Biomedical Time Series [3.845248204742053]
データ駆動型モデルは、臨床診断を支援し、患者のケアを改善する大きな可能性を秘めている。
ラベル付きデータの不足を克服する新たなアプローチは、人間のような能力でAIメソッドを拡張して、少数ショット学習と呼ばれる限られた例で新しいタスクを学ぶことだ。
本調査は,生物医学的時系列アプリケーションのための数ショット学習手法の総合的なレビューと比較を行う。
論文 参考訳(メタデータ) (2024-05-03T21:22:27Z) - Recent Advances in Predictive Modeling with Electronic Health Records [71.19967863320647]
EHRデータを予測モデリングに利用すると、その特徴からいくつかの課題が生じる。
深層学習は、医療を含む様々な応用においてその優位性を示している。
論文 参考訳(メタデータ) (2024-02-02T00:31:01Z) - Framework based on complex networks to model and mine patient pathways [0.6749750044497732]
いわゆる「患者の道」は、臨床および組織的な決定を支援する新しい研究分野である。
i) マルチアスペクトグラフに基づく経路モデル, (ii) 経過時間を考慮した経路比較のための新しい相似性測定, および (iii) 経路の最も関連性の高いステップを発見するための従来の集中度尺度に基づくマイニング手法からなるフレームワークを提案する。
論文 参考訳(メタデータ) (2023-09-25T15:11:52Z) - SPeC: A Soft Prompt-Based Calibration on Performance Variability of
Large Language Model in Clinical Notes Summarization [50.01382938451978]
本稿では,ソフトプロンプトを用いたモデルに依存しないパイプラインを導入し,確率に基づく要約の利点を保ちながら分散を減少させる。
実験結果から,本手法は性能を向上するだけでなく,様々な言語モデルの分散を効果的に抑制することが明らかとなった。
論文 参考訳(メタデータ) (2023-03-23T04:47:46Z) - Deep learning methods for drug response prediction in cancer:
predominant and emerging trends [50.281853616905416]
がんを研究・治療するための計算予測モデルをエクスプロイトすることは、薬物開発の改善と治療計画のパーソナライズドデザインにおいて大きな可能性を秘めている。
最近の研究の波は、ディープラーニング手法を用いて、薬物治療に対するがん反応を予測するという有望な結果を示している。
このレビューは、この分野の現状をよりよく理解し、主要な課題と将来性のあるソリューションパスを特定します。
論文 参考訳(メタデータ) (2022-11-18T03:26:31Z) - Nuclei & Glands Instance Segmentation in Histology Images: A Narrative
Review [0.5893124686141781]
組織像における核と腺のセグメンテーションは、計算病理のワークフローにおいて重要なステップである。
現代的なハードウェアの出現により、大規模で高品質な公開データセットが最近利用可能になり、組織化された大きな課題が自動化メソッドの急増に遭遇した。
この調査では,過去5年~2022年に公表された,原子核と腺のセグメンテーションに関するAIベースの手法を解説した126の論文を深く分析した。
論文 参考訳(メタデータ) (2022-08-26T06:52:15Z) - Explainable Deep Learning in Healthcare: A Methodological Survey from an
Attribution View [36.025217954247125]
本稿では,今後の研究者や臨床医の方法論として,深部・包括的に解釈可能性の方法を紹介した。
我々は、これらの方法が医療問題にどのように適応し、適用されたか、また、医師がこれらのデータ駆動技術をよりよく理解するのにどのように役立つかについて議論する。
論文 参考訳(メタデータ) (2021-12-05T17:12:53Z) - Machine Learning Applications for Therapeutic Tasks with Genomics Data [49.98249191161107]
ゲノム学の機械学習応用に関する文献を、治療開発のレンズでレビューします。
治療パイプライン全体にわたるゲノミクス応用における22の機械学習を同定する。
この分野における7つの重要な課題を、拡大と影響の機会として挙げる。
論文 参考訳(メタデータ) (2021-05-03T21:20:20Z) - Select-ProtoNet: Learning to Select for Few-Shot Disease Subtype
Prediction [55.94378672172967]
本研究は, 類似患者のサブグループを同定し, 数発の疾患のサブタイプ予測問題に焦点を当てた。
新しいモデルを開発するためにメタラーニング技術を導入し、関連する臨床課題から共通の経験や知識を抽出する。
我々の新しいモデルは、単純だが効果的なメタ学習マシンであるPrototypeal Networkと呼ばれる、慎重に設計されたメタラーナーに基づいて構築されている。
論文 参考訳(メタデータ) (2020-09-02T02:50:30Z) - Trajectories, bifurcations and pseudotime in large clinical datasets:
applications to myocardial infarction and diabetes data [94.37521840642141]
混合データ型と欠落値を特徴とする大規模臨床データセット分析のための半教師付き方法論を提案する。
この手法は、次元の減少、データの可視化、クラスタリング、特徴の選択と、部分的に順序付けられた観測列における測地距離(擬時)の定量化のタスクを同時に扱うことのできる弾性主グラフの適用に基づいている。
論文 参考訳(メタデータ) (2020-07-07T21:04:55Z)
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。