論文の概要: Machine Learning for Deferral of Care Prediction

• arxiv url: http://arxiv.org/abs/2207.01485v1
• Date: Thu, 9 Jun 2022 01:21:13 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-19 09:38:00.650370
• Title: Machine Learning for Deferral of Care Prediction
• Title（参考訳）: ケア予測のデフレのための機械学習
• Authors: Muhammad Aurangzeb Ahmad, Raafia Ahmed, Dr. Steve Overman, Patrick Campbell, Corinne Stroum, Bipin Karunakaran
• Abstract要約: 人口の継続的なケア先延ばしは、人口の健康と複雑な健康問題が減少し、長期的には社会的・財政的なコストが上昇する可能性がある。 マイノリティと脆弱な人口は、社会経済的要因によるケア遅延のリスクが高い。 現在、多くの医療システムは、以前治療を延期した患者を遡及的に識別するためにルールベースの技術を使用している。 本モデルの目的は,ケアを延期するリスクのある患者を識別し,直接的なアウトリーチやソーシャル・メディエーションを通じて,医療機関がケアの延期を防止することである。
• 参考スコア（独自算出の注目度）: 4.436632973105494
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Care deferral is the phenomenon where patients defer or are unable to receive healthcare services, such as seeing doctors, medications or planned surgery. Care deferral can be the result of patient decisions, service availability, service limitations, or restrictions due to cost. Continual care deferral in populations may lead to a decline in population health and compound health issues leading to higher social and financial costs in the long term. Consequently, identification of patients who may be at risk of deferring care is important towards improving population health and reducing care total costs. Additionally, minority and vulnerable populations are at a greater risk of care deferral due to socioeconomic factors. In this paper, we (a) address the problem of predicting care deferral for well-care visits; (b) observe that social determinants of health are relevant explanatory factors towards predicting care deferral, and (c) compute how fair the models are with respect to demographics, socioeconomic factors and selected comorbidities. Many health systems currently use rules-based techniques to retroactively identify patients who previously deferred care. The objective of this model is to identify patients at risk of deferring care and allow the health system to prevent care deferrals through direct outreach or social determinant mediation.
• Abstract（参考訳）: ケア・デフェラル(英: Care deferral)とは、医師、薬局、計画された手術など、患者が医療サービスを受けられない現象である。 ケアの延期は、患者の判断、サービスの可用性、サービスの制限、コストによる制限の結果である。 人口の継続的なケアの遅延は、人口の健康と複合的な健康問題の減少につながる可能性があり、長期的には社会的および財政的なコストが高くなる。 以上の結果から, 介護遅延リスクのある患者の特定は, 人口健康の向上と介護総コストの削減に重要である。 さらに、少数民族と脆弱な人口は、社会経済的要因により、ケア遅延のリスクが高い。 本稿では, (a)介護訪問に対する介護延期の予測の問題に対処すること。 (b)健康の社会的決定要因がケアの遅延を予測するための説明要因であること、及び (c)人口統計、社会経済的要因、選択された共生に関して、モデルがいかに公平であるかを計算する。 現在多くの医療システムは、以前治療を延期した患者を遡及的に識別するためにルールベースの技術を使用している。 本モデルの目的は,介護を延期するリスクのある患者を識別し,直接的なアウトリーチや社会的決定要因の仲介を通じて,医療機関がケアの延期を防止することである。

関連論文リスト

• Health-LLM: Personalized Retrieval-Augmented Disease Prediction System [43.91623010448573]
  本稿では,大規模特徴抽出と医療知識トレードオフスコアリングを組み合わせた,革新的なフレームワークHeath-LLMを提案する。 従来の健康管理アプリケーションと比較して,本システムには3つの利点がある。
  論文  参考訳（メタデータ） (2024-02-01T16:40:32Z)
• Bandit-supported care planning for older people with complex health and care needs [9.029665615083633]
  介護労働者が不足しているため、脆弱な高齢者へのケアは個人固有のニーズや嗜好に完全に適合することができない。 これは、制度化された高齢者の健康状態や生活の質に悪影響を及ぼす可能性がある。 医療従事者限定のケアプランニングとデリバリーによるケア品質向上を図るため,人工知能を活用した新たなケアプランニングモデルを提案する。
  論文  参考訳（メタデータ） (2023-03-13T12:22:38Z)
• Fair Machine Learning in Healthcare: A Review [90.22219142430146]
  我々は、機械学習と医療格差における公正性の交差を分析する。 機械学習の観点から、関連する公正度メトリクスを批判的にレビューする。 本稿では,医療における倫理的かつ公平なMLアプリケーション開発を約束する新たな研究指針を提案する。
  論文  参考訳（メタデータ） (2022-06-29T04:32:10Z)
• 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)
• Optimal discharge of patients from intensive care via a data-driven policy learning framework [58.720142291102135]
  退院課題は、退院期間の短縮と退院決定後の退院や死亡のリスクとの不確実なトレードオフに対処することが重要である。 本研究は、このトレードオフを捉えるためのエンドツーエンドの汎用フレームワークを導入し、最適放電タイミング決定を推奨する。 データ駆動型アプローチは、患者の生理的状態を捉えた同種で離散的な状態空間表現を導出するために用いられる。
  論文  参考訳（メタデータ） (2021-12-17T04:39:33Z)
• 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)
• Improving healthcare access management by predicting patient no-show behaviour [0.0]
  本研究は,参加を促す戦略の実装を支援するため,DSS(Decision Support System)を開発する。 回帰モデルの精度を向上させるために,異なる機械学習手法の有効性を評価する。 過去の研究で報告された関係の定量化に加えて、収入と近隣の犯罪統計はノーショー確率に影響を与えることが判明した。
  論文  参考訳（メタデータ） (2020-12-10T14:57:25Z)
• Equitable Allocation of Healthcare Resources with Fair Cox Models [10.648355672051142]
  我々は生存モデルとそれに対応するコックス比例ハザードモデルに対する公平性定義を開発する。 本稿では,2つのサバイバルデータセットの公平性と予測精度の観点から,本手法の有用性を実証する。
  論文  参考訳（メタデータ） (2020-10-14T06:08:15Z)
• Wound and episode level readmission risk or weeks to readmit: Why do patients get readmitted? How long does it take for a patient to get readmitted? [4.59975324961346]
  2010年の介護保険法(英語版)は、2012年に医療費の上昇を抑えるために回避可能な再入院を減らすためにレセプト削減プログラムを導入した。 ワンドケアは医療受給者の15人に影響を与え、医療医療費の主要な貢献者の一つである。 本研究は,再入院のリスクが高い患者を同定し,再入院の時期を決定することに焦点を当てた。
  論文  参考訳（メタデータ） (2020-10-05T12:49:42Z)
• COVI White Paper [67.04578448931741]
  接触追跡は、新型コロナウイルスのパンデミックの進行を変える上で不可欠なツールだ。 カナダで開発されたCovid-19の公衆ピアツーピア接触追跡とリスク認識モバイルアプリケーションであるCOVIの理論的、設計、倫理的考察、プライバシ戦略について概説する。
  論文  参考訳（メタデータ） (2020-05-18T07:40:49Z)

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。