Fugu-MT 論文翻訳(概要): Algorithmic Bias in Machine Learning Based Delirium Prediction

論文の概要: Algorithmic Bias in Machine Learning Based Delirium Prediction

arxiv url: http://arxiv.org/abs/2211.04442v1
Date: Tue, 8 Nov 2022 18:35:42 GMT
ステータス: 処理完了
システム内更新日: 2022-11-09 16:56:45.505037
Title: Algorithmic Bias in Machine Learning Based Delirium Prediction
Title（参考訳）: 機械学習に基づくデリリウム予測におけるアルゴリズムバイアス
Authors: Sandhya Tripathi, Bradley A Fritz, Michael S Avidan, Yixin Chen, and Christopher R King
Abstract要約: 性別や人種などの社会デマグラフィー的特徴がサブグループ間でのモデル性能にどのように影響するかを示す最初の実験的な証拠を提示する。本研究の目的は,老齢,人種,社会経済的要因が早期発見およびMLによるデリリウムの予防に与える影響について考察することである。
参考スコア（独自算出の注目度）: 20.16366948502659
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Although prediction models for delirium, a commonly occurring condition during general hospitalization or post-surgery, have not gained huge popularity, their algorithmic bias evaluation is crucial due to the existing association between social determinants of health and delirium risk. In this context, using MIMIC-III and another academic hospital dataset, we present some initial experimental evidence showing how sociodemographic features such as sex and race can impact the model performance across subgroups. With this work, our intent is to initiate a discussion about the intersectionality effects of old age, race and socioeconomic factors on the early-stage detection and prevention of delirium using ML.
Abstract（参考訳）: 一般入院や手術後の一般的な状態であるデリリウムの予測モデルはあまり普及していないが、既存の健康要因とデリリウムリスクの関係からアルゴリズムバイアスの評価が重要である。本研究では,muse-iiiと他の学術病院データセットを用いて,性や人種といった社会デモグラフィ的特徴がサブグループ全体のモデルパフォーマンスにどのように影響するかを実験的に示す。本研究の目的は,老齢,人種,社会経済的要因が,mlを用いたデリリウムの早期検出と予防に与える影響について議論することである。

関連論文リスト

General targeted machine learning for modern causal mediation analysis [3.813608775141218]
因果媒介分析は、その作用を引き起こすメカニズムを解明する。媒介分析に対する6つの一般的な非パラメトリック手法の同定式は2つの統計的推定値から復元可能であることを示す。我々は,任意の媒介研究において,機械学習と組み合わせることができる全目的の一段階推定アルゴリズムを提案する。
論文参考訳（メタデータ） (2024-08-26T20:31:26Z)
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)
Targeted Machine Learning for Average Causal Effect Estimation Using the Front-Door Functional [3.0232957374216953]
結果に対する治療の平均因果効果(ACE)を評価することは、しばしば観察研究における要因の相違によって引き起こされる課題を克服することを伴う。本稿では,目標最小損失推定理論に基づいて,正面基準の新たな推定手法を提案する。本研究では,早期学業成績が今後の年収に与える影響を明らかにするために,これらの推定装置の適用性を示す。
論文参考訳（メタデータ） (2023-12-15T22:04:53Z)
Simulation-based Inference for Cardiovascular Models [57.92535897767929]
シミュレーションに基づく推論を用いて、波形をプラプシブルな生理的パラメータにマッピングする逆問題を解決する。臨床応用5種類のバイオマーカーのin-silico不確実性解析を行った。我々はMIMIC-III波形データベースを用いて,ビビオとシリカのギャップについて検討した。
論文参考訳（メタデータ） (2023-07-26T02:34:57Z)
Advancing Community Engaged Approaches to Identifying Structural Drivers of Racial Bias in Health Diagnostic Algorithms [0.0]
最近、医療におけるバイアスと機械学習アルゴリズムの使用について多くの注目を集めている。本稿では、データと医療の議論の中心となることの重要性と、医療と科学の経験を強調する。地域社会のトラウマの集団記憶、医療不足による死亡、医療に対する否定的な経験は、治療と効果的なケアを経験する内因性ドライバーである。
論文参考訳（メタデータ） (2023-05-22T20:58:15Z)
Boosting the interpretability of clinical risk scores with intervention predictions [59.22442473992704]
本稿では、今後の介入に関するモデルの仮定を明確に伝達する手段として、介入政策と有害事象リスクの合同モデルを提案する。死亡確率などの典型的なリスクスコアと将来の介入確率スコアとを組み合わせることで、より解釈可能な臨床予測がもたらされることを示す。
論文参考訳（メタデータ） (2022-07-06T19:49:42Z)
Tree-Guided Rare Feature Selection and Logic Aggregation with Electronic Health Records Data [7.422597776308963]
希少な二項特徴を持つ大規模回帰のための木誘導的特徴選択と論理集約手法を提案する。 EHRデータを用いた自殺リスクスタディでは、我々のアプローチは、以前のメンタルヘルス診断を選択して集約することができる。
論文参考訳（メタデータ） (2022-06-18T03:52:43Z)
Benchmarking Heterogeneous Treatment Effect Models through the Lens of Interpretability [82.29775890542967]
治療のパーソナライズされた効果を見積もるのは複雑だが、普及している問題である。ヘテロジニアス処理効果推定に関する機械学習文献の最近の進歩は、洗練されたが不透明なツールの多くを生み出した。我々は、ポストホックな特徴重要度法を用いて、モデルの予測に影響を及ぼす特徴を特定する。
論文参考訳（メタデータ） (2022-06-16T17:59:05Z)
SurvITE: Learning Heterogeneous Treatment Effects from Time-to-Event Data [83.50281440043241]
時系列データから不均一な処理効果を推定する問題について検討する。本稿では,バランス表現に基づく治療特異的ハザード推定のための新しいディープラーニング手法を提案する。
論文参考訳（メタデータ） (2021-10-26T20:13:17Z)
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)
Deep Recurrent Model for Individualized Prediction of Alzheimer's Disease Progression [4.034948808542701]
アルツハイマー病(Alzheimer's disease, AD)は認知症の主要な原因の一つであり、数年間の進行が遅いことが特徴である。本稿では,MRIバイオマーカーの表現型測定と臨床状態の軌跡を予測できる新しい計算フレームワークを提案する。
論文参考訳（メタデータ） (2020-05-06T08:08:00Z)

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。