論文の概要: Causal Analysis of the TOPCAT Trial: Spironolactone for Preserved
Cardiac Function Heart Failure
- arxiv url: http://arxiv.org/abs/2211.12983v1
- Date: Wed, 23 Nov 2022 14:42:15 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-24 14:47:13.243456
- Title: Causal Analysis of the TOPCAT Trial: Spironolactone for Preserved
Cardiac Function Heart Failure
- Title(参考訳): トップキャット治験の因果分析:心機能維持心不全に対するスピロノラクトン
- Authors: Francesca E. D. Raimondi, Tadhg O'Keeffe, Hana Chockler, Andrew R.
Lawrence, Tamara Stemberga, Andre Franca, Maksim Sipos, Javed Butler, Shlomo
Ben-Haim
- Abstract要約: 心機能心不全に対するアルドステロンアンタゴニスト(TOPCAT)による治療について, 多施設臨床試験データに因果探索法を適用した結果について述べる。
裁判は決定的ではなく、コホート全体に対して常に明確な利益が示されなかった。
世界中で,特に一部のサブグループに対して,この治療法は有意な因果効果を示し,試験結果のより洗練されたビューを提供する。
- 参考スコア(独自算出の注目度): 2.192288244842135
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We describe the results of applying causal discovery methods on the data from
a multi-site clinical trial, on the Treatment of Preserved Cardiac Function
Heart Failure with an Aldosterone Antagonist (TOPCAT). The trial was
inconclusive, with no clear benefits consistently shown for the whole cohort.
However, there were questions regarding the reliability of the diagnosis and
treatment protocol for a geographic subgroup of the cohort. With the inclusion
of medical context in the form of domain knowledge, causal discovery is used to
demonstrate regional discrepancies and to frame the regional transportability
of the results. Furthermore, we show that, globally and especially for some
subgroups, the treatment has significant causal effects, thus offering a more
refined view of the trial results.
- Abstract(参考訳): 心機能心不全に対するアルドステロンアンタゴニスト(TOPCAT)による治療について,多施設臨床試験のデータに因果発見法を適用した結果について述べる。
裁判は決着が付かず、集団全体に明確な利益が示されなかった。
しかし,コホートの地理的サブグループに対する診断・治療プロトコルの信頼性には疑問があった。
医学的文脈をドメイン知識の形で包含することで、因果的発見は、地域的な相違を示し、結果の地域的輸送可能性の枠組みとなる。
さらに, 世界中で, 特に一部のサブグループにおいて, 治療は有意な因果効果を示し, 試験結果のより精査されたビューを提供する。
関連論文リスト
- Optimizing Skin Lesion Classification via Multimodal Data and Auxiliary
Task Integration [54.76511683427566]
本研究は, スマートフォンで撮影した画像と本質的な臨床および人口統計情報を統合することで, 皮膚病変を分類する新しいマルチモーダル手法を提案する。
この手法の特徴は、超高解像度画像予測に焦点を当てた補助的なタスクの統合である。
PAD-UFES20データセットを用いて,様々なディープラーニングアーキテクチャを用いて実験を行った。
論文 参考訳(メタデータ) (2024-02-16T05:16:20Z) - Multi-task Explainable Skin Lesion Classification [54.76511683427566]
少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。
提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
論文 参考訳(メタデータ) (2023-10-11T05:49:47Z) - The Blessings of Multiple Treatments and Outcomes in Treatment Effect
Estimation [53.81860494566915]
既存の研究では、プロキシ変数や複数の処理を利用してバイアスを補正している。
多くの実世界のシナリオでは、複数の結果に対する影響を研究することにより大きな関心がある。
この設定に関わる複数の結果の並列研究は、因果同定において互いに助け合うことが示されている。
論文 参考訳(メタデータ) (2023-09-29T14:33:48Z) - Are Sex-based Physiological Differences the Cause of Gender Bias for
Chest X-ray Diagnosis? [2.1601966913620325]
機械学習を用いた胸部X線診断における性別バイアスの原因について検討した。
特に,乳房組織が肺の露出不足につながるという仮説を考察する。
広範に利用されている2つの公開データセットにおける患者1人あたりの録音の高度に歪んだ分布に対処する新しいサンプリング手法を提案する。
論文 参考訳(メタデータ) (2023-08-09T10:19:51Z) - Chest X-ray Image Classification: A Causal Perspective [49.87607548975686]
本稿では,CXR分類問題に対処する因果的アプローチを提案し,構造因果モデル(SCM)を構築し,CXR分類に有効な視覚情報を選択するためにバックドア調整を用いる。
実験の結果,提案手法はオープンソースNIH ChestX-ray14の分類性能に優れていた。
論文 参考訳(メタデータ) (2023-05-20T03:17:44Z) - The Impact of Missing Data on Causal Discovery: A Multicentric Clinical
Study [1.173358409934101]
子宮内膜癌に対する多施設共同研究から得られたデータを用いて,検索した因果グラフに異なる欠損機構が与える影響を解析した。
専門医による回復グラフの検証を行い,本手法が臨床関連ソリューションを見いだすことを示す。
論文 参考訳(メタデータ) (2023-05-17T08:46:30Z) - Identifying Heterogeneous Treatment Effects in Multiple Outcomes using
Joint Confidence Intervals [5.3410655248484]
不均一治療効果(HTEs)はランダム化対照試験(RCTs)において一般的に同定される
共同CIに基づいて,複数の結果にまたがるサブグループを同定する枠組みを提案する。
我々は,2つの結果が存在する合成データと半合成データを用いて本アルゴリズムを検証し,両結果が同時にHTEを捕捉できることを実証した。
論文 参考訳(メタデータ) (2022-12-02T20:43:47Z) - Similarity-based prediction of Ejection Fraction in Heart Failure
Patients [0.0]
本稿では,FILL (Feature Imputation via Local Likelihood) という,データ駆動型統計機械学習手法を提案する。
我々は, 心不全患者に対して, 排液分画率(HFrEF, HFpEF)の低下と保存率の低下を鑑別し, 特に困難な問題を用いて本法を検証した。
これらの困難にもかかわらず,本手法は複数のシナリオを考慮した場合,80%以上の精度でHFpEFの心不全患者を推定できることが示されている。
論文 参考訳(メタデータ) (2022-03-14T14:19:08Z) - Causal Mediation Analysis with Hidden Confounders [24.246450472404614]
CMA (Causal Mediation Analysis) は因果効果の同定と推定のための公式な統計手法である。
この研究は、統一された共著者とそのプロキシ変数による因果グラフに従うことによって、厳密な仮定を回避することを目的とする。
我々のコアコントリビューションは、深層潜伏変数モデルとプロキシ戦略を組み合わせたアルゴリズムであり、統一された代理共同創設者を共同で推論し、観測変数からCMAの異なる因果効果を推定する。
論文 参考訳(メタデータ) (2021-02-21T06:46:11Z) - HINT: Hierarchical Interaction Network for Trial Outcome Prediction
Leveraging Web Data [56.53715632642495]
臨床試験は、有効性、安全性、または患者採用の問題により、不確実な結果に直面する。
本稿では,より一般的な臨床試験結果予測のための階層型Interaction Network(HINT)を提案する。
論文 参考訳(メタデータ) (2021-02-08T15:09:07Z) - A standardized framework for risk-based assessment of treatment effect
heterogeneity in observational healthcare databases [60.07352590494571]
本研究の目的は,この手法を標準化されたスケーラブルなフレームワークを用いて観測環境に拡張することであった。
アンジオテンシン変換酵素阻害薬(ACE)とβ阻害薬の3つの効果と6つの安全性に対する効果を評価することにより,我々の枠組みを実証する。
論文 参考訳(メタデータ) (2020-10-13T14:48:31Z)
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。