論文の概要: Associations Between Natural Language Processing (NLP) Enriched Social
Determinants of Health and Suicide Death among US Veterans
- arxiv url: http://arxiv.org/abs/2212.05546v1
- Date: Sun, 11 Dec 2022 17:15:02 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-13 16:13:11.744989
- Title: Associations Between Natural Language Processing (NLP) Enriched Social
Determinants of Health and Suicide Death among US Veterans
- Title（参考訳）: 米国退役軍人における自然言語処理(nlp)の健康要因と自殺死亡との関連性
- Authors: Avijit Mitra, Richeek Pradhan, Rachel D Melamed, Kun Chen, David C
Hoaglin, Katherine L Tucker, Joel I Reisman, Zhichao Yang, Weisong Liu, Jack
Tsai, and Hong Yu
- Abstract要約: 健康の社会的決定因子(SDOH)は自殺行為のリスクの増加と関連していることが知られている。
非構造化音符からSDOHを抽出するNLPシステムを開発した。
構造化データとNLPによって測定された全SDOHは、自殺リスクの増加に大きく関連していた。
- 参考スコア（独自算出の注目度）: 3.6142927015428348
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Importance: Social determinants of health (SDOH) are known to be associated
with increased risk of suicidal behaviors, but few studies utilized SDOH from
unstructured electronic health record (EHR) notes. Objective: To investigate
associations between suicide and recent SDOH, identified using structured and
unstructured data.
Design: Nested case-control study.
Setting: EHR data from the US Veterans Health Administration (VHA).
Participants: 6,122,785 Veterans who received care in the US VHA between
October 1, 2010, and September 30, 2015.
Exposures: Occurrence of SDOH over a maximum span of two years compared with
no occurrence of SDOH.
Main Outcomes and Measures: Cases of suicide deaths were matched with 4
controls on birth year, cohort entry date, sex, and duration of follow-up. We
developed an NLP system to extract SDOH from unstructured notes. Structured
data, NLP on unstructured data, and combining them yielded seven, eight and
nine SDOH respectively. Adjusted odds ratios (aORs) and 95% confidence
intervals (CIs) were estimated using conditional logistic regression.
Results: In our cohort, 8,821 Veterans committed suicide during 23,725,382
person-years of follow-up (incidence rate 37.18 /100,000 person-years). Our
cohort was mostly male (92.23%) and white (76.99%). Across the six common SDOH
as covariates, NLP-extracted SDOH, on average, covered 84.38% of all SDOH
occurrences. All SDOH, measured by structured data and NLP, were significantly
associated with increased risk of suicide. The SDOH with the largest effects
was legal problems (aOR=2.67, 95% CI=2.46-2.89), followed by violence
(aOR=2.26, 95% CI=2.11-2.43). NLP-extracted and structured SDOH were also
associated with suicide.
Conclusions and Relevance: NLP-extracted SDOH were always significantly
associated with increased risk of suicide among Veterans, suggesting the
potential of NLP in public health studies.
- Abstract（参考訳）: 重要性: 社会的健康決定因子(SDOH)は自殺行為のリスクの増加と関連していることが知られているが、非構造化電子健康記録(EHR)ノートからSDOHを利用した研究はほとんどない。
目的: 構造的および非構造的データを用いて同定された自殺と最近のsdohとの関連性を検討する。
デザイン:ケースコントロールの研究。
設定:US Veterans Health Administration (VHA)のEHRデータ。
参加者: 2010年10月1日から2015年9月30日までに米国のvhaで介護を受けた退役軍人6,122,785人。
暴露: SDOHの発生は最大2年間に及んだが, SDOHの発生は認められなかった。
主な結果と対策: 自殺死亡のケースは、出生年数、入園日、性別、フォローアップ期間の4つのコントロールと一致した。
非構造化音符からSDOHを抽出するNLPシステムを開発した。
構造化データ,非構造化データに対するNLPと組み合わせると,それぞれ7,8,9のSDOHが得られる。
条件付きロジスティック回帰を用いて,調整オッズ比 (aORs) と95%信頼区間 (CIs) を推定した。
結果:8,821人の獣医が23,725,382人のフォローアップ(入所率37.18/100,000人)で自殺した。
うちのコホートは男性(92.23%)と白人(76.99%)が多かった。
6つの共通SDOHは共変量であり、NLP抽出SDOHは平均84.38%を占める。
構造化データとNLPによって測定された全SDOHは、自殺リスクの増加に大きく関連していた。
最大の影響を持つSDOHは法的問題(aOR=2.67、95% CI=2.46-2.89)であり、暴力(aOR=2.26、95% CI=2.11-2.43)が続いた。
NLP抽出および構造化SDOHも自殺と関連していた。
結論と関連性: NLPを抽出したSDOHは常に獣医の自殺リスクの増加と大きく関連しており, 公衆衛生研究におけるNLPの可能性が示唆された。
関連論文リスト
- The Effect of Epidemiological Cohort Creation on the Machine Learning
Prediction of Homelessness and Police Interaction Outcomes Using
Administrative Health Care Data [0.0]
精神病はホームレスや警察との交流などの有害な結果をもたらす可能性がある。
ロジスティック回帰(LR)や機械学習(ML)モデルを備えた固定された観測窓コホートを使用することで、適応的およびパーセル化されたウィンドウと比較すると、性能が低下する可能性がある。
本研究は,初期ホームレスと警察の相互作用に関連する重要な特徴を明らかにし,フレキシブルウィンドウが予測モデリングを改善することを実証した。
論文 参考訳（メタデータ） (2023-07-20T19:53:09Z) - Evaluating the Impact of Social Determinants on Health Prediction in the
Intensive Care Unit [10.764842579064636]
健康の社会的決定因子(SDOH)は、人の健康と幸福に重要な役割を果たす。
電子健康記録に基づくリスク予測モデルの多くは、包括的なSDOH機能群を含まない。
我々の研究は、公開のEHRデータベースMIMIC-IVをドキュメント化されたSDOH機能にリンクしています。
論文 参考訳（メタデータ） (2023-05-22T01:27:51Z) - Leveraging Natural Language Processing to Augment Structured Social
Determinants of Health Data in the Electronic Health Record [1.7812428873698403]
健康の社会的決定因子(SDOH)は健康に影響を及ぼす。
臨床ノートにはより包括的なSDOH情報が含まれていることが多い。
我々は,ディープラーニングエンティティと関係抽出アーキテクチャを用いた新しいSDOH抽出器を開発した。
論文 参考訳（メタデータ） (2022-12-14T22:51:49Z) - Causal Discovery on the Effect of Antipsychotic Drugs on Delirium
Patients in the ICU using Large EHR Dataset [1.278093617645299]
集中治療室(ICU)の約80%の症例でデリリウムが発生する
デリリウムにはバイオマーカーによる診断がなく、一般的に抗精神病薬(APD)で治療されている。
複数の研究が、デリリウム治療におけるAPDの有効性や安全性について論争を呼んでいる。
論文 参考訳（メタデータ） (2022-04-28T21:43:02Z) - Why Interpretable Causal Inference is Important for High-Stakes Decision
Making for Critically Ill Patients and How To Do It [80.24494623756839]
重症心身障害患者に対する因果関係評価のための枠組みを提案する。
この枠組みは、脳の発作やその他の潜在的に有害な電気的事象が結果に与える影響に適用する。
論文 参考訳（メタデータ） (2022-03-09T18:03:35Z) - Brain Age Estimation From MRI Using Cascade Networks with Ranking Loss [75.03117866578913]
T1強調MRIデータから脳年齢を推定するために,新しい3次元畳み込みネットワークである2段エイジネットワーク(TSAN)を提案する。
686ドルのMRIによる実験では、TSANが正確な脳年齢を推定できることが示された。
論文 参考訳（メタデータ） (2021-06-06T07:11:25Z) - Bootstrapping Your Own Positive Sample: Contrastive Learning With
Electronic Health Record Data [62.29031007761901]
本稿では,新しいコントラスト型正規化臨床分類モデルを提案する。
EHRデータに特化した2つのユニークなポジティブサンプリング戦略を紹介します。
私たちのフレームワークは、現実世界のCOVID-19 EHRデータの死亡リスクを予測するために、競争の激しい実験結果をもたらします。
論文 参考訳（メタデータ） (2021-04-07T06:02:04Z) - Health-behaviors associated with the growing risk of adolescent suicide
attempts: A data-driven cross-sectional study [0.0]
主要な健康行動としては、悲しむこと、不眠であること、学校における安全上の懸念、身体的戦闘、吸入量、学校での違法薬物消費、タバコの使用、そして早期に初性を持つことが挙げられる。
少数民族集団(アメリカン・インディアン・アラスカ・インディアン、ヒスパニック・ラティノス、および女性)も自殺未遂に非常に脆弱である。
論文 参考訳（メタデータ） (2020-09-08T19:29:18Z) - CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors
and Efficient Neural Networks [51.589769497681175]
新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。
SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。
我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
論文 参考訳（メタデータ） (2020-07-20T21:47:28Z) - Effectiveness and Compliance to Social Distancing During COVID-19 [72.94965109944707]
われわれは、米国内での新型コロナウイルスの感染拡大に対する在宅勤務注文の影響を評価するために、詳細なモビリティデータを用いている。
一方向性グランガー因果性(一方向性グランガー因果性)は、家庭で毎日過ごす時間の割合の中央値から、2週間の遅れを伴うCOVID-19関連死亡件数の日数までである。
論文 参考訳（メタデータ） (2020-06-23T03:36:19Z) - Automated Quantification of CT Patterns Associated with COVID-19 from
Chest CT [48.785596536318884]
提案法は,非造影胸部CTを入力として,病変,肺,葉を3次元に分割する。
この方法では、肺の重症度と葉の関与度を2つの組み合わせて測定し、COVID-19の異常度と高不透明度の存在度を定量化する。
このアルゴリズムの評価は、カナダ、ヨーロッパ、米国からの200人の参加者(感染者100人、健康管理100人)のCTで報告されている。
論文 参考訳（メタデータ） (2020-04-02T21:49:14Z)
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。