論文の概要: Sensor data-driven analysis for identification of causal relationships
between exposure to air pollution and respiratory rate in asthmatics
- arxiv url: http://arxiv.org/abs/2301.06300v1
- Date: Mon, 16 Jan 2023 08:11:11 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-18 16:28:50.470537
- Title: Sensor data-driven analysis for identification of causal relationships
between exposure to air pollution and respiratory rate in asthmatics
- Title（参考訳）: 喘息患者における大気汚染と呼吸速度の因果関係の同定のためのセンサデータ駆動分析
- Authors: D K Arvind and S Maiya
- Abstract要約: 大気汚染は世界の健康にとって最も高いリスク要因の1つである。
喘息性青年期におけるPM2.5曝露と呼吸速度の個人的曝露応答関係は短期的効果を示すことが示されている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: According to the Lancet report on the global burden of disease published in
October 2020, air pollution is among the five highest risk factors for global
health, reducing life expectancy on average by 20 months. This paper describes
a data-driven method for establishing causal relationships within and between
two multivariate time series data streams derived from wearable sensors:
personal exposure to airborne particulate matter of aerodynamic sizes less than
2.5um (PM2.5) gathered from the Airspeck monitor worn on the person and
continuous respiratory rate (breaths per minute) measured by the Respeck
monitor worn as a plaster on the chest. Results are presented for a cohort of
113 asthmatic adolescents using the PCMCI+ algorithm to learn the short-term
causal relationships between lags of \pm exposure and respiratory rate. We
consider causal effects up to a maximum delay of 8 hours, using data at both a
1 minute and 15 minute resolution in different experiments. For the first time
a personalised exposure-response relationship between PM2.5 exposure and
respiratory rate has been demonstrated to exist for short-term effects in
asthmatic adolescents during their everyday lives. Our results lead to
recommendations for work on specific open problems in causal discovery, to
increase the feasibility of this approach for similar epidemiology studies in
the future.
- Abstract（参考訳）: 2020年10月に発表されたlancetの報告書によると、大気汚染は世界の健康にとって最もリスクの高い5つの要因の1つであり、平均寿命を20ヶ月削減している。
本稿では, センサから得られる2つの多変量時系列データストリームの因果関係を確立するためのデータ駆動手法について述べる。 人体に装着したAirspeckモニターから収集した空気力学的サイズ2.5um (PM2.5)未満の粒子状物質への個人曝露と, Respeckモニターが胸部に塗布したプラスターとして測定した連続呼吸速度(ブレス)について述べる。
以上の結果から,PCMCI+アルゴリズムを用いた113人の喘息思春期の青年のコホートを用いて,mpm曝露のラグと呼吸速度の短期因果関係を学習した。
異なる実験で1分15分の解像度のデータを用いて,最大遅延8時間までの因果効果を検討する。
PM2.5曝露と呼吸速度の個人化露光応答関係は、喘息青年期における日常生活における短期的影響として初めて示された。
本研究は, 今後, 同様の疫学研究へのアプローチの可能性を高めるために, 因果発見における特定のオープンな問題への取り組みを推奨することにつながる。
関連論文リスト
- 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) - Data-driven Real-time Short-term Prediction of Air Quality: Comparison
of ES, ARIMA, and LSTM [0.0]
歴史的データに基づく空気質の予測には,データ駆動方式を用いる。
予測精度と時間的複雑さを考慮して, 短時間の大気汚染予測ESは, ARIMAやLSTMよりも優れた性能を示した。
論文 参考訳（メタデータ） (2022-11-16T09:37:08Z) - Minute ventilation measurement using Plethysmographic Imaging and
lighting parameters [8.739176372427842]
睡眠時無呼吸などの呼吸障害は、肺の酸素と二酸化炭素を含有/交換する能力が不足し、体がホメオスタシスの安定した状態にあることを保証するために、多数の個人に影響を及ぼす致命的な疾患である。
微小換気などの呼吸測定は、心拍数や心拍変動などの他の生理的測定と相関して、健康状態の遠隔監視や呼吸関連疾患の症状の検出に用いられる。
論文 参考訳（メタデータ） (2022-08-29T00:42:48Z) - Quantification of pulmonary involvement in COVID-19 pneumonia by means
of a cascade oftwo U-nets: training and assessment on multipledatasets using
different annotation criteria [83.83783947027392]
本研究は、新型コロナウイルスの肺病変の同定、セグメント化、定量化のために人工知能(AI)を活用することを目的とする。
2つのU-netのカスケードをベースとした自動解析パイプラインLungQuantシステムを開発した。
LungQuantシステムにおけるCT-Severity Score(CT-SS)の精度も評価した。
論文 参考訳（メタデータ） (2021-05-06T10:21:28Z) - Evaluation of Time Series Forecasting Models for Estimation of PM2.5
Levels in Air [0.0]
この研究では、環境中のPM2.5濃度を推定するために、ARIMA、FBProphet、LSTM、1D CNNなどのディープラーニングモデルを採用する。
予測結果から,すべての手法が平均根平均二乗誤差で比較結果を与えることがわかった。
論文 参考訳（メタデータ） (2021-04-07T16:24:39Z) - A Multi-Modal Respiratory Disease Exacerbation Prediction Technique
Based on a Spatio-Temporal Machine Learning Architecture [0.0]
慢性閉塞性肺疾患や喘息などの慢性呼吸器疾患は深刻な健康危機である。
呼吸器症状の進行を評価する現在の方法は、主観的で不正確な、または複雑で面倒です。
本研究は、新しい時間的機械学習アーキテクチャに基づいて、PDなどの呼吸器疾患の悪化リスクを予測するためのマルチモーダルソリューションを提案する。
論文 参考訳（メタデータ） (2021-03-03T05:24:53Z) - Sleep Apnea and Respiratory Anomaly Detection from a Wearable Band and
Oxygen Saturation [1.2291501047353484]
シンプルで使いやすいデバイスから睡眠時無呼吸を自動的に検出するより便利な方法のための一般的な医学とクリティカルケアの必要性があります。
本研究の目的は, 呼吸異常を自動検出し, Apnea-Hypopnea-Index (AHI) をウェアラブル呼吸装置で推定することである。
4つのモデルが訓練された:1つは呼吸機能のみを使用し、1つはSpO2(%)信号のみから、もう1つは呼吸機能とSpO2(%)機能を使用する2つの追加モデルである。
論文 参考訳（メタデータ） (2021-02-24T02:04:57Z) - Correct block-design experiments mitigate temporal correlation bias in
EEG classification [68.85562949901077]
[1]の主主張は極めて過大評価されており、他の分析は間違った方法論的選択によって深刻な欠陥を負っていることを示す。
脳波の時間相関が2つの実験環境で同じモデルをテストすることによって分類精度に及ぼす影響について検討した。
論文 参考訳（メタデータ） (2020-11-25T22:25:21Z) - Robustness to Spurious Correlations via Human Annotations [100.63051542531171]
本稿では,人間に共通する因果関係の知識を活用して,素因関係に頑健なモデルを構築するための枠組みを提案する。
具体的には、人間のアノテーションを使用して、潜在的な未測定変数でトレーニング例を拡大する。
次に,未測定変数(UV-DRO)に対する分布性に頑健な新たな最適化手法を導入し,テスト時間シフトによる最悪の損失を制御する。
論文 参考訳（メタデータ） (2020-07-13T20:05:19Z) - A General Framework for Survival Analysis and Multi-State Modelling [70.31153478610229]
ニューラル常微分方程式を多状態生存モデル推定のためのフレキシブルで一般的な方法として用いる。
また,本モデルでは,サバイバルデータセット上での最先端性能を示すとともに,マルチステート環境での有効性を示す。
論文 参考訳（メタデータ） (2020-06-08T19:24:54Z) - Joint Prediction and Time Estimation of COVID-19 Developing Severe
Symptoms using Chest CT Scan [49.209225484926634]
術後に重篤な症状を発症するかどうかを判定するための共同分類法と回帰法を提案する。
提案手法は,各試料の重量を考慮し,外乱の影響を低減し,不均衡な分類の問題を検討する。
提案手法では, 重症症例の予測精度76.97%, 相関係数0.524, 変換時間0.55日差が得られた。
論文 参考訳（メタデータ） (2020-05-07T12:16:37Z)
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。