論文の概要: Optimizing Sepsis Care through Heuristics Methods in Process Mining: A Trajectory Analysis

• arxiv url: http://arxiv.org/abs/2303.14328v1
• Date: Sat, 25 Mar 2023 02:05:03 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-28 20:39:26.446219
• Title: Optimizing Sepsis Care through Heuristics Methods in Process Mining: A Trajectory Analysis
• Title（参考訳）: プロセスマイニングにおけるヒューリスティックス法によるセプシスケアの最適化:軌道解析
• Authors: Alireza Bakhshi, Erfan Hassannayebi, Amir Hossein Sadeghi
• Abstract要約: 本研究では,オランダの地域病院における敗血症患者の軌跡について調査した。 Heuristics Miner (HM) 法と Inductive Miner (IM) 法によってこのプロセスを発見することを目指している。 我々は組織的な情報と知識に基づいて、体系的なプロセスモデルを分析する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Process mining can help acquire insightful knowledge and heighten the system's performance. In this study, we surveyed the trajectories of 1050 sepsis patients in a regional hospital in the Netherlands from the registration to the discharge phase. Based on this real-world case study, the event log comprises events and activities related to the emergency ward, admission to hospital wards, and discharge enriched with data from lab experiments and triage checklists. At first, we aim to discover this process through Heuristics Miner (HM) and Inductive Miner (IM) methods. Then, we analyze a systematic process model based on organizational information and knowledge. Besides, we address conformance checking given medical guidelines for these patients and monitor the related flows on the systematic process model. The results show that HM and IM are inadequate in identifying the relevant process. However, using a systematic process model based on expert knowledge and organizational information resulted in an average fitness of 97.8%, a simplicity of 77.7%, and a generalization of 80.2%. The analyses demonstrate that process mining can shed light on the patient flow in the hospital and inspect the day-to-day clinical performance versus medical guidelines. Also, the process models obtained by the HM and IM methods cannot provide a concrete comprehension of the process structure for stakeholders compared to the systematic process model. The implications of our findings include the potential for process mining to improve the quality of healthcare services, optimize resource allocation, and reduce costs. Our study also highlights the importance of considering expert knowledge and organizational information in developing effective process models.
• Abstract（参考訳）: プロセスマイニングは洞察力のある知識を獲得し、システムのパフォーマンスを高めるのに役立つ。 本研究は,オランダの地域病院における敗血症患者1050名を対象に,登録から退院までの軌跡を調査した。 この実世界のケーススタディに基づいて、イベントログは、救急病棟に関するイベントやアクティビティ、病院病棟への入院、ラボ実験やトリアージチェックリストから得られたデータに富んだ退院を含む。 まず,Heristics Miner (HM) 法と Inductive Miner (IM) 法を用いて,このプロセスの発見を目指す。 次に,組織的情報と知識に基づいて体系的なプロセスモデルを分析する。 さらに,これらの患者に対する医療ガイドラインの適合性チェックに対処し,関連フローを系統的プロセスモデルで監視する。 その結果,HMとIMは関連プロセスの同定に不十分であることが示唆された。 しかし、専門知識と組織情報に基づく体系的プロセスモデルを用いることで、平均適合度は97.8%、単純度77.7%、一般化度80.2%となった。 分析の結果, プロセスマイニングは病院内の患者フローに光を当て, 日々の臨床成績と医療ガイドラインを検査できることがわかった。 また、HM法とIM法で得られたプロセスモデルは、体系的なプロセスモデルと比較して利害関係者のプロセス構造を具体的に理解することはできない。 その結果,医療サービスの品質向上,資源配分の最適化,コスト削減といったプロセスマイニングの可能性が示唆された。 また,効果的なプロセスモデルを構築する上で,専門家の知識と組織的情報を考慮することの重要性を強調する。

関連論文リスト

• Enhancing Readmission Prediction with Deep Learning: Extracting Biomedical Concepts from Clinical Texts [0.26813152817733554]
  本研究は,30日以内の患者の寛解をテキストマイニング技術を用いて予測することに焦点を当てた。 この目的のために分類モデルを開発するために,様々な機械学習および深層学習手法が用いられた。
  論文  参考訳（メタデータ） (2024-03-12T09:03:44Z)
• Multimodal Pretraining of Medical Time Series and Notes [45.89025874396911]
  ディープラーニングモデルは、意味のあるパターンを抽出する際の約束を示すが、広範囲なラベル付きデータが必要である。 本稿では,臨床測定値とノートのアライメントに着目し,自己指導型事前学習を用いた新しいアプローチを提案する。 病院内での死亡予測や表現型化などの下流タスクでは、データのごく一部がラベル付けされた設定において、ベースラインよりも優れています。
  論文  参考訳（メタデータ） (2023-12-11T21:53:40Z)
• Clairvoyance: A Pipeline Toolkit for Medical Time Series [95.22483029602921]
  時系列学習は、データ駆動の*クリニカルな意思決定支援のパンとバターである* Clairvoyanceは、ソフトウェアツールキットとして機能する、統合されたエンドツーエンドのオートMLフレンドリなパイプラインを提案する。 Clairvoyanceは、臨床時系列MLのための包括的で自動化可能なパイプラインの生存可能性を示す最初のものである。
  論文  参考訳（メタデータ） (2023-10-28T12:08:03Z)
• Process Modeling and Conformance Checking in Healthcare: A COVID-19 Case Study [0.5986633283991984]
  新型コロナウイルス患者の治療ガイドラインを表す規範的モデルを構築した。 我々は,新型コロナウイルス患者のケアプロセスを分析し,臨床ガイドラインの相違点を強調した。 その結果、医師はプロセスを改善し、サービス品質と患者満足度を確保するのに有用な指標が得られた。
  論文  参考訳（メタデータ） (2022-09-22T10:08:51Z)
• Detecting Shortcut Learning for Fair Medical AI using Shortcut Testing [62.9062883851246]
  機械学習は医療の改善に大いに貢献するが、その利用が健康格差を広めたり増幅したりしないことを確実にすることは重要である。 アルゴリズムの不公平性の潜在的な要因の1つ、ショートカット学習は、トレーニングデータにおける不適切な相関に基づいてMLモデルが予測した時に発生する。 マルチタスク学習を用いて,臨床MLシステムの公平性評価の一環として,ショートカット学習の評価と緩和を行う手法を提案する。
  論文  参考訳（メタデータ） (2022-07-21T09:35:38Z)
• Exploring Runtime Decision Support for Trauma Resuscitation [7.3268099910347715]
  我々は,実行時次分間のアクティビティ予測を提供する治療推薦システムを開発した。 このシステムは、患者コンテキスト(例えば、人口統計学やバイタルサイン)とプロセスコンテキスト(例えば、活動)を使用して、次の数分で実行されるアクティビティを継続的に予測する。 ベストモデルの平均F1スコアは61種類の活動に対して0.67であった。
  論文  参考訳（メタデータ） (2022-07-06T19:02:43Z)
• 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)
• Extending Process Discovery with Model Complexity Optimization and Cyclic States Identification: Application to Healthcare Processes [62.997667081978825]
  モデル最適化のための半自動支援を実現するプロセスマイニング手法を提案する。 所望の粒度で生モデルを抽象化するモデル単純化手法が提案されている。 医療分野の異なるアプリケーションから得られた3つのデータセットを用いて、技術的ソリューションの能力を実証することを目的としている。
  論文  参考訳（メタデータ） (2022-06-10T16:20:59Z)
• A causal learning framework for the analysis and interpretation of COVID-19 clinical data [7.256237785391623]
  ワークフローは、BSLを通じて患者の結果の主な原因を特定する、多段階のアプローチから成り立っている。 特徴量の多いCOVID-19データセットに対する我々のアプローチを評価し、提案フレームワークが結果に共同貢献する多要素プロセスのスキーマ的概要を提供することを示す。 対象者の85%の結果を3つの特徴のみに基づいて正確に予測する手法を考案した。
  論文  参考訳（メタデータ） (2021-05-14T15:58:18Z)
• Active learning for medical code assignment [55.99831806138029]
  臨床領域における多ラベルテキスト分類におけるアクティブラーニング(AL)の有効性を示す。 MIMIC-IIIデータセットにICD-9コードを自動的に割り当てるために、よく知られたALメソッドのセットを適用します。 その結果、有益なインスタンスの選択は、大幅に減少したトレーニングセットで満足のいく分類を提供する。
  論文  参考訳（メタデータ） (2021-04-12T18:11:17Z)
• Health improvement framework for planning actionable treatment process using surrogate Bayesian model [1.2468700211588881]
  本研究は,データ駆動方式で治療プロセスを計画するための新しい枠組みを提案する。 このフレームワークの重要なポイントは、個人の健康改善のための「行動可能性」の評価である。
  論文  参考訳（メタデータ） (2020-10-30T06:02:49Z)

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。