論文の概要: ReDWINE: A Clinical Datamart with Text Analytical Capabilities to Facilitate Rehabilitation Research

• arxiv url: http://arxiv.org/abs/2304.05929v1
• Date: Wed, 12 Apr 2023 15:49:41 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-13 14:35:26.164835
• Title: ReDWINE: A Clinical Datamart with Text Analytical Capabilities to Facilitate Rehabilitation Research
• Title（参考訳）: ReDWINE: テキスト分析機能を備えたリハビリテーション研究のための臨床データマート
• Authors: David Oniani, Bambang Parmanto, Andi Saptono, Allyn Bove, Janet Freburger, Shyam Visweswaran Nickie Cappella, Brian McLay, Jonathan C. Silverstein, Michael J. Becich, Anthony Delitto, Elizabeth Skidmore, Yanshan Wang
• Abstract要約: リハビリテーション研究は、治療介入の構成要素、これらの要素が回復とリハビリにどう貢献するかのメカニズム、そして究極的には最適な介入戦略を決定することに焦点を当てている。 新しい介入を研究し確立する従来のランダム化臨床試験は、高コストや時間のコミットメントなど、いくつかの課題に直面している。 既存の臨床データを用いて介入の効果を観察する観察的研究は、RCTに対していくつかの利点を示している。
• 参考スコア（独自算出の注目度）: 2.4063833043873197
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Rehabilitation research focuses on determining the components of a treatment intervention, the mechanism of how these components lead to recovery and rehabilitation, and ultimately the optimal intervention strategies to maximize patients' physical, psychologic, and social functioning. Traditional randomized clinical trials that study and establish new interventions face several challenges, such as high cost and time commitment. Observational studies that use existing clinical data to observe the effect of an intervention have shown several advantages over RCTs. Electronic Health Records (EHRs) have become an increasingly important resource for conducting observational studies. To support these studies, we developed a clinical research datamart, called ReDWINE (Rehabilitation Datamart With Informatics iNfrastructure for rEsearch), that transforms the rehabilitation-related EHR data collected from the UPMC health care system to the Observational Health Data Sciences and Informatics (OHDSI) Observational Medical Outcomes Partnership (OMOP) Common Data Model (CDM) to facilitate rehabilitation research. The standardized EHR data stored in ReDWINE will further reduce the time and effort required by investigators to pool, harmonize, clean, and analyze data from multiple sources, leading to more robust and comprehensive research findings. ReDWINE also includes deployment of data visualization and data analytics tools to facilitate cohort definition and clinical data analysis. These include among others the Open Health Natural Language Processing (OHNLP) toolkit, a high-throughput NLP pipeline, to provide text analytical capabilities at scale in ReDWINE. Using this comprehensive representation of patient data in ReDWINE for rehabilitation research will facilitate real-world evidence for health interventions and outcomes.
• Abstract（参考訳）: リハビリテーション研究は、治療介入の構成要素の決定、これらの成分がどのように回復とリハビリにつながるかのメカニズム、そして究極的には患者の身体、精神、社会的機能の最大化のための最適な介入戦略に焦点を当てている。 新しい介入を研究し確立する伝統的なランダム化臨床試験は、コストや時間的コミットメントなどいくつかの課題に直面している。 既存の臨床データを用いて介入の効果を観察する観察的研究は、RCTに対していくつかの利点を示している。 電子健康記録(ehrs)は、観察研究を行う上でますます重要な資源となっている。 これらの研究を支援するため,我々は,upmc医療システムから収集したリハビリテーション関連ehrデータを,ocdsi(observational health data sciences and informatics)のobservational medical outcomes partnership(omop) common data model(cdm)に変換し,リハビリテーション研究を容易にする,redwine(rehabilitation datamart with informatics infrastructure for research)という臨床研究データマートを開発した。 ReDWINEに格納されている標準化されたEHRデータは、複数のソースからのデータのプール、調和、クリーン化、分析に必要な時間と労力をさらに削減し、より堅牢で包括的な研究結果をもたらす。 ReDWINEには、コホート定義と臨床データ分析を容易にするデータ可視化とデータ分析ツールのデプロイも含まれている。 その他にもOpen Health Natural Language Processing (OHNLP)ツールキット、高スループットのNLPパイプラインがあり、ReDWINEで大規模にテキスト分析機能を提供する。 リハビリテーション研究のためにReDWINEの患者データの包括的表現を使用することで、実際の健康介入と結果の証拠がより容易になる。

関連論文リスト

• Enhancing Acute Kidney Injury Prediction through Integration of Drug Features in Intensive Care Units [0.0]
  急性腎障害(AKI)予測と腎障害薬との関連は, 治療現場ではまだ検討されていない。 そこで本研究では,患者処方データをモダリティとして活用し,既存のAKI予測モデルを改善する手法を提案する。
  論文  参考訳（メタデータ） (2024-01-09T05:42:32Z)
• Radiology Report Generation Using Transformers Conditioned with Non-imaging Data [55.17268696112258]
  本稿では,胸部X線画像と関連する患者の人口統計情報を統合したマルチモーダルトランスフォーマーネットワークを提案する。 提案ネットワークは、畳み込みニューラルネットワークを用いて、CXRから視覚的特徴を抽出し、その視覚的特徴と患者の人口統計情報のセマンティックテキスト埋め込みを組み合わせたトランスフォーマーベースのエンコーダデコーダネットワークである。
  論文  参考訳（メタデータ） (2023-11-18T14:52:26Z)
• Leveraging text data for causal inference using electronic health records [1.4182510510164876]
  本稿では,電子健康データによる因果推論を支援するためにテキストデータを活用する統一的なフレームワークを提案する。 従来のマッチング分析にテキストデータを組み込むことで、推定処理効果の妥当性を高めることができることを示す。 これらの手法は、臨床データの二次解析範囲を、構造化ERHデータに制限された領域にまで広げる可能性があると考えている。
  論文  参考訳（メタデータ） (2023-06-09T16:06:02Z)
• Incomplete Multimodal Learning for Complex Brain Disorders Prediction [65.95783479249745]
  本稿では,変換器と生成対向ネットワークを用いた不完全なマルチモーダルデータ統合手法を提案する。 アルツハイマー病神経画像イニシアチブコホートを用いたマルチモーダルイメージングによる認知変性と疾患予後の予測に本手法を適用した。
  論文  参考訳（メタデータ） (2023-05-25T16:29:16Z)
• Toward Cohort Intelligence: A Universal Cohort Representation Learning Framework for Electronic Health Record Analysis [15.137213823470544]
  本稿では, 患者間の詳細なコホート情報を活用することで, EHR活用を促進するための共通コホート表現 lEarning (CORE) フレームワークを提案する。 COREは多様なバックボーンモデルに容易に適用でき、コホート情報を医療手法に注入してパフォーマンスを高める普遍的なプラグインフレームワークとして機能する。
  論文  参考訳（メタデータ） (2023-04-10T09:12:37Z)
• Large Language Models for Healthcare Data Augmentation: An Example on Patient-Trial Matching [49.78442796596806]
  患者-心電図マッチング(LLM-PTM)のための革新的なプライバシ対応データ拡張手法を提案する。 本実験では, LLM-PTM法を用いて平均性能を7.32%向上させ, 新しいデータへの一般化性を12.12%向上させた。
  論文  参考訳（メタデータ） (2023-03-24T03:14:00Z)
• On the Importance of Clinical Notes in Multi-modal Learning for EHR Data [0.0]
  電子健康記録データと臨床ノートを併用することにより,患者モニタリングの予測性能が向上することが従来研究で示されている。 EHRデータと臨床ノートを組み合わせることで、最先端のEHRデータモデルよりもパフォーマンスが大幅に向上することを確認した。 次に、臨床医のメモよりも、患者の状態に関するより広い文脈を含むメモのサブセットから、改善がほぼ排他的に生じることを示す分析を行った。
  論文  参考訳（メタデータ） (2022-12-06T15:18:57Z)
• Surgical Data Science -- from Concepts toward Clinical Translation [67.543698133416]
  外科的データサイエンスは、データの取得、組織化、分析、モデリングを通じて介入医療の質を向上させることを目的としている。 私たちは、その根底にある理由を明かし、この分野における今後の進歩のロードマップを提供しました。
  論文  参考訳（メタデータ） (2020-10-30T14:20:16Z)
• MIA-Prognosis: A Deep Learning Framework to Predict Therapy Response [58.0291320452122]
  本稿では,患者の予後と治療反応を予測するための統合型深層学習手法を提案する。 我々は,マルチモーダル非同期時系列分類タスクとして,確率モデリングを定式化する。 我々の予測モデルは、長期生存の観点から、低リスク、高リスクの患者をさらに階層化する可能性がある。
  論文  参考訳（メタデータ） (2020-10-08T15:30:17Z)
• ODVICE: An Ontology-Driven Visual Analytic Tool for Interactive Cohort Extraction [2.0131681387862153]
  一般的な疾患では、EHRから抽出されたコホートは非常に限られた数の記録を含んでいる。 本稿では,モンテカルログラフスパンニングアルゴリズムを用いたデータ拡張フレームワークODVICEを提案する。 以上の結果から, ODVICE拡張コーホートの予測性能は, 非拡張データセットよりも曲線下面積(AUC)が30%向上していることが示唆された。
  論文  参考訳（メタデータ） (2020-05-13T17:15:51Z)
• A Review of Computational Approaches for Evaluation of Rehabilitation Exercises [58.720142291102135]
  本稿では,モーションキャプチャシステムを用いたリハビリテーションプログラムにおける患者のパフォーマンスを評価するための計算手法についてレビューする。 エクササイズ評価のための再検討された計算手法は, 離散的な運動スコア, ルールベース, テンプレートベースアプローチの3つのカテゴリに分類される。
  論文  参考訳（メタデータ） (2020-02-29T22:18:56Z)

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。