論文の概要: Developing a Robust Computable Phenotype Definition Workflow to Describe Health and Disease in Observational Health Research

• arxiv url: http://arxiv.org/abs/2304.06504v1
• Date: Thu, 30 Mar 2023 15:29:54 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-16 21:37:32.459842
• Title: Developing a Robust Computable Phenotype Definition Workflow to Describe Health and Disease in Observational Health Research
• Title（参考訳）: 観察健康研究における健康・病気記述のためのロバストな計算可能な表現型定義ワークフローの開発
• Authors: Jacob S. Zelko, Sarah Gasman, Shenita R. Freeman, Dong Yun Lee, Jaan Altosaar, Azza Shoaibi, Gowtham Rao
• Abstract要約: 健康情報学は患者の健康データに基づいて構築される。 標準化は、疫学などの分野で使われる一般的な指標である人口統計を計算するために必要である。 患者データを構造化・分析するための標準は存在するが、厳格に定義するための類似のベストプラクティスは存在しない。
• 参考スコア（独自算出の注目度）: 0.6465251961564604
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Health informatics can inform decisions that practitioners, patients, policymakers, and researchers need to make about health and disease. Health informatics is built upon patient health data leading to the need to codify patient health information. Such standardization is required to compute population statistics (such as prevalence, incidence, etc.) that are common metrics used in fields such as epidemiology. Reliable decision-making about health and disease rests on our ability to organize, analyze, and assess data repositories that contain patient health data. While standards exist to structure and analyze patient data across patient data sources such as health information exchanges, clinical data repositories, and health data marketplaces, analogous best practices for rigorously defining patient populations in health informatics contexts do not exist. Codifying best practices for developing disease definitions could support the effective development of clinical guidelines, inform algorithms used in clinical decision support systems, and additional patient guidelines. In this paper, we present a workflow for the development of phenotype definitions. This workflow presents a series of recommendations for defining health and disease. Various examples within this paper are presented to demonstrate this workflow in health informatics contexts.
• Abstract（参考訳）: 健康情報学は、実践者、患者、政策立案者、研究者が健康と病気について考える必要があると判断することができる。 健康情報学は患者の健康データに基づいて構築されており、患者の健康情報を体系化する必要がある。 このような標準化は、疫学などの分野で使われる一般的な指標である人口統計(有病率、発生率など)を計算するために必要である。 健康と病気に関する信頼できる意思決定は、患者の健康データを含むデータリポジトリを整理、分析、評価する能力にかかっています。 健康情報交換、臨床データリポジトリ、健康データマーケットプレースなどの患者データソースをまたいで患者データを構造化および分析するための標準が存在するが、健康情報学の文脈で患者人口を厳密に定義するための類似のベストプラクティスは存在しない。 疾患定義を開発するためのベストプラクティスの体系化は、臨床ガイドラインの効果的な開発を支援し、臨床決定支援システムで使用されるアルゴリズムや追加の患者ガイドラインを通知する。 本稿では,表現型定義の開発のためのワークフローを提案する。 このワークフローは、健康と病気を定義するための一連の推奨事項を提示します。 このワークフローをヘルスインフォマティクスのコンテキストで示すために,本稿のさまざまな例を示す。

関連論文リスト

• Addressing Data Heterogeneity in Federated Learning of Cox Proportional Hazards Models [8.798959872821962]
  本稿では,フェデレーションサバイバル分析の分野,特にCox Proportional Hazards(CoxPH)モデルについて概説する。 本稿では,合成データセットと実世界のアプリケーション間のモデル精度を向上させるために,特徴ベースのクラスタリングを用いたFLアプローチを提案する。
  論文  参考訳（メタデータ） (2024-07-20T18:34:20Z)
• Patient-Centric Knowledge Graphs: A Survey of Current Methods, Challenges, and Applications [2.913761513290171]
  患者中心知識グラフ(PCKG)は、個別の患者ケアに焦点を当てた医療における重要なシフトである。 PCKGは様々な種類の健康データを統合し、患者の健康を包括的に理解する医療専門家に提供します。 本稿はPCKGに関する方法論,課題,機会について概説する。
  論文  参考訳（メタデータ） (2024-02-20T00:07:55Z)
• Data-Centric Foundation Models in Computational Healthcare: A Survey [21.53211505568379]
  AI技術の新たなスイートとしてのファンデーションモデル(FM)は、計算医療の波を巻き起こしている。 我々は、AIセキュリティ、アセスメント、および人間の価値との整合性における重要な視点について議論する。 本報告では,患者の予後と臨床ワークフローを向上するために,FMベースの分析を期待できる展望を提供する。
  論文  参考訳（メタデータ） (2024-01-04T08:00:32Z)
• MedDiffusion: Boosting Health Risk Prediction via Diffusion-based Data Augmentation [58.93221876843639]
  本稿では,MedDiffusion という,エンドツーエンドの拡散に基づくリスク予測モデルを提案する。 トレーニング中に合成患者データを作成し、サンプルスペースを拡大することで、リスク予測性能を向上させる。 ステップワイズ・アテンション・メカニズムを用いて患者の来訪者間の隠れた関係を識別し、高品質なデータを生成する上で最も重要な情報をモデルが自動的に保持することを可能にする。
  論文  参考訳（メタデータ） (2023-10-04T01:36:30Z)
• Informing clinical assessment by contextualizing post-hoc explanations of risk prediction models in type-2 diabetes [50.8044927215346]
  本研究は, 合併症リスク予測のシナリオを考察し, 患者の臨床状態に関する文脈に焦点を当てる。 我々は、リスク予測モデル推論に関する文脈を提示し、その受容性を評価するために、最先端のLLMをいくつか採用する。 本論文は,実世界における臨床症例における文脈説明の有効性と有用性を明らかにする最初のエンドツーエンド分析の1つである。
  論文  参考訳（メタデータ） (2023-02-11T18:07:11Z)
• The Medkit-Learn(ing) Environment: Medical Decision Modelling through Simulation [81.72197368690031]
  医用シーケンシャルな意思決定に特化して設計された新しいベンチマークスイートを提案する。 Medkit-Learn(ing) Environmentは、高忠実度合成医療データに簡単かつ簡単にアクセスできるPythonパッケージである。
  論文  参考訳（メタデータ） (2021-06-08T10:38:09Z)
• Clinical Outcome Prediction from Admission Notes using Self-Supervised Knowledge Integration [55.88616573143478]
  臨床テキストからのアウトカム予測は、医師が潜在的なリスクを見落としないようにする。 退院時の診断,手術手順,院内死亡率,長期予測は4つの一般的な結果予測対象である。 複数の公開資料から得られた患者結果に関する知識を統合するために,臨床結果の事前学習を提案する。
  論文  参考訳（メタデータ） (2021-02-08T10:26:44Z)
• UNITE: Uncertainty-based Health Risk Prediction Leveraging Multi-sourced Data [81.00385374948125]
  我々はUNcertaInTyベースのhEalth Risk Prediction(UNITE)モデルを提案する。 UNITEは、複数ソースの健康データを活用した正確な疾患リスク予測と不確実性推定を提供する。 非アルコール性脂肪肝疾患(NASH)とアルツハイマー病(AD)の実態予測タスクにおけるUNITEの評価を行った。 UNITEはAD検出のF1スコアで最大0.841点、NASH検出のPR-AUCで最大0.609点を達成し、最高のベースラインで最大19%の高パフォーマンスを達成している。
  論文  参考訳（メタデータ） (2020-10-22T02:28:11Z)
• Interpretable Disease Prediction based on Reinforcement Path Reasoning over Knowledge Graphs [15.339137501579087]
  疾患予測タスクを知識グラフ(KG)に沿ってランダムウォークとして定式化した。 我々は, 病因と危険因子との関係を, 検証された医療知識に基づいて記録するKGを構築した。 対象物によって生成された軌跡は、所定の患者の解釈可能な疾患進行経路を表す。
  論文  参考訳（メタデータ） (2020-10-16T10:46:28Z)
• Hemogram Data as a Tool for Decision-making in COVID-19 Management: Applications to Resource Scarcity Scenarios [62.997667081978825]
  新型コロナウイルス(COVID-19)のパンデミックは世界中の緊急対応システムに挑戦している。 本研究は, 症状患者の血液検査データから得られた機械学習モデルについて述べる。 提案されたモデルでは、新型コロナウイルスqRT-PCRの結果を、高い精度、感度、特異性で症状のある個人に予測することができる。
  論文  参考訳（メタデータ） (2020-05-10T01:45:03Z)
• Personal Health Knowledge Graphs for Patients [18.71820749477523]
  既存の患者データ分析プラットフォームは、コンテキストを持ち、個人的であり、患者にとってトピックである情報を組み込むことができない。 質問に対する適切な回答を与えるためのレコメンデーションシステムは、患者の健康状態に関する個人情報を考慮すべきである。
  論文  参考訳（メタデータ） (2020-03-31T19:35:14Z)

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。