論文の概要: DiaTrend: A dataset from advanced diabetes technology to enable
development of novel analytic solutions
- arxiv url: http://arxiv.org/abs/2304.06506v1
- Date: Tue, 4 Apr 2023 00:59:04 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-16 21:37:49.990876
- Title: DiaTrend: A dataset from advanced diabetes technology to enable
development of novel analytic solutions
- Title（参考訳）: diatrend:新しい分析ソリューションの開発を可能にする高度な糖尿病技術によるデータセット
- Authors: Temiloluwa Prioleau, Abigail Bartolome, Richard Comi, Catherine
Stanger
- Abstract要約: このデータセットは、合計27,561日連続血糖測定データと、糖尿病患者54人のインスリンポンプデータ8,220日を含む、ウェアラブル医療機器からの集中的な経時的データで構成されている。
このデータセットは、糖尿病患者の疾患負担を軽減し、外来患者の慢性的な状態管理に関する知識を増大させる新しい分析ソリューションの開発に有用である。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Objective digital data is scarce yet needed in many domains to enable
research that can transform the standard of healthcare. While data from
consumer-grade wearables and smartphones is more accessible, there is critical
need for similar data from clinical-grade devices used by patients with a
diagnosed condition. The prevalence of wearable medical devices in the diabetes
domain sets the stage for unique research and development within this field and
beyond. However, the scarcity of open-source datasets presents a major barrier
to progress. To facilitate broader research on diabetes-relevant problems and
accelerate development of robust computational solutions, we provide the
DiaTrend dataset. The DiaTrend dataset is composed of intensive longitudinal
data from wearable medical devices, including a total of 27,561 days of
continuous glucose monitor data and 8,220 days of insulin pump data from 54
patients with diabetes. This dataset is useful for developing novel analytic
solutions that can reduce the disease burden for people living with diabetes
and increase knowledge on chronic condition management in outpatient settings.
- Abstract（参考訳）: 客観的デジタルデータは、医療の標準を変える研究を可能にするために、多くの領域ではまだ必要ではない。
コンシューマグレードのウェアラブルとスマートフォンのデータはよりアクセスしやすいが、診断された患者が使用する臨床レベルのデバイスからも同様のデータが必要である。
糖尿病領域におけるウェアラブル医療機器の普及は、この分野およびそれ以降におけるユニークな研究と発展の舞台となっている。
しかし、オープンソースデータセットの不足は、進歩の大きな障壁となる。
糖尿病関連問題のより広範な研究を容易にし、堅牢な計算ソリューションの開発を加速するために、DiaTrendデータセットを提供する。
DiaTrendデータセットは、合計27,561日連続グルコースモニターデータと、54人の糖尿病患者のインスリンポンプデータ8,220日を含む、ウェアラブル医療機器からの集中的な縦断データで構成されている。
このデータセットは、糖尿病患者の疾患負担を軽減し、外来患者の慢性的な状態管理に関する知識を増大させる新しい分析ソリューションの開発に有用である。
関連論文リスト
- An adapted large language model facilitates multiple medical tasks in diabetes care [20.096444964141508]
大規模言語モデル(LLM)は、様々な医療シナリオにおいて有望であるが、様々な糖尿病タスクにおけるその効果は証明されていない。
本研究は糖尿病特異的LSMを訓練し、検証するための枠組みを導入した。
論文 参考訳（メタデータ） (2024-09-20T03:47:54Z) - From Glucose Patterns to Health Outcomes: A Generalizable Foundation Model for Continuous Glucose Monitor Data Analysis [50.80532910808962]
GluFormerは、トランスフォーマーアーキテクチャに基づく生体医学的時間的データの生成基盤モデルである。
GluFormerは5つの地理的領域にまたがる4936人を含む15の異なる外部データセットに一般化されている。
今後4年間の健康状態も予測できる。
論文 参考訳（メタデータ） (2024-08-20T13:19:06Z) - TrialBench: Multi-Modal Artificial Intelligence-Ready Clinical Trial Datasets [57.067409211231244]
本稿では,マルチモーダルデータ(例えば,薬物分子,疾患コード,テキスト,分類・数値的特徴)と臨床治験設計における8つの重要な予測課題をカバーするAIreadyデータセットを精巧にキュレートした。
データセットのユーザビリティと信頼性を確保するため、各タスクに基本的な検証方法を提供する。
このようなオープンアクセスデータセットが利用可能になることは、臨床試験設計のための高度なAIアプローチの開発を促進することを期待する。
論文 参考訳（メタデータ） (2024-06-30T09:13:10Z) - DiabetesNet: A Deep Learning Approach to Diabetes Diagnosis [6.095029229301643]
3つのデータセットの実験結果は、従来の手法と比較して、全体的な精度、感度、特異性を大幅に改善したことを示している。
このことは、堅牢な糖尿病診断のためのディープラーニングモデルの可能性を示している。
論文 参考訳（メタデータ） (2024-03-12T10:18:59Z) - Diabetes detection using deep learning techniques with oversampling and
feature augmentation [0.3749861135832073]
糖尿病は慢性の病理であり、ここ数年でますます多くの人に影響を与えている。
毎年多数の死者が出ている。
この病気を患っている多くの人々は、健康状態の深刻さを十分に理解していない。
論文 参考訳（メタデータ） (2024-02-03T15:30:20Z) - 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) - Remote Medication Status Prediction for Individuals with Parkinson's
Disease using Time-series Data from Smartphones [75.23250968928578]
本稿では,パーキンソン病患者のmPowerデータセットを用いて薬剤状態を予測する方法を提案する。
提案手法は,3つの薬物状態を客観的に予測する上で有望な結果を示す。
論文 参考訳（メタデータ） (2022-07-26T02:08:08Z) - AI-based Data Preparation and Data Analytics in Healthcare: The Case of
Diabetes [10.307863191143635]
Associazione Medici Diabetologi (AMD)は、AMDデータベースとしても知られる、世界最大規模の糖尿病患者の記録を収集し、管理している。
本稿では、人工知能と機械学習の技術を応用して、そのような重要で価値のあるデータセットを概念化し、クリーニングし、分析することに焦点を当てた、現在進行中のプロジェクトの最初の成果を示す。
論文 参考訳（メタデータ） (2022-06-13T14:13:15Z) - Label scarcity in biomedicine: Data-rich latent factor discovery
enhances phenotype prediction [102.23901690661916]
低次元の埋め込み空間は、健康指標、ライフスタイル、および人口動態の予測をデータスカース化するために、英国バイオバンクの人口データセットから導出することができる。
半超越的アプローチによるパフォーマンス向上は、おそらく様々な医学データサイエンス応用にとって重要な要素となるだろう。
論文 参考訳（メタデータ） (2021-10-12T16:25:50Z) - Hybrid stacked ensemble combined with genetic algorithms for Prediction
of Diabetes [0.0]
糖尿病は、世界で最も一般的で危険で高価な病気の1つです。
本研究では、カリフォルニア大学のウェブサイトで、インドの糖尿病に関する実際のデータである実験データを用いています。
結果は、98.8%に達した疾患の診断における提案手法の高性能と99%の精度を示した。
論文 参考訳（メタデータ） (2021-03-15T07:47:23Z) - Trajectories, bifurcations and pseudotime in large clinical datasets:
applications to myocardial infarction and diabetes data [94.37521840642141]
混合データ型と欠落値を特徴とする大規模臨床データセット分析のための半教師付き方法論を提案する。
この手法は、次元の減少、データの可視化、クラスタリング、特徴の選択と、部分的に順序付けられた観測列における測地距離(擬時)の定量化のタスクを同時に扱うことのできる弾性主グラフの適用に基づいている。
論文 参考訳（メタデータ） (2020-07-07T21:04:55Z)
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。