論文の概要: At-Admission Prediction of Mortality and Pulmonary Embolism in COVID-19 Patients Using Statistical and Machine Learning Methods: An International Cohort Study

• arxiv url: http://arxiv.org/abs/2305.11199v1
• Date: Thu, 18 May 2023 14:55:27 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-22 17:59:10.314453
• Title: At-Admission Prediction of Mortality and Pulmonary Embolism in COVID-19 Patients Using Statistical and Machine Learning Methods: An International Cohort Study
• Title（参考訳）: 統計的および機械学習によるcovid-19患者の死亡率と肺塞栓症のat-admission予測--国際コホート研究
• Authors: Munib Mesinovic, Xin Ci Wong, Giri Shan Rajahram, Barbara Wanjiru Citarella, Kalaiarasu M. Peariasamy, Frank van Someren Greve, Piero Olliaro, Laura Merson, Lei Clifton, Christiana Kartsonaki, ISARIC Characterisation Group
• Abstract要約: 新型コロナウイルス患者の肺塞栓症予測ツールの開発は極めて重要である。 本稿では,PEの発生と入場時の死亡を予測する機械学習モデルを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: By September, 2022, more than 600 million cases of SARS-CoV-2 infection have been reported globally, resulting in over 6.5 million deaths. COVID-19 mortality risk estimators are often, however, developed with small unrepresentative samples and with methodological limitations. It is highly important to develop predictive tools for pulmonary embolism (PE) in COVID-19 patients as one of the most severe preventable complications of COVID-19. Using a dataset of more than 800,000 COVID-19 patients from an international cohort, we propose a cost-sensitive gradient-boosted machine learning model that predicts occurrence of PE and death at admission. Logistic regression, Cox proportional hazards models, and Shapley values were used to identify key predictors for PE and death. Our prediction model had a test AUROC of 75.9% and 74.2%, and sensitivities of 67.5% and 72.7% for PE and all-cause mortality respectively on a highly diverse and held-out test set. The PE prediction model was also evaluated on patients in UK and Spain separately with test results of 74.5% AUROC, 63.5% sensitivity and 78.9% AUROC, 95.7% sensitivity. Age, sex, region of admission, comorbidities (chronic cardiac and pulmonary disease, dementia, diabetes, hypertension, cancer, obesity, smoking), and symptoms (any, confusion, chest pain, fatigue, headache, fever, muscle or joint pain, shortness of breath) were the most important clinical predictors at admission. Our machine learning model developed from an international cohort can serve to better regulate hospital risk prioritisation of at-risk patients.
• Abstract（参考訳）: 2022年9月までに、SARS-CoV-2感染の6億人以上が世界中で報告され、650万人以上の死者を出した。 しかし、covid-19死亡リスク推定器は、小さな非表現サンプルと方法論上の制限によってしばしば開発される。 感染症の最も重篤な予防的合併症の1つとして、covid-19患者の肺塞栓症(pe)予測ツールを開発することが極めて重要である。 国際的なコホートから80万人以上のcovid-19患者のデータセットを用いて,peの発生と入会時の死亡を予測する,コストに敏感な勾配強調型機械学習モデルを提案する。 PEと死の予測には,ロジスティック回帰,コックス比例ハザードモデル,シェープリー値を用いた。 予測モデルではAUROCは75.9%,74.2%,感度は67.5%,全死亡率は72.7%であった。 PE予測モデルは、イギリスとスペインで74.5%のAUROC、63.5%のAUROC、78.9%のAUROC、95.7%の感度で別々に評価された。 入院時, 年齢, 性別, 入院域, 肺疾患, 認知症, 糖尿病, 高血圧, 癌, 肥満, 喫煙) および症状 (混乱, 胸痛, 疲労, 発熱, 筋肉や関節痛, 呼吸の短さ) は, 入院時の最も重要な臨床予測因子であった。 国際的なコホートから開発した機械学習モデルは、リスクの高い患者の病院におけるリスク優先順位付けの制御に役立ちます。

関連論文リスト

• Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
  近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。 そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
  論文  参考訳（メタデータ） (2024-04-26T16:39:50Z)
• Detection of subclinical atherosclerosis by image-based deep learning on chest x-ray [86.38767955626179]
  460胸部X線で冠状動脈カルシウム(CAC)スコアを予測する深層学習アルゴリズムを開発した。 AICACモデルの診断精度は, 曲線下領域(AUC)で評価された。
  論文  参考訳（メタデータ） (2024-03-27T16:56:14Z)
• BIO-CXRNET: A Robust Multimodal Stacking Machine Learning Technique for Mortality Risk Prediction of COVID-19 Patients using Chest X-Ray Images and Clinical Data [0.0]
  本研究は、イタリアで入院した930人の新型コロナウイルス患者のリスクを予測するために、25のバイオマーカーとCXR画像を用いている。 提案手法は精度、感度、F1スコアをそれぞれ89.03%、90.44%、89.03%とした。 ノモグラムに基づく採点法では、F1スコア92.88 %の高リスク患者の死亡確率を予測することができた。
  論文  参考訳（メタデータ） (2022-06-15T15:23:43Z)
• Severity and Mortality Prediction Models to Triage Indian COVID-19 Patients [0.0]
  インド第2波が緩和する中、新型コロナウイルス(COVID-19)は全国で約2900万人の患者に感染し、350万人以上の死者を出した。 そこで本研究では,インドにおける入院当日最大のコホートのうちの1つから,非侵襲的非侵襲的非侵襲的血液パラメータモニタリングに基づいて,臨床結果,重症度,死亡率を予測する2つの解釈可能な機械学習モデルを提案する。
  論文  参考訳（メタデータ） (2021-09-02T23:15:04Z)
• Machine learning approach to dynamic risk modeling of mortality in COVID-19: a UK Biobank study [0.0]
  新型コロナウイルス(COVID-19)のパンデミックは、高リスク患者の階層化を支援する堅牢でスケーラブルなモニタリングツールを緊急に必要としてきた。 本研究は、英国バイオバンクを用いた予測モデルを開発し、検証し、新型コロナウイルスの死亡リスクを推定することを目的とする。
  論文  参考訳（メタデータ） (2021-04-19T11:51:20Z)
• Development and Validation of a Deep Learning Model for Prediction of Severe Outcomes in Suspected COVID-19 Infection [9.524156465126758]
  救急外来(ed)に初診した患者の予測結果を伴うトリエイジングは、患者の予後を改善する上で重要である。 我々は、患者の結果を予測するために深い機能融合モデルを訓練した。 モデルアウトプットは、最も非感受性な酸素療法が要求される患者の結果であった。 新型コロナウイルス重篤な結果(CO-RISKスコア)の予測リスクスコアは、モデルアウトプットから導出され、テストデータセットで評価された。
  論文  参考訳（メタデータ） (2021-03-21T00:03:27Z)
• Real-time Prediction of COVID-19 related Mortality using Electronic Health Records [30.892335739985526]
  新型コロナウイルス早期警戒システム(CovEWS)は、新型コロナウイルス関連死亡リスクを評価する臨床リスクスコアシステムである。 CovEWSは、臨床的に有意な予測パフォーマンスを持つ個々の患者に対して、前もって192時間(8日)まで、継続的なリアルタイムリスクスコアを提供する。
  論文  参考訳（メタデータ） (2020-08-31T08:07:27Z)
• Integrative Analysis for COVID-19 Patient Outcome Prediction [53.11258640541513]
  我々は、集中治療室入院の必要性を予測するために、人口統計、バイタルサイン、実験室の所見から、肺不透明度の放射能と非画像の特徴を組み合わせる。 また, 地域性肺炎を含む他の肺疾患にも適用できるが, 地域性肺炎に限らない。
  論文  参考訳（メタデータ） (2020-07-20T19:08:50Z)
• Predicting COVID-19 Pneumonia Severity on Chest X-ray with Deep Learning [57.00601760750389]
  前頭部胸部X線画像の重症度予測モデルを提案する。 このようなツールは、エスカレーションやケアの非エスカレーションに使用できる新型コロナウイルスの肺感染症の重症度を測定することができる。
  論文  参考訳（メタデータ） (2020-05-24T23:13:16Z)
• 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)
• Dual-Sampling Attention Network for Diagnosis of COVID-19 from Community Acquired Pneumonia [46.521323145636906]
  胸部CT(Central Computed Tomography)において,地域肺炎(CAP)からCOVID-19を自動診断するデュアルサンプリングアテンションネットワークを開発した。 特に,3D畳み込みネットワーク(CNN)を用いた新しいオンラインアテンションモジュールを提案する。 我々のアルゴリズムは、受信機動作特性曲線(AUC)値0.944、精度87.5%、感度86.9%、特異度90.1%、F1スコア82.0%の領域で、COVID-19画像を識別することができる。
  論文  参考訳（メタデータ） (2020-05-06T09:56:51Z)

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。