論文の概要: Data-Driven Allocation of Preventive Care With Application to Diabetes Mellitus Type II

• arxiv url: http://arxiv.org/abs/2308.06959v1
• Date: Mon, 14 Aug 2023 06:29:09 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-15 14:16:27.010278
• Title: Data-Driven Allocation of Preventive Care With Application to Diabetes Mellitus Type II
• Title（参考訳）: データによる予防ケアの配置と糖尿病II型への応用
• Authors: Mathias Kraus, Stefan Feuerriegel, Maytal Saar-Tsechansky
• Abstract要約: リスクのある患者に対する予防的治療の費用対効果を決定するためのデータ駆動型意思決定モデルを開発した。 本研究は, 健康管理における意思決定を支援するとともに, 低コストで効果的な疾患予防を実現することを目的としている。
• 参考スコア（独自算出の注目度）: 34.29871115270994
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Problem Definition. Increasing costs of healthcare highlight the importance of effective disease prevention. However, decision models for allocating preventive care are lacking. Methodology/Results. In this paper, we develop a data-driven decision model for determining a cost-effective allocation of preventive treatments to patients at risk. Specifically, we combine counterfactual inference, machine learning, and optimization techniques to build a scalable decision model that can exploit high-dimensional medical data, such as the data found in modern electronic health records. Our decision model is evaluated based on electronic health records from 89,191 prediabetic patients. We compare the allocation of preventive treatments (metformin) prescribed by our data-driven decision model with that of current practice. We find that if our approach is applied to the U.S. population, it can yield annual savings of $1.1 billion. Finally, we analyze the cost-effectiveness under varying budget levels. Managerial Implications. Our work supports decision-making in health management, with the goal of achieving effective disease prevention at lower costs. Importantly, our decision model is generic and can thus be used for effective allocation of preventive care for other preventable diseases.
• Abstract（参考訳）: 問題定義。 医療費の増加は、効果的な疾患予防の重要性を強調している。 しかし,予防ケアのための意思決定モデルは欠落している。 メソッド/結果。 本稿では,リスクのある患者に対する予防治療の費用対効果を決定するためのデータ駆動型意思決定モデルを開発する。 具体的には、カウンターファクト推論、機械学習、最適化技術を組み合わせて、現代の電子健康記録に見られるような高次元医療データを活用できるスケーラブルな決定モデルを構築します。 本決定モデルは糖尿病前患者89,191例の電子健康記録に基づいて評価した。 我々は,データ駆動決定モデルによって規定される予防的治療(メタホルミン)の割り当てを,現在の実践と比較する。 私たちのアプローチが米国の人口に適用されれば、年間11億ドルの貯蓄が得られる。 最後に、様々な予算レベルでコスト効率を分析する。 マネージャの意味。 本研究は,健康管理における意思決定を支援し,低コストで効果的な疾病予防を実現することを目的としている。 重要なことに、われわれの決定モデルは汎用的であり、他の予防可能な疾患に対する予防的ケアの効果的な割り当てに使用できる。

関連論文リスト

• Unified Uncertainty Estimation for Cognitive Diagnosis Models [70.46998436898205]
  本稿では,幅広い認知診断モデルに対する統一的不確実性推定手法を提案する。 診断パラメータの不確かさをデータ・アスペクトとモデル・アスペクトに分解する。 本手法は有効であり,認知診断の不確実性に関する有用な知見を提供することができる。
  論文  参考訳（メタデータ） (2024-03-09T13:48:20Z)
• Causal prediction models for medication safety monitoring: The diagnosis of vancomycin-induced acute kidney injury [0.282736966249181]
  入院患者の有害薬物事象(ADE)の振り返り診断の現在のベストプラクティスは、完全な患者のチャートレビューと、医療専門家による公式な因果性評価に依存している。 ここでは、観測データを用いた因果モデリング手法を開拓し、因果確率(PC)の低い境界を推定する。 集中治療患者におけるバンコマイシン誘発急性腎障害の臨床応用例について検討した。
  論文  参考訳（メタデータ） (2023-11-15T17:29:24Z)
• Planning a Community Approach to Diabetes Care in Low- and Middle-Income Countries Using Optimization [0.0]
  コミュニティレベルでのグリセミック制御を最大化するパーソナライズされたCHW訪問を決定するための最適化フレームワークを導入する。 患者の健康状態とモチベーション状態を推定することにより,治療開始決定時の患者のトレードオフを考慮した訪問計画を構築した。
  論文  参考訳（メタデータ） (2023-05-10T19:15:19Z)
• Building predictive models of healthcare costs with open healthcare data [0.0]
  本稿では,機械学習技術を用いた予測モデル開発手法を提案する。 我々は2016年に230万件の患者データを分析した。 私たちは、患者の診断と人口統計からコストを予測するモデルを構築しました。
  論文  参考訳（メタデータ） (2023-04-05T02:12:58Z)
• Policy Optimization for Personalized Interventions in Behavioral Health [8.10897203067601]
  デジタルプラットフォームを通じて提供される行動的健康介入は、健康結果を大幅に改善する可能性がある。 患者に対するパーソナライズされた介入を最適化して長期的効果を最大化する問題について検討した。 患者システムの状態空間を個別のレベルに分解するDecompPIをダブする新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-03-21T21:42:03Z)
• Predicting Visit Cost of Obstructive Sleep Apnea using Electronic Healthcare Records with Transformer [0.0]
  肥満の増加に伴い、多くの国で閉塞性睡眠時無呼吸症(OSA)が増加傾向にある。 治療目的では,OSA患者の来院費の予測が重要である。 OSA患者のデータのうち3分の1は、分析モデルのトレーニングに利用できる。
  論文  参考訳（メタデータ） (2023-01-28T20:08:00Z)
• Optimal discharge of patients from intensive care via a data-driven policy learning framework [58.720142291102135]
  退院課題は、退院期間の短縮と退院決定後の退院や死亡のリスクとの不確実なトレードオフに対処することが重要である。 本研究は、このトレードオフを捉えるためのエンドツーエンドの汎用フレームワークを導入し、最適放電タイミング決定を推奨する。 データ駆動型アプローチは、患者の生理的状態を捉えた同種で離散的な状態空間表現を導出するために用いられる。
  論文  参考訳（メタデータ） (2021-12-17T04:39:33Z)
• 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)
• Privacy-preserving medical image analysis [53.4844489668116]
  医用画像におけるプライバシ保護機械学習(PPML)のためのソフトウェアフレームワークであるPriMIAを提案する。 集合型学習モデルの分類性能は,未発見データセットの人間専門家と比較して有意に良好である。 グラデーションベースのモデル反転攻撃に対するフレームワークのセキュリティを実証的に評価する。
  論文  参考訳（メタデータ） (2020-12-10T13:56:00Z)
• 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)

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。