論文の概要: Machine Learning for Administrative Health Records: A Systematic Review
of Techniques and Applications
- arxiv url: http://arxiv.org/abs/2308.14216v1
- Date: Sun, 27 Aug 2023 22:34:10 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-29 16:03:12.885150
- Title: Machine Learning for Administrative Health Records: A Systematic Review
of Techniques and Applications
- Title（参考訳）: 行政保健記録のための機械学習:技術と応用の体系的レビュー
- Authors: Adrian Caruana, Madhushi Bandara, Katarzyna Musial, Daniel Catchpoole,
Paul J. Kennedy
- Abstract要約: 行政健康記録 (Administrative Health Records, AHR) は、行政上の目的で収集された EHR のサブセットである。
本稿では、AHRに基づく研究を体系的にレビューし、70の関連研究を分析し、複数のデータベースにまたがる。
AHRに基づく研究は互いに切り離されているが、健康情報学研究におけるAHRの利用は著しく加速している。
- 参考スコア（独自算出の注目度）: 5.353552655309808
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Machine learning provides many powerful and effective techniques for
analysing heterogeneous electronic health records (EHR). Administrative Health
Records (AHR) are a subset of EHR collected for administrative purposes, and
the use of machine learning on AHRs is a growing subfield of EHR analytics.
Existing reviews of EHR analytics emphasise that the data-modality of the EHR
limits the breadth of suitable machine learning techniques, and pursuable
healthcare applications. Despite emphasising the importance of data modality,
the literature fails to analyse which techniques and applications are relevant
to AHRs. AHRs contain uniquely well-structured, categorically encoded records
which are distinct from other data-modalities captured by EHRs, and they can
provide valuable information pertaining to how patients interact with the
healthcare system.
This paper systematically reviews AHR-based research, analysing 70 relevant
studies and spanning multiple databases. We identify and analyse which machine
learning techniques are applied to AHRs and which health informatics
applications are pursued in AHR-based research. We also analyse how these
techniques are applied in pursuit of each application, and identify the
limitations of these approaches. We find that while AHR-based studies are
disconnected from each other, the use of AHRs in health informatics research is
substantial and accelerating. Our synthesis of these studies highlights the
utility of AHRs for pursuing increasingly complex and diverse research
objectives despite a number of pervading data- and technique-based limitations.
Finally, through our findings, we propose a set of future research directions
that can enhance the utility of AHR data and machine learning techniques for
health informatics research.
- Abstract（参考訳）: 機械学習は、異種電子健康記録(EHR)を分析するための強力で効果的な多くの技術を提供する。
管理健康記録(Administrative Health Records, AHR)は、管理目的のために収集されたEHRのサブセットであり、AHRにおける機械学習の使用は、EHR分析のサブフィールドとして成長している。
EHR分析の既存のレビューでは、EHRのデータモダリティは適切な機械学習技術の幅を制限し、パース可能な医療応用を規定している。
データモダリティの重要性を強調しているにもかかわらず、文献はどの技術や応用がAHRに関連するかを分析することができない。
AHRには、EHRが取得した他のデータモダリティとは異なる、一意に構造化され分類的に符号化された記録が含まれており、患者が医療システムとどのように相互作用するかに関する貴重な情報を提供することができる。
本稿では、AHRに基づく研究を体系的にレビューし、70の関連研究を分析し、複数のデータベースにまたがる。
我々は、AHRにどのような機械学習技術が適用されるかを特定し、分析し、AHRに基づく研究で健康情報学の応用を追求する。
また、これらの手法が各アプリケーションにどのように適用されるのかを分析し、これらのアプローチの限界を特定する。
AHRに基づく研究は互いに切り離されているが、健康情報学研究におけるAHRの利用は著しく加速している。
これらの研究の合成は、データや技術に基づく多くの制限にもかかわらず、ますます複雑で多様な研究目的を追求するためのAHRの有用性を強調している。
最後に,本研究では,健康情報学研究におけるahrデータと機械学習技術の有用性を高めるための今後の研究指針を提案する。
関連論文リスト
- A Survey of Models for Cognitive Diagnosis: New Developments and Future Directions [66.40362209055023]
本研究の目的は,認知診断の現在のモデルについて,機械学習を用いた新たな展開に注目した調査を行うことである。
モデル構造,パラメータ推定アルゴリズム,モデル評価方法,適用例を比較して,認知診断モデルの最近の傾向を概観する。
論文 参考訳（メタデータ） (2024-07-07T18:02:00Z) - HealthGAT: Node Classifications in Electronic Health Records using Graph Attention Networks [2.2026317523029193]
HealthGATは、EHRから埋め込みを生成するグラフアテンションネットワークフレームワークである。
本モデルでは,医療コードへの埋め込みを反復的に洗練し,EHRデータ解析の改善を実現している。
本モデルでは,ノード分類や,可読度予測や診断分類などの下流タスクにおいて,優れた性能を示す。
論文 参考訳（メタデータ） (2024-03-26T22:17:01Z) - Recent Advances in Predictive Modeling with Electronic Health Records [71.19967863320647]
EHRデータを予測モデリングに利用すると、その特徴からいくつかの課題が生じる。
深層学習は、医療を含む様々な応用においてその優位性を示している。
論文 参考訳（メタデータ） (2024-02-02T00:31:01Z) - De-identification of clinical free text using natural language
processing: A systematic review of current approaches [48.343430343213896]
自然言語処理は、その非識別プロセスの自動化の可能性を繰り返し示してきた。
本研究の目的は,過去13年間に臨床自由テキストの非識別化が進展したことを示す体系的な証拠を提供することである。
論文 参考訳（メタデータ） (2023-11-28T13:20:41Z) - Modeling electronic health record data using a knowledge-graph-embedded
topic model [6.170782354287972]
エンド・ツー・エンドの知識グラフに基づくマルチモーダル組込みトピックモデルであるKG-ETMを提案する。
KG-ETMは、医療知識グラフから埋め込みを学習することで、HRデータから潜伏病トピックを抽出する。
また,本モデルでは,患者層化と薬剤推奨のための解釈可能かつ正確な患者表現も発見できる。
論文 参考訳（メタデータ） (2022-06-03T07:58:17Z) - A review of Generative Adversarial Networks for Electronic Health
Records: applications, evaluation measures and data sources [8.319639237899155]
Generative Adversarial Networks (GANs) は、基礎となるデータ分布を学習することで、合成EHRデータを生成する大きな可能性を示している。
本研究は,GANs for EHRの様々な応用における主要な展開を概観することを目的としており,提案手法の概要を提供する。
我々は、EHR開発におけるGANの課題について議論し、推奨プラクティスを提案することで締めくくります。
論文 参考訳（メタデータ） (2022-03-14T11:56:47Z) - Human-Robot Collaboration and Machine Learning: A Systematic Review of
Recent Research [69.48907856390834]
人間ロボットコラボレーション(Human-robot collaboration、HRC)とは、人間とロボットの相互作用を探索する手法である。
本稿では,HRCの文脈における機械学習技術の利用に関する詳細な文献レビューを提案する。
論文 参考訳（メタデータ） (2021-10-14T15:14:33Z) - Deep Representation Learning of Patient Data from Electronic Health
Records (EHR): A Systematic Review [20.621261286239967]
患者表現学習とは、電子健康記録から意味のある情報をエンコードする患者の密度の高い数学的表現を学ぶことを指す。
本研究は, この分野の体系的なレビューを行い, 方法論的観点から質的, 定量的な分析を行った。
論文 参考訳（メタデータ） (2020-10-06T15:18:02Z) - 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) - Deep-HR: Fast Heart Rate Estimation from Face Video Under Realistic
Conditions [62.68522031911656]
本稿では、複雑なタスクからのHR推定を単純化し、非常に相関した表現からHRへ学習することで、Deep Neural Network(DNN)の利点を享受する、シンプルで効率的なアプローチを提案する。
より正確で高品質なビデオでは、FEの出力を改善するために、2つのディープエンコーダデコーダネットワークが訓練されている。
HR-DおよびMAHNOBデータセットによる実験結果から,本手法がリアルタイム手法として動作し,最先端の手法よりも平均HRを推定できることが確認された。
論文 参考訳（メタデータ） (2020-02-12T07:00:07Z) - Opportunities and Challenges of Deep Learning Methods for
Electrocardiogram Data: A Systematic Review [62.490310870300746]
心電図(Electrocardiogram、ECG)は、医学および医療において最も一般的に用いられる診断ツールの1つである。
深層学習法は心電図信号を用いた予測医療タスクにおいて有望な結果を得た。
本稿では、モデリングとアプリケーションの観点から、ECGデータに対するディープラーニング手法の体系的なレビューを行う。
論文 参考訳（メタデータ） (2019-12-28T02:44:29Z)
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。