論文の概要: A recommender for the management of chronic pain in patients undergoing spinal cord stimulation

• arxiv url: http://arxiv.org/abs/2309.03918v1
• Date: Wed, 6 Sep 2023 09:43:34 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-11 17:04:38.979168
• Title: A recommender for the management of chronic pain in patients undergoing spinal cord stimulation
• Title（参考訳）: 脊髄刺激を受けた患者の慢性痛に対するレコメンデーション
• Authors: Tigran Tchrakian, Mykhaylo Zayats, Alessandra Pascale, Dat Huynh, Pritish Parida, Carla Agurto Rios, Sergiy Zhuk, Jeffrey L. Rogers, ENVISION Studies Physician Author Group, Boston Scientific Research Scientists Consortium
• Abstract要約: 脊髄刺激(英: Spinal cord stimulation, SCS)は、慢性痛の治療に用いられる治療法である。 SCSを施行した慢性痛患者の痛み管理のためのレコメンデーションシステムを提案する。
• 参考スコア（独自算出の注目度）: 40.471043324087795
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Spinal cord stimulation (SCS) is a therapeutic approach used for the management of chronic pain. It involves the delivery of electrical impulses to the spinal cord via an implanted device, which when given suitable stimulus parameters can mask or block pain signals. Selection of optimal stimulation parameters usually happens in the clinic under the care of a provider whereas at-home SCS optimization is managed by the patient. In this paper, we propose a recommender system for the management of pain in chronic pain patients undergoing SCS. In particular, we use a contextual multi-armed bandit (CMAB) approach to develop a system that recommends SCS settings to patients with the aim of improving their condition. These recommendations, sent directly to patients though a digital health ecosystem, combined with a patient monitoring system closes the therapeutic loop around a chronic pain patient over their entire patient journey. We evaluated the system in a cohort of SCS-implanted ENVISION study subjects (Clinicaltrials.gov ID: NCT03240588) using a combination of quality of life metrics and Patient States (PS), a novel measure of holistic outcomes. SCS recommendations provided statistically significant improvement in clinical outcomes (pain and/or QoL) in 85\% of all subjects (N=21). Among subjects in moderate PS (N=7) prior to receiving recommendations, 100\% showed statistically significant improvements and 5/7 had improved PS dwell time. This analysis suggests SCS patients may benefit from SCS recommendations, resulting in additional clinical improvement on top of benefits already received from SCS therapy.
• Abstract（参考訳）: 脊髄刺激 (scs) は慢性痛の治療に用いられる治療法である。 移植された装置を介して脊髄に電気刺激を伝達し、適切な刺激パラメータが与えられると痛みの信号をマスキングしたりブロックしたりすることができる。 適切な刺激パラメータの選択は通常、提供者のケアの下でクリニックで行われるが、在宅SCS最適化は患者によって管理される。 本稿では,SCSを施行した慢性痛患者の痛み管理のためのレコメンデーションシステムを提案する。 特に,コンテクスト・マルチアーム・バンディット(cmab)アプローチを用いて,病態改善を目的とした患者に対してscs設定を推奨するシステムを開発した。 これらのリコメンデーションは、デジタルヘルスのエコシステムにもかかわらず患者に直接送信され、患者監視システムと組み合わせることで、慢性的な痛み患者を取り巻く治療ループを閉じる。 総合的結果の新しい尺度である quality of life metrics (ps) と患者状態 (ps) の組合せを用いて, scs を応用した幻想的研究対象 (clinicaltrials.gov id: nct03240588) のコホートでシステムを評価した。 scs勧告は、全被験者(n=21)の85\%において、臨床成績(painおよび/またはqol)の統計的に有意な改善をもたらした。 推奨を受ける前の中等度PS (N=7) では, 100\%は統計的に有意な改善を示し, 5/7はPSの居住時間を改善した。 この分析は、SCS患者がSCS推奨の恩恵を受ける可能性を示し、SCS療法で既に得られる利益に加えて、さらなる臨床改善をもたらすことを示唆している。

関連論文リスト

• Binary Gaussian Copula Synthesis: A Novel Data Augmentation Technique to Advance ML-based Clinical Decision Support Systems for Early Prediction of Dialysis Among CKD Patients [4.80104397397529]
  アメリカ疾病管理センターは、米国成人3700万人以上が慢性腎臓病(CKD)を患っていると推定している。 このうち10人のうち9人は、早期に症状がないことから、自分の状態に気付いていない。 透析の早期予測は、患者の結果を大幅に改善できるため、重要である。
  論文  参考訳（メタデータ） (2024-03-01T20:32:17Z)
• The R.O.A.D. to precision medicine [5.877778007271621]
  本稿ではランダム化試行データサブグループ解析の欠陥に対処する確率的層間マッチングフレームワークを提案する。 我々は,消化管間質性腫瘍(GIST)の観察データに枠組みを適用し,外部コホートでOPTを検証した。
  論文  参考訳（メタデータ） (2023-11-03T03:08:15Z)
• Large Language Models for Healthcare Data Augmentation: An Example on Patient-Trial Matching [49.78442796596806]
  患者-心電図マッチング(LLM-PTM)のための革新的なプライバシ対応データ拡張手法を提案する。 本実験では, LLM-PTM法を用いて平均性能を7.32%向上させ, 新しいデータへの一般化性を12.12%向上させた。
  論文  参考訳（メタデータ） (2023-03-24T03:14:00Z)
• SPeC: A Soft Prompt-Based Calibration on Performance Variability of Large Language Model in Clinical Notes Summarization [50.01382938451978]
  本稿では,ソフトプロンプトを用いたモデルに依存しないパイプラインを導入し,確率に基づく要約の利点を保ちながら分散を減少させる。 実験結果から,本手法は性能を向上するだけでなく,様々な言語モデルの分散を効果的に抑制することが明らかとなった。
  論文  参考訳（メタデータ） (2023-03-23T04:47:46Z)
• ECG-Based Patient Identification: A Comprehensive Evaluation Across Health and Activity Conditions [0.0]
  本稿では,心電図信号を用いた医療システムにおける患者識別のための新しいアプローチを提案する。 畳み込みニューラルネットワーク(CNN)は、心電図信号から派生した特定のタイプの画像である心電図に基づいてユーザを分類するために使用される。 提案した同定システムは複数のデータベースで評価され、健常者では99.84%、循環器疾患では97.09%、健常者および不整脈患者では97.89%である。
  論文  参考訳（メタデータ） (2023-02-13T17:14:55Z)
• Exploiting segmentation labels and representation learning to forecast therapy response of PDAC patients [60.78505216352878]
  化学療法に対する腫瘍反応を予測するためのハイブリッドディープニューラルネットワークパイプラインを提案する。 セグメンテーションから分類への表現伝達の組み合わせと、ローカライゼーションと表現学習を利用する。 提案手法は, 合計477個のデータセットを用いて, ROC-AUC 63.7% の処理応答を予測できる, 極めて効率的な手法である。
  論文  参考訳（メタデータ） (2022-11-08T11:50:31Z)
• Mutual Information Assisted Ensemble Recommender System for Identifying Critical Risk Factors in Healthcare Prognosis [0.10262304700896199]
  本研究は, 疾患管理システムの一部として, 疾患の最も重要な危険因子を特定し, 推奨する特徴推薦器を提案する。 多様な疾患の4つのベンチマークデータセットで実験が行われた。 提案するリコメンデーターは、疾患を最も識別する能力を有する危険因子を同定し、推薦することができる。
  論文  参考訳（メタデータ） (2022-09-28T04:54:37Z)
• Intelligent Sight and Sound: A Chronic Cancer Pain Dataset [74.77784420691937]
  本稿では,Intelligent Sight and Sound (ISS) 臨床試験の一環として収集された,最初の慢性ガン痛データセットを紹介する。 これまで収集されたデータは29の患者、509のスマートフォンビデオ、189,999のフレーム、そして自己報告された感情と活動の痛みのスコアから成っている。 静的画像とマルチモーダルデータを用いて、自己報告された痛みレベルを予測する。
  論文  参考訳（メタデータ） (2022-04-07T22:14:37Z)
• 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)
• Service Selection using Predictive Models and Monte-Carlo Tree Search [1.2599533416395763]
  本稿では,治療効果の向上と再入院コストの低減を図るための自動サービス選択手法を提案する。 国家ホーム・ホスピスケアサーベイ(NHHCS)データセットを用いて,介護サービスが再入院のリスクに与える影響を定量化する予測モデルを開発した。 開発モデルはモンテカルロ木探索 (MCTS) に組み込まれ, 緊急再ホスピタライゼーションのリスクを最小限に抑えるサービスの組み合わせを最適に決定する。
  論文  参考訳（メタデータ） (2020-02-12T09:04:30Z)

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。