論文の概要: Long-term Neurological Sequelae in Post-COVID-19 Patients: A Machine Learning Approach to Predict Outcomes

• arxiv url: http://arxiv.org/abs/2309.09993v1
• Date: Fri, 15 Sep 2023 21:36:43 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-20 18:41:37.505245
• Title: Long-term Neurological Sequelae in Post-COVID-19 Patients: A Machine Learning Approach to Predict Outcomes
• Title（参考訳）: 新型コロナウイルス後患者の長期神経症状 : 予後予測のための機械学習アプローチ
• Authors: Hayder A. Albaqer, Kadhum J. Al-Jibouri, John Martin, Fadhil G. Al-Amran, Salman Rawaf, Maitham G. Yousif
• Abstract要約: 主な目的は、さまざまな臨床データとニューロイメージングパラメータに基づいた機械学習アプローチによる結果の予測であった。 機械学習モデルの適用は、長期的な神経学的結果を予測する上で有望な結果を示した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: The COVID-19 pandemic has brought to light a concerning aspect of long-term neurological complications in post-recovery patients. This study delved into the investigation of such neurological sequelae in a cohort of 500 post-COVID-19 patients, encompassing individuals with varying illness severity. The primary aim was to predict outcomes using a machine learning approach based on diverse clinical data and neuroimaging parameters. The results revealed that 68% of the post-COVID-19 patients reported experiencing neurological symptoms, with fatigue, headache, and anosmia being the most common manifestations. Moreover, 22% of the patients exhibited more severe neurological complications, including encephalopathy and stroke. The application of machine learning models showed promising results in predicting long-term neurological outcomes. Notably, the Random Forest model achieved an accuracy of 85%, sensitivity of 80%, and specificity of 90% in identifying patients at risk of developing neurological sequelae. These findings underscore the importance of continuous monitoring and follow-up care for post-COVID-19 patients, particularly in relation to potential neurological complications. The integration of machine learning-based outcome prediction offers a valuable tool for early intervention and personalized treatment strategies, aiming to improve patient care and clinical decision-making. In conclusion, this study sheds light on the prevalence of long-term neurological complications in post-COVID-19 patients and demonstrates the potential of machine learning in predicting outcomes, thereby contributing to enhanced patient management and better health outcomes. Further research and larger studies are warranted to validate and refine these predictive models and to gain deeper insights into the underlying mechanisms of post-COVID-19 neurological sequelae.
• Abstract（参考訳）: 新型コロナウイルス(COVID-19)のパンデミックは、回復後患者の長期にわたる神経合併症の側面を浮き彫りにした。 この研究は、500人の共生後の患者を対象にした神経学的後遺症の調査を行い、疾患の重症度が異なる患者を対象とした。 主な目的は、さまざまな臨床データとニューロイメージングパラメータに基づいた機械学習アプローチによる結果の予測であった。 その結果、共発後19例の68%が神経症状を呈し、疲労、頭痛、無呼吸が最も多いことが明らかとなった。 さらに22%の患者は脳症や脳卒中などより重篤な神経症状を呈していた。 機械学習モデルの適用は、長期的な神経学的結果を予測する有望な結果を示した。 特にランダムフォレストモデルでは85%の精度、80%の感度、神経後遺症を発症するリスクのある患者を特定できる90%の特異性を達成した。 これらの知見は、特に潜在的な神経学的合併症に関して、COVID-19後の患者の継続的なモニタリングとフォローアップケアの重要性を強調している。 機械学習に基づく結果予測の統合は、早期介入とパーソナライズされた治療戦略のための貴重なツールを提供する。 結論として本研究は,共生後19例の長期神経合併症の有病率に光を当て,予後予測における機械学習の可能性を示し,患者の管理と健康状態の改善に寄与した。 さらなる研究とより大きな研究は、これらの予測モデルを検証し、洗練し、新型コロナウイルス後の神経後続のメカニズムについてより深い洞察を得ることが求められる。

関連論文リスト

• Prognosis of COVID-19 using Artificial Intelligence: A Systematic Review and Meta-analysis [0.23221087157793407]
  この研究は、新型コロナウイルスの予後のためのAIの使用に関する論文を同定し、評価し、合成する。 例えば、Siamenseモデル、サポートベクターマシン、ランダムフォレスト、eXtreme Gradient Boosting、畳み込みニューラルネットワークなどである。 その結果, 死亡率71%, 88%, 67%の感度, 重症度評価, 換気の必要性が確認された。
  論文  参考訳（メタデータ） (2024-08-01T00:33:32Z)
• Probabilistic Temporal Prediction of Continuous Disease Trajectories and Treatment Effects Using Neural SDEs [6.5527554277858275]
  神経差分方程式(NSDE)による疾患進行の持続的時間的進化をモデル化するための最初の因果時間的枠組みを提示する。 本研究は,将来のMS障害(EDSSなど)と治療効果を正確に予測するための,不確実性に基づく因果学習(DL)モデルとして,最初の成功例を示す。
  論文  参考訳（メタデータ） (2024-06-18T17:22:55Z)
• Survival Prediction Across Diverse Cancer Types Using Neural Networks [40.392772795903795]
  胃癌と大腸腺癌は広範囲で難治性の悪性腫瘍である。 医療コミュニティは、患者の予後を推定するための重要な指標として、5年間の生存率を受け入れている。 本研究は胃癌および大腸癌患者の生存予測モデルを改善するための先駆的アプローチを提案する。
  論文  参考訳（メタデータ） (2024-04-11T21:47:13Z)
• Predicting Long-term Renal Impairment in Post-COVID-19 Patients with Machine Learning Algorithms [0.0]
  新型コロナウイルスのパンデミックは世界の公衆衛生に深刻な影響を及ぼしている。 腎障害は、その長期的健康への影響により、特に注目を集めている。 本研究は,高度な機械学習アルゴリズムを用いて長期腎障害のリスクを予測する試みである。
  論文  参考訳（メタデータ） (2023-09-28T14:44:06Z)
• Predicting Cardiovascular Complications in Post-COVID-19 Patients Using Data-Driven Machine Learning Models [0.0]
  新型コロナウイルス(COVID-19)のパンデミックは世界中で多くの健康上の問題を引き起こしている。 本研究では、データ駆動機械学習モデルを用いて、イラクからの352人のポスト新型コロナウイルス患者の合併症を予測する。
  論文  参考訳（メタデータ） (2023-09-27T22:52:08Z)
• Cognizance of Post-COVID-19 Multi-Organ Dysfunction through Machine Learning Analysis [0.0]
  本研究は,多臓器機能障害の解析・予測のための機械学習技術の応用に焦点を当てた。 COVID-19後症候群は、様々な臓器システムに影響を及ぼす幅広い持続的な症状を示しており、医療にとって大きな課題となっている。
  論文  参考訳（メタデータ） (2023-09-27T22:25:49Z)
• 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)
• Patient-independent Epileptic Seizure Prediction using Deep Learning Models [39.19336481493405]
  発作予知システムの目的は、発作が起こる前に起こる前頭前脳のステージを正常に識別することである。 患者に依存しない発作予測モデルは、データセット内の複数の被験者に正確なパフォーマンスを提供するように設計されている。 患者に依存しない2つの深層学習アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-11-18T23:13:48Z)
• Neuro-symbolic Neurodegenerative Disease Modeling as Probabilistic Programmed Deep Kernels [93.58854458951431]
  本稿では、神経変性疾患のパーソナライズされた予測モデリングのための、確率的プログラムによる深層カーネル学習手法を提案する。 我々の分析は、ニューラルネットワークとシンボリック機械学習のアプローチのスペクトルを考慮する。 我々は、アルツハイマー病の予測問題について評価を行い、深層学習を超越した結果を得た。
  論文  参考訳（メタデータ） (2020-09-16T15:16:03Z)
• 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)
• From predictions to prescriptions: A data-driven response to COVID-19 [42.57407485467993]
  新型コロナウイルスの臨床的特徴を理解するための包括的データ駆動型アプローチを提案する。 私たちは、感染や死亡のリスクを予測するために、パーソナライズされた電卓を構築します。 人工呼吸器の再配置と不足軽減のための最適化モデルを提案する。
  論文  参考訳（メタデータ） (2020-06-30T03:34:00Z)

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。