論文の概要: Cardiovascular Disease Risk Prediction via Social Media

• arxiv url: http://arxiv.org/abs/2309.13147v2
• Date: Thu, 28 Sep 2023 22:49:01 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-02 17:17:23.565033
• Title: Cardiovascular Disease Risk Prediction via Social Media
• Title（参考訳）: ソーシャルメディアによる心血管疾患リスク予測
• Authors: Al Zadid Sultan Bin Habib, Md Asif Bin Syed, Md Tanvirul Islam, Donald A. Adjeroh
• Abstract要約: ツイートで表現された感情を解析し,CVD関連キーワードの新しい辞書を開発した。 感情分析のVADERモデルを用いて、ユーザはCVDリスクにおいて潜在的に分類された。 その結果、ツイートの感情を分析することは、人口統計データの予測能力を上回ることがわかった。
• 参考スコア（独自算出の注目度）: 3.072340427031969
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Researchers use Twitter and sentiment analysis to predict Cardiovascular Disease (CVD) risk. We developed a new dictionary of CVD-related keywords by analyzing emotions expressed in tweets. Tweets from eighteen US states, including the Appalachian region, were collected. Using the VADER model for sentiment analysis, users were classified as potentially at CVD risk. Machine Learning (ML) models were employed to classify individuals' CVD risk and applied to a CDC dataset with demographic information to make the comparison. Performance evaluation metrics such as Test Accuracy, Precision, Recall, F1 score, Mathew's Correlation Coefficient (MCC), and Cohen's Kappa (CK) score were considered. Results demonstrated that analyzing tweets' emotions surpassed the predictive power of demographic data alone, enabling the identification of individuals at potential risk of developing CVD. This research highlights the potential of Natural Language Processing (NLP) and ML techniques in using tweets to identify individuals with CVD risks, providing an alternative approach to traditional demographic information for public health monitoring.
• Abstract（参考訳）: 研究者はtwitterと感情分析を使って心血管疾患(cvd)のリスクを予測する。 ツイート中の感情を解析し,cvd関連キーワードの辞書を開発した。 アパラチア地方を含む18州からのツイートが収集された。 感情分析のVADERモデルを用いて、ユーザはCVDリスクにおいて潜在的に分類された。 機械学習(ML)モデルを用いて個人のCVDリスクを分類し、統計情報を備えたCDCデータセットに適用して比較を行った。 テスト精度、精度、リコール、F1スコア、マシューの相関係数(MCC)、コーエンのKappaスコア(CK)などのパフォーマンス評価指標を検討した。 その結果、ツイートの感情分析は、人口統計データのみの予測力を上回り、cvdを発症する可能性のある個人の識別を可能にした。 本研究は,CVDリスクのある個人を特定するためにつぶやきを用いた自然言語処理(NLP)とML技術の可能性を強調し,従来の人口統計情報に代わる公衆衛生モニタリング手法を提供する。

関連論文リスト

• Integrating Deep Learning with Fundus and Optical Coherence Tomography for Cardiovascular Disease Prediction [47.7045293755736]
  心血管疾患(CVD)のリスクのある患者の早期発見は、効果的な予防ケア、医療負担の軽減、患者の生活の質の向上に不可欠である。 本研究は、網膜光コヒーレンス断層撮影(OCT)と眼底写真との併用による、将来の心疾患の特定の可能性を示すものである。 そこで我々は,MCVAE(Multi- Channel Variational Autoencoder)に基づく新たなバイナリ分類ネットワークを提案し,患者の眼底画像とOCT画像の潜伏埋め込みを学習し,個人を将来CVDを発症する可能性のあるものとそうでないものとの2つのグループに分類する。
  論文  参考訳（メタデータ） (2024-10-18T12:37:51Z)
• Machine Learning Models for the Identification of Cardiovascular Diseases Using UK Biobank Data [4.285399998352862]
  この調査では、英国の主要医療センターから50万人以上の中年参加者が参加しました。 参加者は、心臓発作、狭心症、脳卒中、高血圧の少なくとも1つを報告した場合、CVDと分類された。 我々は9つの機械学習モデル (LSVM, RBFSVM, GP, DT, RF, NN, AdaBoost, NB, QDA) を用いた。
  論文  参考訳（メタデータ） (2024-07-23T11:05:20Z)
• MedDiffusion: Boosting Health Risk Prediction via Diffusion-based Data Augmentation [58.93221876843639]
  本稿では,MedDiffusion という,エンドツーエンドの拡散に基づくリスク予測モデルを提案する。 トレーニング中に合成患者データを作成し、サンプルスペースを拡大することで、リスク予測性能を向上させる。 ステップワイズ・アテンション・メカニズムを用いて患者の来訪者間の隠れた関係を識別し、高品質なデータを生成する上で最も重要な情報をモデルが自動的に保持することを可能にする。
  論文  参考訳（メタデータ） (2023-10-04T01:36:30Z)
• Contrastive Learning-based Imputation-Prediction Networks for In-hospital Mortality Risk Modeling using EHRs [9.578930989075035]
  本稿では, EHRデータを用いた病院内死亡リスク予測のための, 対照的な学習ベース予測ネットワークを提案する。 本研究は, グラフ解析に基づく患者層形成モデルを用いて, 似通った患者をグループ化する手法を提案する。 2つの実世界のEHRデータセットの実験により、我々のアプローチは、計算タスクと予測タスクの両方において最先端のアプローチよりも優れていることが示された。
  論文  参考訳（メタデータ） (2023-08-19T03:24:34Z)
• Predicting Cardiovascular Disease Risk using Photoplethysmography and Deep Learning [9.273651488255036]
  心血管疾患 (CVD) は、低所得国や中所得国で早期に死亡する原因となっている。 そこで本研究では,ほとんどのスマートフォンで利用可能なセンシング技術であるフォトプレチスモグラフィー(Photoplethysmography)の可能性について検討した。 PPGを用いた深層学習型CVDリスクスコア(DLS)を開発した。
  論文  参考訳（メタデータ） (2023-05-09T17:46:43Z)
• Informing clinical assessment by contextualizing post-hoc explanations of risk prediction models in type-2 diabetes [50.8044927215346]
  本研究は, 合併症リスク予測のシナリオを考察し, 患者の臨床状態に関する文脈に焦点を当てる。 我々は、リスク予測モデル推論に関する文脈を提示し、その受容性を評価するために、最先端のLLMをいくつか採用する。 本論文は,実世界における臨床症例における文脈説明の有効性と有用性を明らかにする最初のエンドツーエンド分析の1つである。
  論文  参考訳（メタデータ） (2023-02-11T18:07:11Z)
• Development of an accessible 10-year Digital CArdioVAscular (DiCAVA) risk assessment: a UK Biobank study [0.46180371154032895]
  目標は、統計的および機械学習技術を使用して新しいリスクモデル(DiCAVA)を開発することであった。 第二の目標は、CVDリスクアセスメントに組み込むことができる新しい患者中心変数を特定することでした。
  論文  参考訳（メタデータ） (2021-04-20T16:01:50Z)
• Predicting cardiovascular risk from national administrative databases using a combined survival analysis and deep learning approach [0.3463527836552467]
  本研究では,従来のコックス比例ハザードモデル(CPH)を用いた生存分析モデルのディープラーニング拡張性能の比較を行った。 深層学習モデルは、説明された時間対イベントの発生率に基づいてCPHモデルよりも有意に優れていた。 深層学習モデルは、解釈可能なCVDリスク予測方程式を導出するために、大規模な健康管理データベースに適用することができる。
  論文  参考訳（メタデータ） (2020-11-28T00:10:25Z)
• 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)
• Epidemic mitigation by statistical inference from contact tracing data [61.04165571425021]
  我々は,個人が感染するリスクを推定するためにベイズ推定法を開発した。 本稿では,感染防止のための検査・隔離戦略を最適化するために,確率論的リスク推定手法を提案する。 我々のアプローチは、最近接触した個人間の通信のみを必要とする、完全に分散されたアルゴリズムに変換されます。
  論文  参考訳（メタデータ） (2020-09-20T12:24:45Z)
• Hemogram Data as a Tool for Decision-making in COVID-19 Management: Applications to Resource Scarcity Scenarios [62.997667081978825]
  新型コロナウイルス(COVID-19)のパンデミックは世界中の緊急対応システムに挑戦している。 本研究は, 症状患者の血液検査データから得られた機械学習モデルについて述べる。 提案されたモデルでは、新型コロナウイルスqRT-PCRの結果を、高い精度、感度、特異性で症状のある個人に予測することができる。
  論文  参考訳（メタデータ） (2020-05-10T01:45:03Z)

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。