論文の概要: Framework based on complex networks to model and mine patient pathways
- arxiv url: http://arxiv.org/abs/2309.14208v2
- Date: Fri, 27 Oct 2023 17:59:33 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-30 16:53:06.231967
- Title: Framework based on complex networks to model and mine patient pathways
- Title(参考訳): 複雑なネットワークに基づく患者経路のモデル化とマイニング
- Authors: Caroline de Oliveira Costa Souza Rosa, M\'arcia Ito, Alex Borges
Vieira, Klaus Wehmuth, Ant\^onio Tadeu Azevedo Gomes
- Abstract要約: いわゆる「患者の道」は、臨床および組織的な決定を支援する新しい研究分野である。
i) マルチアスペクトグラフに基づく経路モデル, (ii) 経過時間を考慮した経路比較のための新しい相似性測定, および (iii) 経路の最も関連性の高いステップを発見するための従来の集中度尺度に基づくマイニング手法からなるフレームワークを提案する。
- 参考スコア(独自算出の注目度): 0.6749750044497732
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The automatic discovery of a model to represent the history of encounters of
a group of patients with the healthcare system -- the so-called "pathway of
patients" -- is a new field of research that supports clinical and
organisational decisions to improve the quality and efficiency of the treatment
provided. The pathways of patients with chronic conditions tend to vary
significantly from one person to another, have repetitive tasks, and demand the
analysis of multiple perspectives (interventions, diagnoses, medical
specialities, among others) influencing the results. Therefore, modelling and
mining those pathways is still a challenging task. In this work, we propose a
framework comprising: (i) a pathway model based on a multi-aspect graph, (ii) a
novel dissimilarity measurement to compare pathways taking the elapsed time
into account, and (iii) a mining method based on traditional centrality
measures to discover the most relevant steps of the pathways. We evaluated the
framework using the study cases of pregnancy and diabetes, which revealed its
usefulness in finding clusters of similar pathways, representing them in an
easy-to-interpret way, and highlighting the most significant patterns according
to multiple perspectives.
- Abstract(参考訳): 医療システム(いわゆる「患者のパスウェイ」)を持つ患者の集団の遭遇履歴を表すモデルの自動発見は、提供された治療の質と効率を改善するために、臨床および組織的な決定を支援する新しい研究分野である。
慢性疾患患者の経路は、ある人から別の人へ大きく変化し、反復作業を行い、その結果に影響を及ぼす複数の視点(介入、診断、医学的専門性など)の分析を要求する傾向がある。
したがって、これらの経路のモデリングとマイニングは依然として難しい課題である。
本稿では,以下のフレームワークを提案する。
(i)マルチアスペクトグラフに基づく経路モデル
(ii)経過時間をとる経路を比較するための新しい相似性測定、及び
(iii)経路の最も適切な段階を発見するために、伝統的な中央集権的措置に基づく採鉱方法。
本研究は, 妊娠と糖尿病の研究事例を用いて, 類似経路のクラスターの発見に有用であること, 容易に解釈できる方法で表現できること, および複数の視点で最も顕著なパターンを強調した。
関連論文リスト
- Modeling Complex Disease Trajectories using Deep Generative Models with
Semi-Supervised Latent Processes [0.04818215922729969]
我々は、確立された医療概念を用いて、潜伏空間を遠ざけるための半教師付きアプローチを開発する。
学習した時間潜伏過程を,さらなるデータ分析と臨床仮説テストに活用できることが示唆された。
論文 参考訳(メタデータ) (2023-11-14T13:25:41Z) - Predictive and Prescriptive Analytics for Multi-Site Modeling of Frail
and Elderly Patient Services [0.0]
本研究の目的は、需要が増大している医療分野における、様々な予測的、規範的分析手法が、運用上の課題にどのように貢献するかを評価することである。
規範的な面では、ベッドや病棟のスタッフを最適に計画する方法を決定するための決定論的プログラムと2段階プログラムが開発されている。
我々の研究は、医療管理者が予測モデルと規範モデルを使ってより情報的な意思決定を行うことを検討すべきであることを明らかにしている。
論文 参考訳(メタデータ) (2023-11-13T12:25:45Z) - Deep learning methods for drug response prediction in cancer:
predominant and emerging trends [50.281853616905416]
がんを研究・治療するための計算予測モデルをエクスプロイトすることは、薬物開発の改善と治療計画のパーソナライズドデザインにおいて大きな可能性を秘めている。
最近の研究の波は、ディープラーニング手法を用いて、薬物治療に対するがん反応を予測するという有望な結果を示している。
このレビューは、この分野の現状をよりよく理解し、主要な課題と将来性のあるソリューションパスを特定します。
論文 参考訳(メタデータ) (2022-11-18T03:26:31Z) - A Two-stream Convolutional Network for Musculoskeletal and Neurological
Disorders Prediction [14.003588854239544]
筋骨格障害や神経疾患は高齢者の歩行障害の最も一般的な原因である。
近年のディープラーニングに基づく手法は、自動分析に有望な結果を示している。
論文 参考訳(メタデータ) (2022-08-18T14:32:16Z) - Modelling and Mining of Patient Pathways: A Scoping Review [0.09176056742068812]
電子的健康データ提供の台頭により、多数の患者の経路を評価することが可能になった。
これらの経路をどのように合成するか、データからどのようにマイニングするかについても、いくつかの課題が持ち上がった。
本研究の目的は, この新たな研究分野を探求し, 表現モデル, 鉱業技術, 分析方法, 事例研究の例を紹介することである。
論文 参考訳(メタデータ) (2022-06-04T12:44:24Z) - Multi-Domain Balanced Sampling Improves Out-of-Distribution
Generalization of Chest X-ray Pathology Prediction Models [67.2867506736665]
そこで本研究では, 簡単なバッチサンプリング手法を用いた胸部X線像の分布外一般化法を提案する。
複数のトレーニングデータセット間のバランスの取れたサンプリングは、バランスを取らずにトレーニングされたベースラインモデルよりもパフォーマンスが向上する。
論文 参考訳(メタデータ) (2021-12-27T15:28:01Z) - Adversarial Sample Enhanced Domain Adaptation: A Case Study on
Predictive Modeling with Electronic Health Records [57.75125067744978]
ドメイン適応を容易にするデータ拡張手法を提案する。
逆生成したサンプルはドメイン適応時に使用される。
その結果,本手法の有効性とタスクの一般性が確認された。
論文 参考訳(メタデータ) (2021-01-13T03:20:20Z) - MIA-Prognosis: A Deep Learning Framework to Predict Therapy Response [58.0291320452122]
本稿では,患者の予後と治療反応を予測するための統合型深層学習手法を提案する。
我々は,マルチモーダル非同期時系列分類タスクとして,確率モデリングを定式化する。
我々の予測モデルは、長期生存の観点から、低リスク、高リスクの患者をさらに階層化する可能性がある。
論文 参考訳(メタデータ) (2020-10-08T15:30:17Z) - Trajectories, bifurcations and pseudotime in large clinical datasets:
applications to myocardial infarction and diabetes data [94.37521840642141]
混合データ型と欠落値を特徴とする大規模臨床データセット分析のための半教師付き方法論を提案する。
この手法は、次元の減少、データの可視化、クラスタリング、特徴の選択と、部分的に順序付けられた観測列における測地距離(擬時)の定量化のタスクを同時に扱うことのできる弾性主グラフの適用に基づいている。
論文 参考訳(メタデータ) (2020-07-07T21:04:55Z) - Estimating Counterfactual Treatment Outcomes over Time Through
Adversarially Balanced Representations [114.16762407465427]
時間とともに治療効果を推定するためにCRN(Counterfactual Recurrent Network)を導入する。
CRNは、患者履歴のバランスの取れた表現を構築するために、ドメイン敵のトレーニングを使用する。
本モデルでは, 正解率の予測と適切な治療時期の選択において, 誤差の低減を図っている。
論文 参考訳(メタデータ) (2020-02-10T20:47:36Z)
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。