論文の概要: Identifying Risk Factors for Post-COVID-19 Mental Health Disorders: A
Machine Learning Perspective
- arxiv url: http://arxiv.org/abs/2309.16055v1
- Date: Wed, 27 Sep 2023 22:30:11 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-29 18:39:34.888299
- Title: Identifying Risk Factors for Post-COVID-19 Mental Health Disorders: A
Machine Learning Perspective
- Title（参考訳）: 共生後のメンタルヘルス障害の危険因子の同定 : 機械学習の視点から
- Authors: Maitham G. Yousif, Fadhil G. Al-Amran, Hector J. Castro
- Abstract要約: 我々は、機械学習技術を利用して、COVID-19後のメンタルヘルス障害に関連するリスク要因を特定しました。
年齢、性別、居住地は、精神疾患の発症に影響を及ぼす重要な人口統計要因であった。
新型コロナウイルス感染症の重症度は、重要な臨床予測因子であった。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this study, we leveraged machine learning techniques to identify risk
factors associated with post-COVID-19 mental health disorders. Our analysis,
based on data collected from 669 patients across various provinces in Iraq,
yielded valuable insights. We found that age, gender, and geographical region
of residence were significant demographic factors influencing the likelihood of
developing mental health disorders in post-COVID-19 patients. Additionally,
comorbidities and the severity of COVID-19 illness were important clinical
predictors. Psychosocial factors, such as social support, coping strategies,
and perceived stress levels, also played a substantial role. Our findings
emphasize the complex interplay of multiple factors in the development of
mental health disorders following COVID-19 recovery. Healthcare providers and
policymakers should consider these risk factors when designing targeted
interventions and support systems for individuals at risk. Machine
learning-based approaches can provide a valuable tool for predicting and
preventing adverse mental health outcomes in post-COVID-19 patients. Further
research and prospective studies are needed to validate these findings and
enhance our understanding of the long-term psychological impact of the COVID-19
pandemic. This study contributes to the growing body of knowledge regarding the
mental health consequences of the COVID-19 pandemic and underscores the
importance of a multidisciplinary approach to address the diverse needs of
individuals on the path to recovery. Keywords: COVID-19, mental health, risk
factors, machine learning, Iraq
- Abstract（参考訳）: 本研究では,機械学習を用いて,共生後のメンタルヘルス障害に関連する危険因子を同定した。
イラク各地の669人の患者から収集したデータをもとに分析を行い,貴重な知見を得た。
その結果,居住地の年齢,性別,地理的な地域は,共生後の19歳以上の精神健康障害の発症に影響を及ぼす有意な要因であった。
加えて、共生性と新型コロナウイルスの重症度は重要な臨床予測因子であった。
社会的支援、対処戦略、ストレスレベルなどの心理社会的要因も大きな役割を果たした。
本研究は、covid-19回復後の精神疾患発症における多因子の複雑な相互作用を強調する。
医療提供者や政策立案者は、リスクのある個人を対象にした介入や支援システムを設計する際に、これらのリスク要因を検討する必要がある。
機械学習に基づくアプローチは、covid-19後の患者のメンタルヘルスの悪影響を予測し、予防するための貴重なツールとなる。
新型コロナウイルスのパンデミックによる長期的な心理的影響の理解を深めるためには、さらなる研究と今後の研究が必要である。
本研究は、新型コロナウイルス(covid-19)パンデミックの精神的健康への影響に関する知識の増大に寄与し、回復への道のりにおける個人の多様なニーズに対応するための多分野のアプローチの重要性を強調する。
キーワード:covid-19、メンタルヘルス、リスクファクター、機械学習、イラク
関連論文リスト
- Predicting Depression and Anxiety: A Multi-Layer Perceptron for
Analyzing the Mental Health Impact of COVID-19 [1.9809980686152868]
新型コロナウイルスのパンデミックに伴うメンタルヘルスの傾向を予測するため,多層パーセプトロン(MLP)であるCoDAPを導入した。
本手法は、米国成人の多様なコホートにおいて、最初の新型コロナウイルス波(2020年4月から6月)の間に、週10週間にわたってメンタルヘルスの症状を追跡した包括的データセットを用いている。
このモデルは、パンデミック中の不安や抑うつのパターンを予測するだけでなく、人口統計要因、行動の変化、および精神健康の社会的決定要因の相互作用に関する重要な洞察も明らかにしている。
論文 参考訳（メタデータ） (2024-03-09T22:49:04Z) - 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) - Precision psychiatry: predicting predictability [0.0]
私は精密精神医学の分野での10の課題をレビューします。
現実の人口と現実的な臨床結果の定義についての研究が必要である。
プラセボ効果や処方薬の非順守などの治療関連因子について検討する。
論文 参考訳（メタデータ） (2023-06-21T13:10:46Z) - Human Behavior in the Time of COVID-19: Learning from Big Data [71.26355067309193]
2020年3月以降、新型コロナウイルスの感染者は6億人を超え、600万人以上が死亡している。
パンデミックはあらゆる面で人間の行動に影響を与え、変化をもたらした。
研究者は自然言語処理、コンピュータビジョン、音声信号処理、頻繁なパターンマイニング、機械学習といったビッグデータ技術を採用してきた。
論文 参考訳（メタデータ） (2023-03-23T17:19:26Z) - Exploring Social Media for Early Detection of Depression in COVID-19
Patients [44.76299288962596]
早期に検出と介入は、新型コロナウイルス患者のうつ病のリスクを減少させる可能性がある。
我々は、感染前後のソーシャルメディア活動に関する情報を含む新型コロナウイルス患者のデータセットを管理した。
うつ病リスクの高いCOVID-19患者の特徴を明らかにするため,本データセットを広範囲に分析した。
論文 参考訳（メタデータ） (2023-02-23T14:13:52Z) - The Invisible COVID-19 Crisis: Post-Traumatic Stress Disorder Risk Among
Frontline Physicians Treating COVID-19 Patients [2.6938549839852524]
本研究は、米国最前線の医師(COVID-19患者)における外傷性ストレス障害(PTSD)について、第2ラインの医師(COVID-19患者を治療しない)と比較して評価した。
主な被害要因は、うつ病、燃え尽き症候群、ネガティブな対処、新型コロナウイルスの感染・感染の恐れ、スティグマの認識、新型コロナウイルス患者の治療に不十分なリソースなどであった。
論文 参考訳（メタデータ） (2021-10-25T17:01:36Z) - COVID-Net CT-S: 3D Convolutional Neural Network Architectures for
COVID-19 Severity Assessment using Chest CT Images [85.00197722241262]
我々は、新型コロナウイルス感染による肺疾患の重症度を予測するための深層畳み込みニューラルネットワークであるCOVID-Net CT-Sを紹介した。
3D残像設計を利用して、新型コロナウイルスの肺疾患の重症度を特徴付ける容積的視覚指標を学習する。
論文 参考訳（メタデータ） (2021-05-04T04:44:41Z) - Understanding the temporal evolution of COVID-19 research through
machine learning and natural language processing [66.63200823918429]
重症急性呼吸器症候群2号(SARS-CoV-2)による新型コロナウイルス感染症(COVID-19)の流行は、世界中の人々の生活や社会に影響を与え続けている。
私たちは複数のデータソース、すなわちPubMedとArXivを使用し、現在のCOVID-19研究の風景を特徴づけるために、いくつかの機械学習モデルを構築しました。
調査の結果,PubMedとArXivで利用可能な研究の種類は異なることが確認された。
論文 参考訳（メタデータ） (2020-07-22T18:02:39Z) - COVI White Paper [67.04578448931741]
接触追跡は、新型コロナウイルスのパンデミックの進行を変える上で不可欠なツールだ。
カナダで開発されたCovid-19の公衆ピアツーピア接触追跡とリスク認識モバイルアプリケーションであるCOVIの理論的、設計、倫理的考察、プライバシ戦略について概説する。
論文 参考訳（メタデータ） (2020-05-18T07:40:49Z) - Mapping the Landscape of Artificial Intelligence Applications against
COVID-19 [59.30734371401316]
世界保健機関(WHO)は、SARS-CoV-2ウイルスによる新型コロナウイルスの感染をパンデミックと宣言した。
我々は、機械学習と、より広範に、人工知能を用いた最近の研究の概要を、新型コロナウイルス危機の多くの側面に取り組むために提示する。
論文 参考訳（メタデータ） (2020-03-25T12:30:33Z)
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。