論文の概要: Predicting Cardiovascular Complications in Post-COVID-19 Patients Using Data-Driven Machine Learning Models

• arxiv url: http://arxiv.org/abs/2309.16059v1
• Date: Wed, 27 Sep 2023 22:52:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2023-09-29 18:40:05.324552
• Title: Predicting Cardiovascular Complications in Post-COVID-19 Patients Using Data-Driven Machine Learning Models
• Title（参考訳）: データ駆動機械学習モデルを用いたCOVID-19後患者の心血管合併症予測
• Authors: Maitham G. Yousif, Hector J. Castro
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The COVID-19 pandemic has globally posed numerous health challenges, notably the emergence of post-COVID-19 cardiovascular complications. This study addresses this by utilizing data-driven machine learning models to predict such complications in 352 post-COVID-19 patients from Iraq. Clinical data, including demographics, comorbidities, lab results, and imaging, were collected and used to construct predictive models. These models, leveraging various machine learning algorithms, demonstrated commendable performance in identifying patients at risk. Early detection through these models promises timely interventions and improved outcomes. In conclusion, this research underscores the potential of data-driven machine learning for predicting post-COVID-19 cardiovascular complications, emphasizing the need for continued validation and research in diverse clinical settings.
• Abstract（参考訳）: 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問題を引き起こしている。 本研究では,イラクからの352人を対象に,データ駆動型機械学習モデルを用いて,これらの合併症を予測した。 統計学, 共生, 検査結果, 画像などの臨床データは収集され, 予測モデルの構築に用いられた。 これらのモデルは、さまざまな機械学習アルゴリズムを活用することで、患者を危険にさらす際の賞賛可能なパフォーマンスを示した。 これらのモデルによる早期検出は、タイムリーな介入と改善結果を約束する。 結論として本研究は,covid-19後の心血管合併症を予測するためのデータ駆動機械学習の可能性を強調し,臨床現場における継続的な検証と研究の必要性を強調した。

関連論文リスト

• 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)
• 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)
• Prediction of Post-Operative Renal and Pulmonary Complications Using Transformers [69.81176740997175]
  術後急性腎不全,肺合併症,院内死亡の予測におけるトランスフォーマーモデルの有用性について検討した。 以上の結果から,トランスフォーマーモデルにより術後合併症の予測や従来の機械学習モデルよりも優れた性能が得られることが示された。
  論文  参考訳（メタデータ） (2023-06-01T14:08:05Z)
• COVID-Net Biochem: An Explainability-driven Framework to Building Machine Learning Models for Predicting Survival and Kidney Injury of COVID-19 Patients from Clinical and Biochemistry Data [66.43957431843324]
  我々は、機械学習モデルを構築するための汎用的で説明可能なフレームワークであるCOVID-Net Biochemを紹介する。 この枠組みを用いて、新型コロナウイルス患者の生存率と、入院中に急性腎不全を発症する可能性を予測する。
  論文  参考訳（メタデータ） (2022-04-24T07:38:37Z)
• The pitfalls of using open data to develop deep learning solutions for COVID-19 detection in chest X-rays [64.02097860085202]
  深層学習モデルは、胸部X線から新型コロナウイルスを識別するために開発された。 オープンソースデータのトレーニングやテストでは,結果は異例です。 データ分析とモデル評価は、人気のあるオープンソースデータセットであるCOVIDxが実際の臨床問題を代表していないことを示している。
  論文  参考訳（メタデータ） (2021-09-14T10:59:11Z)
• Developing and validating multi-modal models for mortality prediction in COVID-19 patients: a multi-center retrospective study [1.5308395762165423]
  マルチセンター患者データを用いて、新型コロナウイルス死亡予測のためのマルチモーダルモデルの開発と検証を行った。 私たちのゴールは、調査員や組織が予測、分類、最適化のためのマルチモーダルモデルを構築するのを支援するツールキットを作ることです。
  論文  参考訳（メタデータ） (2021-09-01T04:46:27Z)
• COVIDx-US -- An open-access benchmark dataset of ultrasound imaging data for AI-driven COVID-19 analytics [116.6248556979572]
  COVIDx-USは、新型コロナウイルス関連超音波画像データのオープンアクセスベンチマークデータセットです。 肺超音波93本と,SARS-CoV-2肺炎,非SARS-CoV-2肺炎,健康管理症例10,774本からなる。
  論文  参考訳（メタデータ） (2021-03-18T03:31:33Z)
• Deep learning-based COVID-19 pneumonia classification using chest CT images: model generalizability [54.86482395312936]
  深層学習(DL)分類モデルは、異なる国の3DCTデータセット上で、COVID-19陽性患者を特定するために訓練された。 我々は、データセットと72%の列車、8%の検証、20%のテストデータを組み合わせたDLベースの9つの同一分類モデルを訓練した。 複数のデータセットでトレーニングされ、トレーニングに使用されるデータセットの1つからテストセットで評価されたモデルは、よりよいパフォーマンスを示した。
  論文  参考訳（メタデータ） (2021-02-18T21:14:52Z)
• Building Deep Learning Models to Predict Mortality in ICU Patients [0.0]
  そこで本研究では,SAPS IIスコアと同じ特徴を用いた深層学習モデルを提案する。 よく知られた臨床データセットである医療情報マート(Medical Information Mart for Intensive Care III)に基づいていくつかの実験が行われている。
  論文  参考訳（メタデータ） (2020-12-11T16:27:04Z)
• Artificial Intelligence for COVID-19 Detection -- A state-of-the-art review [5.237999056930947]
  新型コロナウイルスの出現は、適切な管理のために科学界の多くの努力を必要としている。 深層学習 (DL) と人工知能 (AI) の使用は、上記すべての領域で求められる。 グローバル緊急時の課題に対処するために、DLとAIを効果的に実装できることを評価することができる。
  論文  参考訳（メタデータ） (2020-11-25T07:02:14Z)
• Classification supporting COVID-19 diagnostics based on patient survey data [82.41449972618423]
  新型コロナウイルス患者の効果的なスクリーニングを可能にするロジスティック回帰とXGBoost分類器が作成された。 得られた分類モデルは、DECODEサービス(decode.polsl.pl)の基礎を提供し、COVID-19病患者のスクリーニング支援に役立てることができる。 このデータセットは、3,000以上のサンプルで構成されており、ポーランドの病院で収集されたアンケートに基づいている。
  論文  参考訳（メタデータ） (2020-11-24T17:44:01Z)

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。