Fugu-MT 論文翻訳(概要): Predicting Long-term Renal Impairment in Post-COVID-19 Patients with Machine Learning Algorithms

論文の概要: Predicting Long-term Renal Impairment in Post-COVID-19 Patients with Machine Learning Algorithms

arxiv url: http://arxiv.org/abs/2309.16744v1
Date: Thu, 28 Sep 2023 14:44:06 GMT
ステータス: 処理完了
システム内更新日: 2023-10-02 16:58:50.033576
Title: Predicting Long-term Renal Impairment in Post-COVID-19 Patients with Machine Learning Algorithms
Title（参考訳）: 機械学習アルゴリズムを用いた術後腎障害の長期予測
Authors: Maitham G. Yousif, Hector J. Castro, John Martin, Hayder A. Albaqer, Fadhil G. Al-Amran, Habeeb W. Shubber, Salman Rawaf
Abstract要約: 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。
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 had far-reaching implications for global public health. As we continue to grapple with its consequences, it becomes increasingly clear that post-COVID-19 complications are a significant concern. Among these complications, renal impairment has garnered particular attention due to its potential long-term health impacts. This study, conducted with a cohort of 821 post-COVID-19 patients from diverse regions of Iraq across the years 2021, 2022, and 2023, endeavors to predict the risk of long-term renal impairment using advanced machine learning algorithms. Our findings have the potential to revolutionize post-COVID-19 patient care by enabling early identification and intervention for those at risk of renal impairment, ultimately improving clinical outcomes. This research encompasses comprehensive data collection and preprocessing, feature selection, and the development of predictive models using various machine learning algorithms. The study's objectives are to assess the incidence of long-term renal impairment in post-COVID-19 patients, identify associated risk factors, create predictive models, and evaluate their accuracy. We anticipate that our machine learning models, drawing from a rich dataset, will provide valuable insights into the risk of renal impairment, ultimately enhancing patient care and quality of life. In conclusion, the research presented herein offers a critical contribution to the field of post-COVID-19 care. By harnessing the power of machine learning, we aim to predict long-term renal impairment risk accurately. These predictions have the potential to inform healthcare professionals, enabling them to take proactive measures and provide targeted interventions for post-COVID-19 patients at risk of renal complications, thus minimizing the impact of this serious health concern.
Abstract（参考訳）: 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。この結果が続くにつれ、covid-19後の合併症が重大な懸念事項であることはますます明らかになっている。これらの合併症の中で、腎障害は長期にわたる健康への影響から特に注目を集めている。この研究は、2021年、2022年、2023年にわたってイラク各地の821人のポスト新型コロナウイルス患者を対象に実施され、高度な機械学習アルゴリズムを用いて長期の腎障害のリスクを予測する。腎不全のリスクのある患者に対する早期診断と介入を可能にし,最終的に臨床成績を改善することにより,共生後の患者のケアに革命をもたらす可能性が示唆された。本研究は、包括的データ収集と事前処理、特徴選択、各種機械学習アルゴリズムを用いた予測モデルの開発を含む。研究の目的は、新型コロナウイルス後患者の長期腎障害の発生率を評価し、関連するリスク要因を特定し、予測モデルを作成し、精度を評価することである。私たちは、豊富なデータセットから得られた機械学習モデルが腎不全のリスクに関する貴重な洞察を与え、最終的には患者のケアと生活の質を高めることを期待しています。結論として、今回の研究は、COVID-19後のケア分野に重要な貢献をしている。機械学習の力を利用して長期腎障害のリスクを正確に予測することを目的とする。これらの予測は、医療専門家に情報を伝達する可能性があり、この深刻な健康問題の影響を最小限に抑えるため、プロアクティブな措置を採り、腎合併症のリスクがある患者に対する標的的介入を提供することができる。

関連論文リスト

COVID-19 Probability Prediction Using Machine Learning: An Infectious Approach [0.0]
本研究は、新型コロナウイルス感染確率を予測するための高度な機械学習(ML)技術の適用について検討する。我々はXGBoost, LGBM, AdaBoost, Logistic Regression, Decision Tree, RandomForest, CatBoost, KNN, Deep Neural Networks (DNN) などのMLモデルの有効性について厳密な調査を行った。以上の結果から,Deep Neural Networks (DNN) が最高性能モデルとして登場し,精度が向上し,リコール指標が得られた。
論文参考訳（メタデータ） (2024-08-23T05:15:24Z)
AI Age Discrepancy: A Novel Parameter for Frailty Assessment in Kidney Tumor Patients [3.2441121935479877]
本稿では,術前腹部CT検査の機械学習解析から得られた新しい指標であるAI Age Discrepancyを紹介する。高いAI年齢差は、確立された要因とは無関係に、長期入院と総合生存率の低下と大きく関連している。
論文参考訳（メタデータ） (2024-06-29T13:15:05Z)
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)
Long-term Neurological Sequelae in Post-COVID-19 Patients: A Machine Learning Approach to Predict Outcomes [0.0]
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。
論文参考訳（メタデータ） (2023-09-15T21:36:43Z)
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)
COVID-Net Clinical ICU: Enhanced Prediction of ICU Admission for COVID-19 Patients via Explainability and Trust Quantification [71.80459780697956]
患者臨床データに基づくICU入院予測のためのニューラルネットワークであるCOVID-Net Clinical ICUを紹介する。提案されたCOVID-Net Clinical ICUは、1,925人のCOVID-19患者からなるシロ・リバネ病院の臨床データセットを使用して構築された。定量的説明可能性戦略を用いたシステムレベルの洞察発見を行い,異なる臨床特徴の意思決定効果について検討した。
論文参考訳（メタデータ） (2021-09-14T14:16:32Z)
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)
Individualized Prediction of COVID-19 Adverse outcomes with MLHO [9.197411456718708]
我々は、反復的な特徴とアルゴリズムの選択を利用して健康状態を予測するエンドツーエンドの機械学習フレームワークを開発した。入院前患者の健康状態と人口統計を表わす特徴として,約600点を用いた4つの有害な結果のモデル化を行った。以上の結果から, 人口統計学的変数は, 新型コロナウイルス感染後の副作用の予測因子として重要であるが, 過去の臨床記録の組み入れは, 信頼性の高い予測モデルに欠かせないことが示唆された。
論文参考訳（メタデータ） (2020-08-10T02:44:52Z)
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)
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)
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。