論文の概要: Clinical Characteristics and Laboratory Biomarkers in ICU-admitted
Septic Patients with and without Bacteremia
- arxiv url: http://arxiv.org/abs/2311.08433v2
- Date: Thu, 16 Nov 2023 12:21:56 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-17 11:23:05.833554
- Title: Clinical Characteristics and Laboratory Biomarkers in ICU-admitted
Septic Patients with and without Bacteremia
- Title(参考訳): icu投与敗血症患者における細菌血症の臨床的特徴と検査バイオマーカー
- Authors: Sangwon Baek, Seung Jun Lee
- Abstract要約: 本研究では,細菌の予測モデルを最適化するために,実験室バイオマーカーの予測力を評価した。
真菌血症48例の計218例について検討した。
- 参考スコア(独自算出の注目度): 7.152311859951986
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Few studies have investigated the diagnostic utilities of biomarkers for
predicting bacteremia among septic patients admitted to intensive care units
(ICU). Therefore, this study evaluated the prediction power of laboratory
biomarkers to utilize those markers with high performance to optimize the
predictive model for bacteremia. This retrospective cross-sectional study was
conducted at the ICU department of Gyeongsang National University Changwon
Hospital in 2019. Adult patients qualifying SEPSIS-3 (increase in sequential
organ failure score greater than or equal to 2) criteria with at least two sets
of blood culture were selected. Collected data was initially analyzed
independently to identify the significant predictors, which was then used to
build the multivariable logistic regression (MLR) model. A total of 218
patients with 48 cases of true bacteremia were analyzed in this research. Both
CRP and PCT showed a substantial area under the curve (AUC) value for
discriminating bacteremia among septic patients (0.757 and 0.845,
respectively). To further enhance the predictive accuracy, we combined PCT,
bilirubin, neutrophil lymphocyte ratio (NLR), platelets, lactic acid,
erythrocyte sedimentation rate (ESR), and Glasgow Coma Scale (GCS) score to
build the predictive model with an AUC of 0.907 (95% CI, 0.843 to 0.956). In
addition, a high association between bacteremia and mortality rate was
discovered through the survival analysis (0.004). While PCT is certainly a
useful index for distinguishing patients with and without bacteremia by itself,
our MLR model indicates that the accuracy of bacteremia prediction
substantially improves by the combined use of PCT, bilirubin, NLR, platelets,
lactic acid, ESR, and GCS score.
- Abstract(参考訳): 集中治療室(icu)に入院した敗血症患者の細菌血症予測のためのバイオマーカーの診断的有用性についての研究はほとんどない。
そこで本研究では,これらのマーカーを高性能に利用し,細菌の予測モデルを最適化する実験室バイオマーカーの予測力を評価した。
この回顧的横断研究は、2019年に慶尚国立大学チャンウォン病院のicu部門で実施された。
血液培養の少なくとも2セットの基準であるsepsis-3(シーケンシャルな臓器不全スコアの上昇)を満たした成人患者を選定した。
収集されたデータは最初、重要な予測要因を特定するために独立に分析され、その後多変量ロジスティック回帰(mlr)モデルの構築に使用された。
真菌血症48例の計218例について検討した。
敗血症患者(それぞれ0.757例, 0.845例)は, crp, pctともにauc値以下で菌血症を鑑別できた。
予測精度を高めるため,PCT,ビリルビン,好中球リンパ球比 (NLR), 血小板, 乳酸, 赤血球沈着速度 (ESR), グラスゴー・コマ・スケール (GCS) を併用し, AUC 0.907 (95% CI,0.843~0.956) の予測モデルを構築した。
また, 生存分析(0.004)により, 細菌性貧血と死亡率の相関が認められた。
MLRモデルでは,PCT,ビリルビン,NLR,血小板,乳酸,ESR,GCSの併用により,バクテラン血症予測の精度が著しく向上することが示唆された。
関連論文リスト
- TREEMENT: Interpretable Patient-Trial Matching via Personalized Dynamic
Tree-Based Memory Network [54.332862955411656]
臨床試験は薬物開発に不可欠であるが、しばしば高価で非効率な患者募集に苦しむ。
近年,患者と臨床試験を自動マッチングすることで患者採用を高速化する機械学習モデルが提案されている。
本稿では,TREement という名前の動的ツリーベースメモリネットワークモデルを導入する。
論文 参考訳(メタデータ) (2023-07-19T12:35:09Z) - Differentiating Viral and Bacterial Infections: A Machine Learning Model
Based on Routine Blood Test Values [0.0]
ウイルス対バクテリア機械学習モデルは、細菌とウイルスの感染を識別するために開発された。
このモデルでは82.2%の精度、ブライアスコア0.129の精度、ROC曲線0.91の面積が顕著に示された。
論文 参考訳(メタデータ) (2023-05-13T09:18:51Z) - Learning to diagnose cirrhosis from radiological and histological labels
with joint self and weakly-supervised pretraining strategies [62.840338941861134]
そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。
我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。
この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
論文 参考訳(メタデータ) (2023-02-16T17:06:23Z) - Predicting Axillary Lymph Node Metastasis in Early Breast Cancer Using
Deep Learning on Primary Tumor Biopsy Slides [17.564585510792227]
深達度学習(DL)に基づく原発性腫瘍生検シグネチャを作製し,扁平上皮リンパ節(ALN)の転移を予測した。
2010年5月から2020年8月までに約1,058人のEBC患者がALNと診断された。
論文 参考訳(メタデータ) (2021-12-04T02:23:18Z) - Prediction of Blood Lactate Values in Critically Ill Patients: A
Retrospective Multi-center Cohort Study [1.5239522480830854]
早期に得られた血清乳酸濃度の上昇は、重症患者の死亡率の強力な予測因子である。
機械学習モデルがその後の乳酸血清の変化を予測できるかどうかを検討した。
LSTMモデルはMIMIC-III患者の血清乳酸値の低下を予測できた。
論文 参考訳(メタデータ) (2021-07-07T09:46:47Z) - 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) - Personalized pathology test for Cardio-vascular disease: Approximate
Bayesian computation with discriminative summary statistics learning [48.7576911714538]
近似計算を用いて生物学的に有意なパラメータを推定するための血小板沈着モデルと推論手法を提案する。
この研究は、CVDの検出と治療のためのパーソナライズされた病理検査の先例のない機会を開く。
論文 参考訳(メタデータ) (2020-10-13T15:20:21Z) - Interpretable Machine Learning for COVID-19: An Empirical Study on
Severity Prediction Task [18.911485621888506]
この研究は、中国周海市で2020年1月18日から2020年3月5日までにSARS-CoV-2実験が確認された92人のデータベースを活用している。
重症度を示すバイオマーカーとして,N末端プロブリンナトリウム利尿ペプチド (NTproBNP), C反応性タンパク質 (CRP), Lactic dehydrogenase (LYM) の上昇を認めた。
ブラジルのサンパウロにあるイスラエル・アルベルト・アインシュタイン病院の患者5644名を対象に,大規模なオープンデータセットを用いて本手法の有効性を検証した。
論文 参考訳(メタデータ) (2020-09-30T16:13:41Z) - An early warning tool for predicting mortality risk of COVID-19 patients
using machine learning [0.0]
2020年1月10日から2月18日にかけて、東寺病院(中国)に入院した375人の新型コロナウイルス陽性患者を対象に、振り返り調査を行った。
新型コロナウイルス患者の死亡リスクを予測するため,ノモグラムが開発された。
総合スコア(LNLCA)を対応する死亡確率で算出した。
論文 参考訳(メタデータ) (2020-07-29T15:16:09Z) - 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) - Short Term Blood Glucose Prediction based on Continuous Glucose
Monitoring Data [53.01543207478818]
本研究では,デジタル意思決定支援ツールの入力として連続グルコースモニタリング(Continuous Glucose Monitoring, CGM)データを利用する方法について検討する。
短時間の血液グルコース (STBG) 予測において, リカレントニューラルネットワーク (Recurrent Neural Networks, RNN) をどのように利用できるかを検討する。
論文 参考訳(メタデータ) (2020-02-06T16:39:44Z)
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。