論文の概要: Impact of Physical Activity on Quality of Life During Pregnancy: A
Causal ML Approach
- arxiv url: http://arxiv.org/abs/2402.16909v1
- Date: Sun, 25 Feb 2024 12:07:32 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-28 19:12:08.984802
- Title: Impact of Physical Activity on Quality of Life During Pregnancy: A
Causal ML Approach
- Title（参考訳）: 育児期における身体活動が生活の質に及ぼす影響:因果MLアプローチ
- Authors: Kianoosh Kazemi, Iina Ryht\"a, Iman Azimi, Hannakaisa Niela-Vilen,
Anna Axelin, Amir M. Rahmani, Pasi Liljeberg
- Abstract要約: QoL(Quality of Life、QoL)とは、個人の幸福を総合的に測定し、心理的・社会的側面を取り入れた概念である。
妊娠中の女性、特に肥満とストレスを持つ女性は、しばしばQoLの低下を経験する。
身体活動はQoLを増強する可能性を示している。
しかし、肥満で肥満の妊婦は、PAの推奨レベルに達することはめったにない。
- 参考スコア（独自算出の注目度）: 1.7765306045990206
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The concept of Quality of Life (QoL) refers to a holistic measurement of an
individual's well-being, incorporating psychological and social aspects.
Pregnant women, especially those with obesity and stress, often experience
lower QoL. Physical activity (PA) has shown the potential to enhance the QoL.
However, pregnant women who are overweight and obese rarely meet the
recommended level of PA. Studies have investigated the relationship between PA
and QoL during pregnancy using correlation-based approaches. These methods aim
to discover spurious correlations between variables rather than causal
relationships. Besides, the existing methods mainly rely on physical activity
parameters and neglect the use of different factors such as maternal (medical)
history and context data, leading to biased estimates. Furthermore, the
estimations lack an understanding of mediators and counterfactual scenarios
that might affect them. In this paper, we investigate the causal relationship
between being physically active (treatment variable) and the QoL (outcome)
during pregnancy and postpartum. To estimate the causal effect, we develop a
Causal Machine Learning method, integrating causal discovery and causal
inference components. The data for our investigation is derived from a
long-term wearable-based health monitoring study focusing on overweight and
obese pregnant women. The machine learning (meta-learner) estimation technique
is used to estimate the causal effect. Our result shows that performing
adequate physical activity during pregnancy and postpartum improves the QoL by
units of 7.3 and 3.4 on average in physical health and psychological domains,
respectively. In the final step, four refutation analysis techniques are
employed to validate our estimation.
- Abstract（参考訳）: QoL(Quality of Life、QoL)とは、個人の幸福を総合的に測定し、心理的・社会的側面を取り入れた概念である。
妊娠中の女性、特に肥満とストレスを持つ女性は、しばしばQoLの低下を経験する。
身体活動(PA)はQoLを増強する可能性を示している。
しかし、太りすぎで肥満の妊婦は、paの推奨レベルをほとんど満たさない。
妊娠中のPAとQoLの関係を相関に基づくアプローチを用いて検討した。
これらの手法は、因果関係よりも変数間の急激な相関を発見することを目的としている。
さらに、既存の手法は主に身体活動パラメータに依存しており、母性(医療)履歴や文脈データなどの異なる要因の使用を無視し、偏りのある見積もりをもたらす。
さらに、これらの推定は、仲介者やそれらに影響を与える可能性のある反事実的シナリオに対する理解を欠いている。
本稿では,妊娠および産後における身体活性(治療変数)とqol(アウトカム)の因果関係について検討する。
因果効果を推定するために,因果発見と因果推論を統合した因果学習手法を開発した。
調査データは、肥満妊婦と肥満妊婦を対象にした長期にわたるウェアラブルベースの健康モニタリング研究から得られた。
機械学習(meta-learner)推定技術は因果効果を推定するために用いられる。
以上の結果から,妊娠および産後において適切な身体活動を行うと,身体健康領域および心理的領域の平均値が7.3および3.4のqolが改善することが示された。
最終ステップでは,評価の検証に4つの反論分析手法を適用した。
関連論文リスト
- Hypothesizing Missing Causal Variables with LLMs [55.28678224020973]
我々は、入力が欠落変数を持つ部分因果グラフであるような新しいタスクを定式化し、出力は部分グラフを完成させるための欠落変数に関する仮説である。
原因と効果の間の媒介変数を仮説化するLLMの強い能力を示す。
また,オープンソースモデルの一部がGPT-4モデルより優れているという驚くべき結果も得られた。
論文 参考訳（メタデータ） (2024-09-04T10:37:44Z) - I-SIRch: AI-Powered Concept Annotation Tool For Equitable Extraction And Analysis Of Safety Insights From Maternity Investigations [0.8609957371651683]
医療データを分析するための現在のツールのほとんどは、人間の要素の重要性を見越して、バイオメディカルな概念にのみ焦点をあてている。
We developed I-SIRch, using AI to Automatic Identification and label human factors concept。
I-SIRchは実データを用いて訓練され、実データとシミュレーションデータの両方でテストし、人間の因子の概念を識別する性能を評価した。
論文 参考訳（メタデータ） (2024-06-08T16:05:31Z) - Detection of the most influential variables for preventing postpartum
urinary incontinence using machine learning techniques [0.0]
産後尿失禁(PUI)は産後女性に共通する問題である。
以前の研究では、潜在的な関連変数が特定されていたが、妊娠中の特定の内因性および外因性患者変数の分析が欠如していた。
本研究は,機械学習を用いてPUIの最も影響力のある変数を評価することを目的とする。
論文 参考訳（メタデータ） (2024-02-14T16:45:10Z) - Interpretable Predictive Models to Understand Risk Factors for Maternal
and Fetal Outcomes [17.457683367235536]
妊娠合併症の危険因子として, 重度の母性不妊症, 肩関節ジストシア, 妊娠前, 産科の4種類を同定し, 検討した。
我々は,ガラス箱の高精度な学習手法である説明可能なブースティングマシン(EBM)を用いて,重要な危険因子の予測と同定を行う。
論文 参考訳（メタデータ） (2023-10-16T09:17:10Z) - A Causal Framework for Decomposing Spurious Variations [68.12191782657437]
我々はマルコフモデルとセミマルコフモデルの急激な変分を分解するツールを開発する。
突発効果の非パラメトリック分解を可能にする最初の結果を証明する。
説明可能なAIや公平なAIから、疫学や医学における疑問まで、いくつかの応用がある。
論文 参考訳（メタデータ） (2023-06-08T09:40:28Z) - Predicting Adverse Neonatal Outcomes for Preterm Neonates with
Multi-Task Learning [51.487856868285995]
われわれはまず, 3つの不良新生児結果の相関関係を解析し, マルチタスク学習(MTL)問題として複数の新生児結果の診断を定式化する。
特に、MTLフレームワークは、共有された隠れレイヤと複数のタスク固有のブランチを含んでいる。
論文 参考訳（メタデータ） (2023-03-28T00:44:06Z) - Active Bayesian Causal Inference [72.70593653185078]
因果発見と推論を統合するための完全ベイズ能動学習フレームワークであるアクティブベイズ因果推論(ABCI)を提案する。
ABCIは因果関係のモデルと関心のクエリを共同で推論する。
我々のアプローチは、完全な因果グラフの学習のみに焦点を当てた、いくつかのベースラインよりも、よりデータ効率が高いことを示す。
論文 参考訳（メタデータ） (2022-06-04T22:38:57Z) - SurvITE: Learning Heterogeneous Treatment Effects from Time-to-Event
Data [83.50281440043241]
時系列データから不均一な処理効果を推定する問題について検討する。
本稿では,バランス表現に基づく治療特異的ハザード推定のための新しいディープラーニング手法を提案する。
論文 参考訳（メタデータ） (2021-10-26T20:13:17Z) - Causal Effect Estimation using Variational Information Bottleneck [19.6760527269791]
因果推論とは、介入が適用されるときの因果関係における因果効果を推定することである。
変分情報ボトルネック(CEVIB)を用いて因果効果を推定する手法を提案する。
論文 参考訳（メタデータ） (2021-10-26T13:46:12Z) - Heterogeneous Distributed Lag Models to Estimate Personalized Effects of
Maternal Exposures to Air Pollution [2.099922236065961]
子どもの健康研究は、母親の環境暴露と子供の出生結果の関連を支持する。
妊娠時と出生体重時における毎週の被曝と微粒子物質との関係を推定した。
また,非ヒスパニック系母親は,若く,体格指数が高かったり,学歴が低かったりする傾向がみられた。
論文 参考訳（メタデータ） (2021-09-28T14:36:09Z) - Robustness to Spurious Correlations via Human Annotations [100.63051542531171]
本稿では,人間に共通する因果関係の知識を活用して,素因関係に頑健なモデルを構築するための枠組みを提案する。
具体的には、人間のアノテーションを使用して、潜在的な未測定変数でトレーニング例を拡大する。
次に,未測定変数(UV-DRO)に対する分布性に頑健な新たな最適化手法を導入し,テスト時間シフトによる最悪の損失を制御する。
論文 参考訳（メタデータ） (2020-07-13T20:05:19Z)
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。