論文の概要: Investigating the validity of structure learning algorithms in identifying risk factors for intervention in patients with diabetes
- arxiv url: http://arxiv.org/abs/2403.14327v1
- Date: Thu, 21 Mar 2024 11:51:42 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-22 14:38:14.941001
- Title: Investigating the validity of structure learning algorithms in identifying risk factors for intervention in patients with diabetes
- Title（参考訳）: 糖尿病患者の介入リスク因子同定における構造学習アルゴリズムの有効性の検討
- Authors: Sheresh Zahoor, Anthony C. Constantinou, Tim M Curtis, Mohammed Hasanuzzaman,
- Abstract要約: 本研究は、糖尿病の進行に影響を及ぼす潜在的な危険因子のうち因果経路を識別するための構造学習アルゴリズムを網羅的に探究する。
この手法は、これらのアルゴリズムを関連する糖尿病データに適用し、続いて出力グラフをCausal Bayesian Networks (CBNs)に変換する。
CBNは、文脈特異的ケーススタディにおける仮説的介入の効果について、予測分析と不一致の評価を可能にする。
- 参考スコア（独自算出の注目度）: 7.7322136620857345
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Diabetes, a pervasive and enduring health challenge, imposes significant global implications on health, financial healthcare systems, and societal well-being. This study undertakes a comprehensive exploration of various structural learning algorithms to discern causal pathways amongst potential risk factors influencing diabetes progression. The methodology involves the application of these algorithms to relevant diabetes data, followed by the conversion of their output graphs into Causal Bayesian Networks (CBNs), enabling predictive analysis and the evaluation of discrepancies in the effect of hypothetical interventions within our context-specific case study. This study highlights the substantial impact of algorithm selection on intervention outcomes. To consolidate insights from diverse algorithms, we employ a model-averaging technique that helps us obtain a unique causal model for diabetes derived from a varied set of structural learning algorithms. We also investigate how each of those individual graphs, as well as the average graph, compare to the structures elicited by a domain expert who categorised graph edges into high confidence, moderate, and low confidence types, leading into three individual graphs corresponding to the three levels of confidence. The resulting causal model and data are made available online, and serve as a valuable resource and a guide for informed decision-making by healthcare practitioners, offering a comprehensive understanding of the interactions between relevant risk factors and the effect of hypothetical interventions. Therefore, this research not only contributes to the academic discussion on diabetes, but also provides practical guidance for healthcare professionals in developing efficient intervention and risk management strategies.
- Abstract（参考訳）: 糖尿病は広範かつ持続的な健康問題であり、健康、金融医療システム、社会福祉に重大な影響を及ぼす。
本研究は、糖尿病の進行に影響を及ぼす潜在的な危険因子のうち因果経路を識別するために、様々な構造学習アルゴリズムを網羅的に探究する。
この手法は、これらのアルゴリズムを関連する糖尿病データに適用し、続いて出力グラフをCausal Bayesian Networks (CBNs)に変換し、文脈特異的ケーススタディにおける仮説的介入の効果に関する予測分析と不一致の評価を可能にする。
本研究は,アルゴリズム選択が介入効果に与える影響を明らかにする。
多様なアルゴリズムからの洞察を集約するために,多様な構造学習アルゴリズムから派生した糖尿病の独自の因果モデルを得るのに役立つモデル構築手法を用いる。
また、各グラフと平均グラフが、グラフエッジを高信頼度、中味度、低信頼タイプに分類したドメイン専門家が引き起こした構造とどのように比較し、これら3つの信頼レベルに対応する3つの個別グラフとなるかを検討する。
結果として得られた因果モデルとデータはオンラインで利用可能となり、医療従事者による情報的意思決定のための貴重なリソースおよびガイドとして役立ち、関連するリスク要因と仮説的介入の効果の間の相互作用の包括的理解を提供する。
したがって,本研究は糖尿病に関する学術的な議論に貢献するだけでなく,効果的な介入・リスクマネジメント戦略の策定における医療専門家の実践的指導にも貢献する。
関連論文リスト
- Investigation of Customized Medical Decision Algorithms Utilizing Graph Neural Networks [15.04251924479172]
本稿では,グラフニューラルネットワーク(GNN)を用いた個人化医療意思決定アルゴリズムを提案する。
提案アルゴリズムは, 疾患予測精度, 治療効果評価, 患者リスク階層化の点で, 高い性能を示した。
論文 参考訳（メタデータ） (2024-05-23T04:30:41Z) - myAURA: Personalized health library for epilepsy management via knowledge graph sparsification and visualization [4.25313339005458]
myAURAは、てんかん患者、介護者、そして研究者がケアや自己管理に関する決定を下すのを助けるために設計されたアプリケーションです。
MyAURAは、生体医学データベース、ソーシャルメディア、電子健康記録などのてんかんに関連する異種データ資源の連合に依存している。
論文 参考訳（メタデータ） (2024-05-08T17:24:24Z) - DRAC: Diabetic Retinopathy Analysis Challenge with Ultra-Wide Optical
Coherence Tomography Angiography Images [51.27125547308154]
第25回医用画像コンピューティング・コンピュータ支援介入国際会議(MICCAI 2022)にともなうDRAC糖尿病網膜症解析チャレンジの企画を行った。
この課題は、DR病変の分節化、画像品質評価、DRグレーディングの3つのタスクから構成される。
本稿では,課題の各課題について,トップパフォーマンスのソリューションと結果の要約と分析を行う。
論文 参考訳（メタデータ） (2023-04-05T12:04:55Z) - Informing clinical assessment by contextualizing post-hoc explanations
of risk prediction models in type-2 diabetes [50.8044927215346]
本研究は, 合併症リスク予測のシナリオを考察し, 患者の臨床状態に関する文脈に焦点を当てる。
我々は、リスク予測モデル推論に関する文脈を提示し、その受容性を評価するために、最先端のLLMをいくつか採用する。
本論文は,実世界における臨床症例における文脈説明の有効性と有用性を明らかにする最初のエンドツーエンド分析の1つである。
論文 参考訳（メタデータ） (2023-02-11T18:07:11Z) - A predictive analytics approach for stroke prediction using machine
learning and neural networks [4.984181486695979]
本稿では,脳卒中予測のための電子健康記録の諸因子を系統的に分析する。
年齢、心臓病、平均血糖値、高血圧が脳卒中を検出する最も重要な要因である。
これら4つの属性を用いたパーセプトロンニューラルネットワークは、最高精度と最低ミス率を提供する。
論文 参考訳（メタデータ） (2022-03-01T14:45:15Z) - Learning Neural Causal Models with Active Interventions [83.44636110899742]
本稿では,データ生成プロセスの根底にある因果構造を素早く識別する能動的介入ターゲット機構を提案する。
本手法は,ランダムな介入ターゲティングと比較して,要求される対話回数を大幅に削減する。
シミュレーションデータから実世界のデータまで,複数のベンチマークにおいて優れた性能を示す。
論文 参考訳（メタデータ） (2021-09-06T13:10:37Z) - On the Robustness of Pretraining and Self-Supervision for a Deep
Learning-based Analysis of Diabetic Retinopathy [70.71457102672545]
糖尿病網膜症における訓練方法の違いによる影響を比較検討した。
本稿では,定量的性能,学習した特徴表現の統計,解釈可能性,画像歪みに対する頑健性など,さまざまな側面について検討する。
以上の結果から,ImageNet事前学習モデルでは,画像歪みに対する性能,一般化,堅牢性が著しく向上していることが示唆された。
論文 参考訳（メタデータ） (2021-06-25T08:32:45Z) - Collaborative Graph Learning with Auxiliary Text for Temporal Event
Prediction in Healthcare [16.40827965484983]
患者と患者の相互作用と医療領域の知識を探るための協調グラフ学習モデルを提案する。
私達の解決は患者および病気の構造特徴を捕獲できます。
提案手法の競合予測性能を示すために, 2つの重要な医療問題の実験を行った。
論文 参考訳（メタデータ） (2021-05-16T23:11:11Z) - HINT: Hierarchical Interaction Network for Trial Outcome Prediction
Leveraging Web Data [56.53715632642495]
臨床試験は、有効性、安全性、または患者採用の問題により、不確実な結果に直面する。
本稿では,より一般的な臨床試験結果予測のための階層型Interaction Network(HINT)を提案する。
論文 参考訳（メタデータ） (2021-02-08T15:09:07Z) - Clinical Outcome Prediction from Admission Notes using Self-Supervised
Knowledge Integration [55.88616573143478]
臨床テキストからのアウトカム予測は、医師が潜在的なリスクを見落としないようにする。
退院時の診断,手術手順,院内死亡率,長期予測は4つの一般的な結果予測対象である。
複数の公開資料から得られた患者結果に関する知識を統合するために,臨床結果の事前学習を提案する。
論文 参考訳（メタデータ） (2021-02-08T10:26:44Z) - Improving healthcare access management by predicting patient no-show
behaviour [0.0]
本研究は,参加を促す戦略の実装を支援するため,DSS(Decision Support System)を開発する。
回帰モデルの精度を向上させるために,異なる機械学習手法の有効性を評価する。
過去の研究で報告された関係の定量化に加えて、収入と近隣の犯罪統計はノーショー確率に影響を与えることが判明した。
論文 参考訳（メタデータ） (2020-12-10T14:57:25Z)
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。