論文の概要: A Transfer Learning Causal Approach to Evaluate Racial/Ethnic and Geographic Variation in Outcomes Following Congenital Heart Surgery
- arxiv url: http://arxiv.org/abs/2403.14573v1
- Date: Thu, 21 Mar 2024 17:20:23 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-22 13:20:11.452137
- Title: A Transfer Learning Causal Approach to Evaluate Racial/Ethnic and Geographic Variation in Outcomes Following Congenital Heart Surgery
- Title（参考訳）: 先天的心臓手術後の予後評価における移動学習の因果的アプローチ
- Authors: Larry Han, Yi Zhang, Meena Nathan, John E. Mayer, Jr., Sara K. Pasquali, Katya Zelevinsky, Rui Duan, Sharon-Lise T. Normand,
- Abstract要約: 先天性心不全(英: Congenital heart defects、CHD)は、アメリカ合衆国で最も多い出生障害である。
CHD治療の成績は特定の患者群で異なり、非ヒスパニック系黒人とヒスパニック系人口は死亡率と死亡率が高い。
本稿では,結果評価のための因果推論フレームワークを提案し,伝達学習の進歩を活用して,ターゲットとソースの双方からのデータを組み込む。
- 参考スコア（独自算出の注目度）: 4.870691561986669
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Congenital heart defects (CHD) are the most prevalent birth defects in the United States and surgical outcomes vary considerably across the country. The outcomes of treatment for CHD differ for specific patient subgroups, with non-Hispanic Black and Hispanic populations experiencing higher rates of mortality and morbidity. A valid comparison of outcomes within racial/ethnic subgroups is difficult given large differences in case-mix and small subgroup sizes. We propose a causal inference framework for outcome assessment and leverage advances in transfer learning to incorporate data from both target and source populations to help estimate causal effects while accounting for different sources of risk factor and outcome differences across populations. Using the Society of Thoracic Surgeons' Congenital Heart Surgery Database (STS-CHSD), we focus on a national cohort of patients undergoing the Norwood operation from 2016-2022 to assess operative mortality and morbidity outcomes across U.S. geographic regions by race/ethnicity. We find racial and ethnic outcome differences after controlling for potential confounding factors. While geography does not have a causal effect on outcomes for non-Hispanic Caucasian patients, non-Hispanic Black patients experience wide variability in outcomes with estimated 30-day mortality ranging from 5.9% (standard error 2.2%) to 21.6% (4.4%) across U.S. regions.
- Abstract（参考訳）: 先天性心不全(CHD)は米国で最も多い出生障害であり、手術成績は全国的に大きく異なる。
CHD治療の成績は特定の患者群で異なり、非ヒスパニック系黒人とヒスパニック系人口は死亡率と死亡率が高い。
人種/民族のサブグループにおける結果の有効な比較は、ケースミックスと小さなサブグループサイズに大きな違いがあるため困難である。
本稿では,結果評価のための因果推論フレームワークを提案し,トランスファーラーニングの進歩を活用して,ターゲットとソースの双方からのデータを組み込むことにより,リスク要因の異なる要因と集団間の結果差を考慮して因果効果を推定する。
胸部外科医の先天性心臓手術データベース(STS-CHSD)を用いて,2016-2022年にノーウッド手術を施行した患者の全国的コホートに焦点を当て,人種・民族性による外科的死亡率と死亡率の評価を行った。
人種的および民族的な結果の違いは、潜在的に矛盾する要因をコントロールした後に生じる。
地理は非ヒスパニック系コーカサス人の結果に因果的影響はないが、非ヒスパニック系黒人の患者は、30日間の死亡率は5.9%(標準誤差2.2%)から21.6%(4.4%)と見積もられている。
関連論文リスト
- FairSkin: Fair Diffusion for Skin Disease Image Generation [54.29840149709033]
拡散モデル (DM) は, 合成医用画像の生成において主要な手法となっているが, 臨界二倍偏差に悩まされている。
このようなバイアスを3段階のリサンプリング機構によって緩和する新しいDMフレームワークであるFairSkinを提案する。
本手法は, 画像の多様性と品質を著しく向上させ, 臨床環境における皮膚疾患の検出精度の向上に寄与する。
論文 参考訳（メタデータ） (2024-10-29T21:37:03Z) - Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。
そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
論文 参考訳（メタデータ） (2024-04-26T16:39:50Z) - Multi-task Explainable Skin Lesion Classification [54.76511683427566]
少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。
提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
論文 参考訳（メタデータ） (2023-10-11T05:49:47Z) - Coarse race data conceals disparities in clinical risk score performance [2.53014124471163]
臨床リスクスコアは,3つの結果,5つのリスクスコア,4つのパフォーマンス指標について,26のグルーフィンググループで比較検討した。
粗群における性能の変化は、しばしば*粗群間のばらつきを排する。
以上の結果から,医療提供者,病院システム,機械学習研究者は,粗い人種データの代わりに,詳細な人種データを収集し,リリースし,利用するべきであることが示唆された。
論文 参考訳（メタデータ） (2023-04-18T20:17:08Z) - Evaluate underdiagnosis and overdiagnosis bias of deep learning model on
primary open-angle glaucoma diagnosis in under-served patient populations [64.91773761529183]
原発性オープンアングル緑内障(POAG)はアメリカにおける盲目の主要な原因である。
深層学習は眼底画像を用いたPOAGの検出に広く用いられている。
臨床診断における人間のバイアスは、広く使われているディープラーニングモデルに反映され増幅される可能性がある。
論文 参考訳（メタデータ） (2023-01-26T18:53:09Z) - Association Between Neighborhood Factors and Adult Obesity in Shelby
County, Tennessee: Geospatial Machine Learning Approach [0.966840768820136]
本研究の目的は、アメリカ合衆国テネシー州シェルビー郡における成人の肥満有病率に及ぼす社会的健康決定因子(SDoH)の影響を検討することである。
SDoH指標は米国国勢調査と米国農務省から抽出された。
その結果、シェルビー郡では成人の肥満率が高い地区が多かった。
論文 参考訳（メタデータ） (2022-08-09T15:28:43Z) - To Impute or not to Impute? -- Missing Data in Treatment Effect
Estimation [84.76186111434818]
我々は,MCM(Mixed Con founded missingness)と呼ばれる新しい欠損機構を同定し,ある欠損度が治療選択を判断し,他の欠損度が治療選択によって決定されることを示した。
本研究は,全てのデータを因果的に入力すると,不偏推定を行うために必要な情報を効果的に除去するので,処理効果のモデルが貧弱になることを示す。
私たちのソリューションは選択的計算であり、CMMからの洞察を使って、どの変数をインプットすべきで、どの変数をインプットすべきでないかを正確に知らせる。
論文 参考訳（メタデータ） (2022-02-04T12:08:31Z) - Applying Machine Learning and AI Explanations to Analyze Vaccine
Hesitancy [0.0]
この論文は、人種、貧困、政治、年齢がアメリカ合衆国郡の予防接種率に与える影響を定量化している。
影響要因の影響は、異なる地理的に普遍的に同じではないことが明らかである。
論文 参考訳（メタデータ） (2022-01-07T22:50:17Z) - Factors affecting the COVID-19 risk in the US counties: an innovative
approach by combining unsupervised and supervised learning [0.0]
新型コロナウイルスの感染リスクや死亡率に影響を及ぼす要因を郡レベルで分析した。
その結果、温度、貧困以下の人の割合、肥満、空気圧、人口密度、風速、経度、そして被保険者の比率が最も重要な属性であった。
論文 参考訳（メタデータ） (2021-06-24T04:29:00Z) - A Data Science Approach to Analyze the Association of Socioeconomic and
Environmental Conditions With Disparities in Pediatric Surgery [3.4806267677524896]
手術前状態の悪化は白人よりもアフリカ系アメリカ人の方が有意に多い。
手術成績に有意な差は認められなかった。
論文 参考訳（メタデータ） (2021-03-16T20:01:41Z) - Effectiveness and Compliance to Social Distancing During COVID-19 [72.94965109944707]
われわれは、米国内での新型コロナウイルスの感染拡大に対する在宅勤務注文の影響を評価するために、詳細なモビリティデータを用いている。
一方向性グランガー因果性(一方向性グランガー因果性)は、家庭で毎日過ごす時間の割合の中央値から、2週間の遅れを伴うCOVID-19関連死亡件数の日数までである。
論文 参考訳（メタデータ） (2020-06-23T03:36:19Z)
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。