論文の概要: Analyzing the factors that are involved in length of inpatient stay at the hospital for diabetes patients
- arxiv url: http://arxiv.org/abs/2406.05189v1
- Date: Fri, 7 Jun 2024 18:13:21 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-11 22:45:56.437411
- Title: Analyzing the factors that are involved in length of inpatient stay at the hospital for diabetes patients
- Title（参考訳）: 糖尿病患者の入院期間に関する要因分析
- Authors: Jorden Lam, Kunpeng Xu,
- Abstract要約: 新型コロナウイルスの感染拡大に伴う糖尿病患者の急増に伴う懸念について検討した。
本研究の目的は,糖尿病患者の入院期間に影響を与える因子を定量化する予測モデルを構築することである。
- 参考スコア（独自算出の注目度）: 1.534667887016089
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The paper investigates the escalating concerns surrounding the surge in diabetes cases, exacerbated by the COVID-19 pandemic, and the subsequent strain on medical resources. The research aims to construct a predictive model quantifying factors influencing inpatient hospital stay durations for diabetes patients, offering insights to hospital administrators for improved patient management strategies. The literature review highlights the increasing prevalence of diabetes, emphasizing the need for continued attention and analysis of urban-rural disparities in healthcare access. International studies underscore the financial implications and healthcare burden associated with diabetes-related hospitalizations and complications, emphasizing the significance of effective management strategies. The methodology involves a quantitative approach, utilizing a dataset comprising 10,000 observations of diabetic inpatient encounters in U.S. hospitals from 1999 to 2008. Predictive modeling techniques, particularly Generalized Linear Models (GLM), are employed to develop a model predicting hospital stay durations based on patient demographics, admission types, medical history, and treatment regimen. The results highlight the influence of age, medical history, and treatment regimen on hospital stay durations for diabetes patients. Despite model limitations, such as heteroscedasticity and deviations from normality in residual analysis, the findings offer valuable insights for hospital administrators in patient management. The paper concludes with recommendations for future research to address model limitations and explore the implications of predictive models on healthcare management strategies, ensuring equitable patient care and resource allocation.
- Abstract（参考訳）: 本研究は、新型コロナウイルスのパンデミックにより悪化する糖尿病患者の増加と、その後の医療資源の悪化にまつわる懸念について検討する。
本研究は,糖尿病患者の入院期間に影響を及ぼす因子を定量化する予測モデルを構築し,患者管理戦略の改善を病院管理者に提供することを目的とする。
文献レビューでは、糖尿病の流行が高まり、継続的な注意と医療アクセスにおける都市と農村の格差の分析の必要性を強調している。
国際研究は、糖尿病関連入院や合併症に関連する金銭的意味と医療負担を明らかにし、効果的な管理戦略の重要性を強調している。
この手法は、1999年から2008年までの米国の病院で1万件の糖尿病患者との遭遇を観測したデータセットを利用する、定量的アプローチを含む。
予測モデリング技術、特に一般線形モデル(GLM)は、患者人口、入院タイプ、医療史、治療体制に基づいて、入院期間を予測するモデルを開発するために使用される。
その結果, 糖尿病患者の入院期間に及ぼす年齢, 医療歴, 治療条件の影響が明らかとなった。
残留分析における正常性からの逸脱などのモデル的限界にもかかわらず, 患者管理における病院の管理者には貴重な知見が得られた。
本論文は、モデル限界に対処し、医療管理戦略における予測モデルの影響を探求し、適切な患者ケアと資源配分を確保するための今後の研究の提言をまとめて締めくくっている。
関連論文リスト
- Predicting 30-Day Hospital Readmission in Medicare Patients: Insights from an LSTM Deep Learning Model [4.918444397807014]
本研究は, LSTMネットワークと機能工学を用いたメディケア病院の入院状況を分析し, コントリビューションの評価を行った。
LSTMモデルは、入院レベルおよび患者レベルのデータから時間的ダイナミクスを捉えるように設計されている。
主な特徴は、Charlson Comorbidity Index、病院の滞在時間、過去6ヶ月間の入院、人口統計学の変数は影響を受けなかった。
論文 参考訳（メタデータ） (2024-10-23T03:50:32Z) - Effect of Clinical History on Predictive Model Performance for Renal Complications of Diabetes [1.4330510916280879]
糖尿病は糖尿病性腎症の発症リスクが高いという特徴を持つ慢性疾患である。
このような合併症やその悪化のリスクを高める個人を早期に同定することは、適切な治療方針を設定する上で非常に重要である。
糖尿病患者に対する臨床関連糸球体濾過率(eGFR)閾値の交差を予測・予測するロジスティック回帰モデルを開発した。
論文 参考訳（メタデータ） (2024-09-10T20:27:00Z) - Predictive and Prescriptive Analytics for Multi-Site Modeling of Frail
and Elderly Patient Services [0.0]
本研究の目的は、需要が増大している医療分野における、様々な予測的、規範的分析手法が、運用上の課題にどのように貢献するかを評価することである。
規範的な面では、ベッドや病棟のスタッフを最適に計画する方法を決定するための決定論的プログラムと2段階プログラムが開発されている。
我々の研究は、医療管理者が予測モデルと規範モデルを使ってより情報的な意思決定を行うことを検討すべきであることを明らかにしている。
論文 参考訳（メタデータ） (2023-11-13T12:25:45Z) - Prediction of Post-Operative Renal and Pulmonary Complications Using
Transformers [69.81176740997175]
術後急性腎不全,肺合併症,院内死亡の予測におけるトランスフォーマーモデルの有用性について検討した。
以上の結果から,トランスフォーマーモデルにより術後合併症の予測や従来の機械学習モデルよりも優れた性能が得られることが示された。
論文 参考訳（メタデータ） (2023-06-01T14:08:05Z) - Privacy-preserving machine learning for healthcare: open challenges and
future perspectives [72.43506759789861]
医療におけるプライバシー保護機械学習(PPML)に関する最近の文献を概観する。
プライバシ保護トレーニングと推論・アズ・ア・サービスに重点を置いています。
このレビューの目的は、医療におけるプライベートかつ効率的なMLモデルの開発をガイドすることである。
論文 参考訳（メタデータ） (2023-03-27T19:20:51Z) - A Literature Review on Length of Stay Prediction for Stroke Patients
using Machine Learning and Statistical Approaches [0.0]
病院滞在時間(LOS)は、病院のサービス品質を反映し、病院のスケジュールと管理を改善するための最も重要な医療指標の1つである。
本研究では,機械学習と統計的アプローチを用いたLOS予測に関する論文をレビューした。
論文 参考訳（メタデータ） (2021-12-30T03:48:41Z) - Towards Trustworthy Cross-patient Model Development [3.109478324371548]
本研究は,全ての患者と1人の患者を対象に訓練を行った際のモデル性能と説明可能性の差異について検討した。
以上の結果から,患者の人口動態は,パフォーマンスや説明可能性,信頼性に大きな影響を及ぼすことが明らかとなった。
論文 参考訳（メタデータ） (2021-12-20T10:51:04Z) - Predicting Patient Readmission Risk from Medical Text via Knowledge
Graph Enhanced Multiview Graph Convolution [67.72545656557858]
本稿では,電子健康記録の医用テキストを予測に用いる新しい手法を提案する。
外部知識グラフによって強化された多視点グラフを有する患者の退院サマリーを表現している。
実験により,本手法の有効性が証明され,最先端の性能が得られた。
論文 参考訳（メタデータ） (2021-12-19T01:45:57Z) - Optimal discharge of patients from intensive care via a data-driven
policy learning framework [58.720142291102135]
退院課題は、退院期間の短縮と退院決定後の退院や死亡のリスクとの不確実なトレードオフに対処することが重要である。
本研究は、このトレードオフを捉えるためのエンドツーエンドの汎用フレームワークを導入し、最適放電タイミング決定を推奨する。
データ駆動型アプローチは、患者の生理的状態を捉えた同種で離散的な状態空間表現を導出するために用いられる。
論文 参考訳（メタデータ） (2021-12-17T04:39:33Z) - 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) - 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。