論文の概要: Impact on clinical guideline adherence of Orient-COVID, a CDSS based on dynamic medical decision trees for COVID19 management: a randomized simulation trial
- arxiv url: http://arxiv.org/abs/2407.11205v1
- Date: Fri, 21 Jun 2024 11:50:50 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-22 12:00:08.708947
- Title: Impact on clinical guideline adherence of Orient-COVID, a CDSS based on dynamic medical decision trees for COVID19 management: a randomized simulation trial
- Title（参考訳）: ダイナミック医療決定木を用いたCDSS(Orient-COVID)の臨床ガイドラインの適合性に及ぼす影響 : ランダム化シミュレーションによる検討
- Authors: Mouin Jammal, Antoine Saab, Cynthia Abi Khalil, Charbel Mourad, Rosy Tsopra, Melody Saikali, Jean-Baptiste Lamy,
- Abstract要約: 臨床診断支援システムは, ガイドラインを策定し, 順応性を改善するために提案されている。
ひとつのアプローチは、決定ツリーとして提示されたレコメンデーション内のナビゲーションを許可することです。
臨床医が意思決定木内をナビゲートしやすくするための,革新的なビジュアルインターフェースを提案する。
- 参考スコア（独自算出の注目度）: 1.9474732718794507
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Background: The adherence of clinicians to clinical practice guidelines is known to be low, including for the management of COVID-19, due to their difficult use at the point of care and their complexity. Clinical decision support systems have been proposed to implement guidelines and improve adherence. One approach is to permit the navigation inside the recommendations, presented as a decision tree, but the size of the tree often limits this approach and may cause erroneous navigation, especially when it does not fit in a single screen. Methods: We proposed an innovative visual interface to allow clinicians easily navigating inside decision trees for the management of COVID-19 patients. It associates a multi-path tree model with the use of the fisheye visual technique, allowing the visualization of large decision trees in a single screen. To evaluate the impact of this tool on guideline adherence, we conducted a randomized controlled trial in a near-real simulation setting, comparing the decisions taken by medical students using Orient-COVID with those taken with paper guidelines or without guidance, when performing on six realistic clinical cases. Results: The results show that paper guidelines had no impact (p=0.97), while Orient-COVID significantly improved the guideline adherence compared to both other groups (p<0.0003). A significant impact of Orient-COVID was identified on several key points during the management of COVID-19: ordering troponin lab tests, prescribing anticoagulant and oxygen therapy. A multifactor analysis showed no difference between male and female participants. Conclusions: The use of an interactive decision tree for the management of COVID-19 significantly improved the clinician adherence to guidelines. Future works will focus on the integration of the system to electronic health records and on the adaptation of the system to other clinical conditions.
- Abstract（参考訳）: 背景: 臨床実習ガイドラインへの臨床医の順守は, 医療現場での使いづらいことや, 複雑さから, 新型コロナウイルスの対策を含め, 低いことが知られている。
臨床診断支援システムは, ガイドラインを策定し, 順応性を改善するために提案されている。
ひとつのアプローチは、決定木として提示されたレコメンデーション内のナビゲーションを許可することであるが、ツリーのサイズがこのアプローチを制限し、特に単一の画面に収まらない場合に誤ったナビゲーションを引き起こす可能性がある。
方法: 臨床医が意思決定木内をナビゲートしやすくするための, 革新的なビジュアルインターフェースを提案する。
マルチパスツリーモデルと魚眼視覚技術の使用を関連付け、単一の画面で大きな決定木を視覚化する。
本ツールがガイドラインの適合性に及ぼす影響を評価するため, ほぼ現実的なシミュレーション環境でランダム化対照試験を行い, 紙ガイドラインや指導無しで実施した6症例との比較を行った。
結果: 紙のガイドラインに効果は認められなかった(p=0.97)。
オリエント・新型コロナウイルスは、トロポニン検査の発注、抗凝固剤の処方、酸素療法など、COVID-19の管理においていくつかの重要な点に重要な影響が認められた。
多因子分析では男女差は認められなかった。
結論: 新型コロナウイルス対策における対話型意思決定木の使用は, 診療ガイドラインの遵守を著しく改善した。
今後の研究は、電子的な健康記録へのシステムの統合と、他の臨床条件へのシステムの適応に焦点を当てる。
関連論文リスト
- Pruning the Path to Optimal Care: Identifying Systematically Suboptimal Medical Decision-Making with Inverse Reinforcement Learning [14.688842697886484]
本稿では, 同僚の行動に基づいて, 最適な臨床行為を識別する逆強化学習の新たな応用法を提案する。
このアプローチはIRLの2つの段階を中心とし、コンセンサスから大きく逸脱する行動を示す軌跡をプーンする中間段階を持つ。
論文 参考訳（メタデータ） (2024-11-07T23:16:59Z) - Interpretable Models for Detecting and Monitoring Elevated Intracranial
Pressure [5.63693072017569]
超音波ビデオを通してONS径を積極的に監視し,ICPの上昇を予測できる2つのシステムを提案する。
システム構築には,対象物の専門家(SME)のガイダンスを活用し,収集手順に従って処理パイプラインを構造化する。
そして、私たちの中小企業の1つが、私たちのトップシステムのパフォーマンスを手作業で検証し、私たちのアプローチにさらなる信頼性を与えます。
論文 参考訳（メタデータ） (2024-03-04T17:29:03Z) - Polar-Net: A Clinical-Friendly Model for Alzheimer's Disease Detection
in OCTA Images [53.235117594102675]
オプティカルコヒーレンス・トモグラフィーは、網膜微小血管の画像化によってアルツハイマー病(AD)を検出するための有望なツールである。
我々はPolar-Netと呼ばれる新しいディープラーニングフレームワークを提案し、解釈可能な結果を提供し、臨床上の事前知識を活用する。
Polar-Netは既存の最先端の手法よりも優れており,網膜血管変化とADとの関連性について,より貴重な病理学的証拠を提供する。
論文 参考訳（メタデータ） (2023-11-10T11:49:49Z) - 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) - Collective Intelligent Strategy for Improved Segmentation of COVID-19
from CT [0.2062593640149623]
本研究では, 深層学習と画像を用いた非侵襲的非侵襲ツールを提案する。
Ensembling Attention-based Multi-scaled Convolution Network (EAMC) は感染領域のアウトラインにおいて高い感度と精度を示す。
その臨床的意義は、遠隔地で専門的な医療を欠く患者に低コストな意思決定を提供することにおいて、前例のない範囲にある。
論文 参考訳（メタデータ） (2022-12-23T11:24:29Z) - COVID-Net Clinical ICU: Enhanced Prediction of ICU Admission for
COVID-19 Patients via Explainability and Trust Quantification [71.80459780697956]
患者臨床データに基づくICU入院予測のためのニューラルネットワークであるCOVID-Net Clinical ICUを紹介する。
提案されたCOVID-Net Clinical ICUは、1,925人のCOVID-19患者からなるシロ・リバネ病院の臨床データセットを使用して構築された。
定量的説明可能性戦略を用いたシステムレベルの洞察発見を行い,異なる臨床特徴の意思決定効果について検討した。
論文 参考訳（メタデータ） (2021-09-14T14:16:32Z) - COVID-Net US: A Tailored, Highly Efficient, Self-Attention Deep
Convolutional Neural Network Design for Detection of COVID-19 Patient Cases
from Point-of-care Ultrasound Imaging [101.27276001592101]
我々は,肺POCUS画像からの新型コロナウイルススクリーニングに適した,高効率で自己注意型の深層畳み込みニューラルネットワーク設計であるCOVID-Net USを紹介した。
実験の結果、提案されたCOVID-Net USは、アーキテクチャの複雑さが353倍、計算の複雑さが62倍、Raspberry Piで14.3倍高速なAUCを達成できることがわかった。
リソース制約のある環境において安価な医療と人工知能を提唱するために、COVID-Net USをオープンソースにし、COVID-Netオープンソースイニシアチブの一部として公開しました。
論文 参考訳（メタデータ） (2021-08-05T16:47:33Z) - A Methodology for Bi-Directional Knowledge-Based Assessment of
Compliance to Continuous Application of Clinical Guidelines [1.52292571922932]
ケアプロセスのガイドラインに基づく品質評価を自動化するための新しいアプローチを提案する。
BiKBAC法は臨床ガイドラインを適用する際のコンプライアンスの度合いを評価する。
DiscovErrシステムは、2型糖尿病管理領域の別の研究で評価されました。
論文 参考訳（メタデータ） (2021-03-13T20:43:45Z) - Explaining Clinical Decision Support Systems in Medical Imaging using
Cycle-Consistent Activation Maximization [112.2628296775395]
ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。
臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。
そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
論文 参考訳（メタデータ） (2020-10-09T14:39:27Z) - Generalization Bounds and Representation Learning for Estimation of
Potential Outcomes and Causal Effects [61.03579766573421]
代替薬に対する患者一人の反応など,個人レベルの因果効果の推定について検討した。
我々は,表現の誘導的処理群距離を正規化することにより,境界を最小化する表現学習アルゴリズムを考案した。
これらのアルゴリズムを拡張して、重み付き表現を同時に学習し、治療群距離をさらに削減する。
論文 参考訳（メタデータ） (2020-01-21T10:16:33Z)
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。