論文の概要: More Options for Prelabor Rupture of Membranes, A Bayesian Analysis

• arxiv url: http://arxiv.org/abs/2408.10876v1
• Date: Tue, 20 Aug 2024 14:05:25 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-21 13:25:13.749536
• Title: More Options for Prelabor Rupture of Membranes, A Bayesian Analysis
• Title（参考訳）: 膜前断裂のさらなる選択肢 : ベイズ解析
• Authors: Ashley Klein, Edward Raff, Elisabeth Seamon, Lily Foley, Timothy Bussert,
• Abstract要約: PROM (prelabor rupture of membranes) の患者は頚椎リライニング(英語版)、ピトシン(英語版)、ミソプロストオール(英語版)の2つの選択肢しか使用していない。 産婦人科でよく用いられるtextitBishop スコアの違いを考慮できないことが, 産婦人科関連研究の最も大きな限界となっている。 本研究では,専門医が伝達する関連因子間の関係をベイズモデルを用いて解析し,その影響から相反する変数を分離する。
• 参考スコア（独自算出の注目度）: 34.255047514441195
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: An obstetric goal for a laboring mother is to achieve a vaginal delivery as it reduces the risks inherent in major abdominal surgery (i.e., a Cesarean section). Various medical interventions may be used by a physician to increase the likelihood of this occurring while minimizing maternal and fetal morbidity. However, patients with prelabor rupture of membranes (PROM) have only two commonly used options for cervical ripening, Pitocin and misoprostol. Little research exists on the benefits/risks for these two key drugs for PROM patients. A major limitation with most induction-of-labor related research is the inability to account for differences in \textit{Bishop scores} that are commonly used in obstetrical practice to determine the next induction agent offered to the patient. This creates a confounding factor, which biases the results, but has not been realized in the literature. In this work, we use a Bayesian model of the relationships between the relevant factors, informed by expert physicians, to separate the confounding variable from its actual impact. In doing so, we provide strong evidence that pitocin and buccal misoprostol are equally effective and safe; thus, physicians have more choice in clinical care than previously realized. This is particularly important for developing countries where neither medication may be readily available, and prior guidelines may create an artificial barrier to needed medication.
• Abstract（参考訳）: 産婦人科の母親にとっての産婦人科の目標は、大腹部手術(セサレア地区)のリスクを減らすことにある。 様々な医療介入は、母体と胎児の死亡率を最小限に抑えながら、この現象が起こる可能性を高めるために医師によって用いられることがある。 しかしながら、PROM(prelabor rupture of membranes)患者は、頚椎リライニング、ピトシン、ミソプロストオールの2つの選択肢しか使用していない。 PROM患者に対するこれらの2つの主要な薬物の利益とリスクについてはほとんど研究されていない。 作業者関連研究の最も大きな制限は、患者に提供された次の誘導剤を決定するために、産科的に一般的に使用される‘textit{Bishop scores’の差を考慮できないことである。 結果に偏りが生じるが、文献では実現されていない。 本研究では,専門医が伝達する関連因子間の関係をベイズモデルを用いて解析し,その影響から相反する変数を分離する。 そこで我々は, ピトシンとブカルミソプロストロールが同等に有効かつ安全であることの強い証拠を提供する。 これは、どちらの医薬品も容易に入手できない発展途上国にとって特に重要であり、事前のガイドラインは、必要な医薬品に対する人工的な障壁を生じさせる可能性がある。

関連論文リスト

• Defining Expertise: Applications to Treatment Effect Estimation [58.7977683502207]
  専門知識(特にドメインの意思決定者が持つであろう専門知識の種類)は、治療効果の推定方法の設計と選択において有益である、と我々は主張する。 予測的および予測的2種類の専門知識を定義し,(i)ドメインにおける顕著な専門知識のタイプが治療効果推定における異なる手法の性能に大きく影響し,(ii)データセットに存在する専門知識のタイプを予測することが可能であることを実証的に示す。
  論文  参考訳（メタデータ） (2024-03-01T17:30:49Z)
• 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)
• Closing the Gap in High-Risk Pregnancy Care Using Machine Learning and Human-AI Collaboration [8.36613277875556]
  高リスク妊娠(英: High-risk pregnant)は、母親や乳児の結果に悪影響を及ぼす要因によって複雑な妊娠である。 本研究は、合併症のリスクがある妊婦の特定において、ケアマネージャを支援するための現実のMLベースのシステムの実装を提案する。
  論文  参考訳（メタデータ） (2023-05-26T21:08:49Z)
• 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)
• Using Interpretable Machine Learning to Predict Maternal and Fetal Outcomes [9.705885698264005]
  ガラス箱モデルである Explainable Boosting Machine (EBM) を用いて, 最も重要なリスク要因を特定し, 検討した。 EBMの解釈可能性を用いて、リスクに寄与する特徴に関する驚くべき洞察を明らかにする一方で、我々の実験は、EBMが他のブラックボックスML手法の精度と一致することを示した。
  論文  参考訳（メタデータ） (2022-07-12T05:32:26Z)
• BaCaDI: Bayesian Causal Discovery with Unknown Interventions [118.93754590721173]
  BaCaDIは因果構造と介入の両方の潜在確率的表現の連続的な空間で機能する。 BaCaDIは、合成因果発見タスクとシミュレートされた遺伝子発現データの実験において、因果構造と介入ターゲットを識別する関連手法より優れている。
  論文  参考訳（メタデータ） (2022-06-03T16:25:48Z)
• Conditional Generation Net for Medication Recommendation [73.09366442098339]
  医薬推奨は、患者の診断に従って適切な薬セットを提供することを目標としており、これは診療所において重要な課題である。 医薬品群を生成するための新しいコピー・アンド・予測機構を導入した条件生成ネット(COGNet)を提案する。 提案手法を公開MIMICデータセット上で検証し,実験結果から,提案手法が最先端の手法より優れていることを示す。
  論文  参考訳（メタデータ） (2022-02-14T10:16:41Z)
• Ethical Implementation of Artificial Intelligence to Select Embryos in In Vitro Fertilization [41.52637932108825]
  我々はIVFの紹介を行い、胚選択のためのAIの使用をレビューします。 本稿では, 報告結果の科学的, 実用的観点からの解釈に関する懸念について考察する。 我々は解釈可能なモデルの使用を強く主張する。
  論文  参考訳（メタデータ） (2021-04-30T19:46:31Z)
• SDF-Bayes: Cautious Optimism in Safe Dose-Finding Clinical Trials with Drug Combinations and Heterogeneous Patient Groups [84.63561578944183]
  本稿では,薬物の最大許容量(MTD)を臨床試験で検索するための新しいベイズ設計であるSDF-Bayesを提案する。 SDF-Bayesは、1つの薬物の現在の投与量をエスカレートまたは脱エスカレートする従来の原則ではなく、慎重な楽観主義によって進行する。 合成データセットと実世界データセットの両方に基づく広範な実験は、最先端のDC試験設計よりもSDFベイズの利点を示しています。
  論文  参考訳（メタデータ） (2021-01-26T18:59:26Z)

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。