論文の概要: Exploring the Impact of Environmental Pollutants on Multiple Sclerosis Progression
- arxiv url: http://arxiv.org/abs/2408.17376v1
- Date: Fri, 30 Aug 2024 16:12:57 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-02 14:46:39.873393
- Title: Exploring the Impact of Environmental Pollutants on Multiple Sclerosis Progression
- Title（参考訳）: 環境汚染物質が多発性硬化症進行に及ぼす影響を探る
- Authors: Elena Marinello, Erica Tavazzi, Enrico Longato, Pietro Bosoni, Arianna Dagliati, Mahin Vazifehdan, Riccardo Bellazzi, Isotta Trescato, Alessandro Guazzo, Martina Vettoretti, Eleonora Tavazzi, Lara Ahmad, Roberto Bergamaschi, Paola Cavalla, Umberto Manera, Adriano Chio, Barbara Di Camillo,
- Abstract要約: 多発性硬化症(Multiple Sclerosis、MS)は、再発を特徴とする慢性自己免疫性炎症性神経疾患である。
本研究では,H2020 BRAINTEASERプロジェクトのデータを用いて,MS患者の再発発生における環境要因の役割について検討した。
我々はランダムフォレスト(RF)やロジスティック回帰(LR)などの予測モデルを用いて,臨床および汚染物質データに基づいて1週間にわたって収集された再発を予測する。
- 参考スコア（独自算出の注目度）: 29.0420039994265
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Multiple Sclerosis (MS) is a chronic autoimmune and inflammatory neurological disorder characterised by episodes of symptom exacerbation, known as relapses. In this study, we investigate the role of environmental factors in relapse occurrence among MS patients, using data from the H2020 BRAINTEASER project. We employed predictive models, including Random Forest (RF) and Logistic Regression (LR), with varying sets of input features to predict the occurrence of relapses based on clinical and pollutant data collected over a week. The RF yielded the best result, with an AUC-ROC score of 0.713. Environmental variables, such as precipitation, NO2, PM2.5, humidity, and temperature, were found to be relevant to the prediction.
- Abstract（参考訳）: 多発性硬化症(Multiple Sclerosis、MS)は、慢性自己免疫性炎症性神経疾患であり、再発として知られる症状の悪化を特徴とする。
本研究では,H2020 BRAINTEASERプロジェクトのデータを用いて,MS患者の再発発生における環境要因の役割について検討した。
我々はランダムフォレスト(RF)やロジスティック回帰(LR)などの予測モデルを用いて,臨床および汚染物質データに基づいて1週間にわたって収集された再発の発生を予測する。
RFはAUC-ROCスコア0.713で最高の結果を得た。
また, 降水量, NO2, PM2.5, 湿度, 温度などの環境変数は, 予測に関連があることが判明した。
関連論文リスト
- Phenome-wide causal proteomics enhance systemic lupus erythematosus flare prediction: A study in Asian populations [8.003585790309332]
全身性エリテマトーデス(Systemic lupus erythematosus, SLE)は、予測不能フレアを特徴とする複雑な自己免疫疾患である。
本研究は,アジア系SLE人口を対象とした新しいループに基づくリスク予測モデルの構築を目的とする。
論文 参考訳（メタデータ） (2024-11-18T01:50:36Z) - Deep State-Space Generative Model For Correlated Time-to-Event Predictions [54.3637600983898]
そこで本研究では,様々な種類の臨床イベント間の相互作用を捉えるために,潜伏状態空間生成モデルを提案する。
また,死亡率と臓器不全の関連性について有意な知見が得られた。
論文 参考訳（メタデータ） (2024-07-28T02:42:36Z) - Probabilistic Temporal Prediction of Continuous Disease Trajectories and Treatment Effects Using Neural SDEs [6.5527554277858275]
神経差分方程式(NSDE)による疾患進行の持続的時間的進化をモデル化するための最初の因果時間的枠組みを提示する。
本研究は,将来のMS障害(EDSSなど)と治療効果を正確に予測するための,不確実性に基づく因果学習(DL)モデルとして,最初の成功例を示す。
論文 参考訳（メタデータ） (2024-06-18T17:22:55Z) - A Demographic-Conditioned Variational Autoencoder for fMRI Distribution Sampling and Removal of Confounds [49.34500499203579]
変動型オートエンコーダ(VAE)ベースのモデルであるDemoVAEを作成し、人口統計学から fMRI の特徴を推定する。
ユーザが供給する人口動態に基づいて,高品質な合成fMRIデータを生成する。
論文 参考訳（メタデータ） (2024-05-13T17:49:20Z) - 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) - Estimating Discontinuous Time-Varying Risk Factors and Treatment
Benefits for COVID-19 with Interpretable ML [8.468098475371699]
われわれは,2020年3月から2021年8月までに,ニューヨーク市の病院で入院した4000人以上の患者の観察分析を行った。
血栓のバイオマーカーは2020年3月から2021年8月までに増加し,炎症と血栓のバイオマーカーの関係は弱まった。
論文 参考訳（メタデータ） (2022-11-15T00:14:18Z) - SurvLatent ODE : A Neural ODE based time-to-event model with competing
risks for longitudinal data improves cancer-associated Deep Vein Thrombosis
(DVT) prediction [68.8204255655161]
本稿では,不規則なサンプルデータの下で潜在表現をパラメータ化する生成時間対イベントモデルSurvLatent ODEを提案する。
そこで,本モデルでは,事象特異的ハザード関数の形状を指定せずに,複数の競合イベントの生存時間を柔軟に推定する。
SurvLatent ODEは、DVTリスクグループを成層化するために、現在の臨床標準であるKhorana Riskスコアより優れている。
論文 参考訳（メタデータ） (2022-04-20T17:28:08Z) - Patient-independent Schizophrenia Relapse Prediction Using Mobile Sensor
based Daily Behavioral Rhythm Changes [8.086775225009996]
モバイルセンシングデータを用いた機械学習に基づく統合失調症再発予測モデルについて検討した。
このモデルは、この4週間のモバイルセンシングデータを使って、来週の再発を予測している。
その結果,63名の統合失調症患者のデータセットを用いて,F2スコアが0.083であった。
論文 参考訳（メタデータ） (2021-06-25T21:42:28Z) - Bootstrapping Your Own Positive Sample: Contrastive Learning With
Electronic Health Record Data [62.29031007761901]
本稿では,新しいコントラスト型正規化臨床分類モデルを提案する。
EHRデータに特化した2つのユニークなポジティブサンプリング戦略を紹介します。
私たちのフレームワークは、現実世界のCOVID-19 EHRデータの死亡リスクを予測するために、競争の激しい実験結果をもたらします。
論文 参考訳（メタデータ） (2021-04-07T06:02:04Z) - Comparative Analysis of Machine Learning Approaches to Analyze and
Predict the Covid-19 Outbreak [10.307715136465056]
疫学領域における新型コロナウイルスの流行を予測するための機械学習(ML)アプローチの比較分析を行った。
これらの結果から,短期的政策の意思決定を支援するMLアルゴリズムの利点が明らかになった。
論文 参考訳（メタデータ） (2021-02-11T11:57:33Z) - MIA-Prognosis: A Deep Learning Framework to Predict Therapy Response [58.0291320452122]
本稿では,患者の予後と治療反応を予測するための統合型深層学習手法を提案する。
我々は,マルチモーダル非同期時系列分類タスクとして,確率モデリングを定式化する。
我々の予測モデルは、長期生存の観点から、低リスク、高リスクの患者をさらに階層化する可能性がある。
論文 参考訳（メタデータ） (2020-10-08T15:30:17Z)
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。