論文の概要: The CEKG: A Tool for Constructing Event Graphs in the Care Pathways of Multi-Morbid Patients

• arxiv url: http://arxiv.org/abs/2410.10827v1
• Date: Fri, 27 Sep 2024 18:23:32 GMT
• ステータス: 処理完了
• システム内更新日: 2024-10-29 19:24:58.913614
• Title: The CEKG: A Tool for Constructing Event Graphs in the Care Pathways of Multi-Morbid Patients
• Title（参考訳）: マルチモービル患者のケアパスにおけるイベントグラフ構築ツールCEKG
• Authors: Milad Naeimaei Aali, Felix Mannhardt, Pieter Jelle Toussaint,
• Abstract要約: 本稿では,多施設患者のケアパスを自動生成し,イベントログ,診断データ,ICD-10,SNOMED-CT,マッピング機能を利用したCEKGというツールを導入することを目的とする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: One of the challenges in healthcare processes, especially those related to multi-morbid patients who suffer from multiple disorders simultaneously, is not connecting the disorders in patients to process events and not linking events' activities to globally accepted terminology. Addressing this challenge introduces a new entity to the clinical process. On the other hand, it facilitates that the process is interpretable and analyzable across different healthcare systems. This paper aims to introduce a tool named CEKG that uses event logs, diagnosis data, ICD-10, SNOMED-CT, and mapping functions to satisfy these challenges by constructing event graphs for multi-morbid patients' care pathways automatically.
• Abstract（参考訳）: 医療プロセスにおける課題の1つとして、特に多発性疾患を同時に患う多病者の患者は、患者の障害をプロセスイベントに結びつけず、イベントのアクティビティをグローバルに受け入れられた用語にリンクしない。 この課題に対処することで、臨床プロセスに新たな実体がもたらされる。 一方、プロセスは解釈可能であり、異なる医療システム間で分析可能である。 本稿では,多施設患者のケアパスを自動的に構築し,イベントログ,診断データ,ICD-10,SNOMED-CT,マッピング機能を用いてこれらの課題を満たすCEKGというツールを提案する。

関連論文リスト

• Dr-LLaVA: Visual Instruction Tuning with Symbolic Clinical Grounding [53.629132242389716]
  VLM(Vision-Language Models)は、医用画像を分析し、自然言語の相互作用に関与することによって、臨床医を支援する。 VLMはしばしば「幻覚的」な振る舞いを示し、文脈的マルチモーダル情報に基づかないテキスト出力を生成する。 本稿では,臨床推論の象徴的表現を用いて医療知識にVLMを基盤とする新たなアライメントアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-05-29T23:19:28Z)
• Granger Causal Chain Discovery for Sepsis-Associated Derangements via Continuous-Time Hawkes Processes [10.410454851418548]
  拡張性のある2相勾配法を開発し,最大サロゲート形状推定値を求める。 本手法はアトランタのグレーディ病院に入院した患者のデータに拡張され,GCグラフでは敗血症に先行するいくつかの高度に解釈可能なGC鎖を同定した。
  論文  参考訳（メタデータ） (2022-09-09T18:21:30Z)
• Factored Attention and Embedding for Unstructured-view Topic-related Ultrasound Report Generation [70.7778938191405]
  本研究では,非構造的トピック関連超音波レポート生成のための新しい因子的注意・埋め込みモデル(FAE-Gen)を提案する。 提案したFAE-Genは主に2つのモジュール、すなわちビュー誘導因子の注意とトピック指向因子の埋め込みから構成されており、異なるビューで均質および不均一な形態的特徴を捉えている。
  論文  参考訳（メタデータ） (2022-03-12T15:24:03Z)
• Context-aware Health Event Prediction via Transition Functions on Dynamic Disease Graphs [15.17817233616652]
  多くの機械学習アプローチは、患者の異なる訪問で病気の表現が静的であると仮定している。 動的疾患グラフ上の遷移関数を用いた文脈認識学習フレームワークを提案する。 2つの実世界のEHRデータセットの実験結果から、提案されたモデルは、健康事象を予測する上で、技術の現状よりも優れていることが示された。
  論文  参考訳（メタデータ） (2021-12-09T20:06:39Z)
• MIMO: Mutual Integration of Patient Journey and Medical Ontology for Healthcare Representation Learning [49.57261599776167]
  本稿では、医療表現学習と予測分析のための、エンドツーエンドの堅牢なトランスフォーマーベースのソリューション、患者旅行の相互統合、医療オントロジー(MIMO)を提案する。
  論文  参考訳（メタデータ） (2021-07-20T07:04:52Z)
• Inheritance-guided Hierarchical Assignment for Clinical Automatic Diagnosis [50.15205065710629]
  臨床診断は、臨床ノートに基づいて患者に診断符号を割り当てることを目的としており、臨床意思決定において重要な役割を担っている。 本稿では,臨床自動診断のための継承誘導階層と共起グラフの伝播を組み合わせた新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2021-01-27T13:16:51Z)
• Trajectories, bifurcations and pseudotime in large clinical datasets: applications to myocardial infarction and diabetes data [94.37521840642141]
  混合データ型と欠落値を特徴とする大規模臨床データセット分析のための半教師付き方法論を提案する。 この手法は、次元の減少、データの可視化、クラスタリング、特徴の選択と、部分的に順序付けられた観測列における測地距離(擬時)の定量化のタスクを同時に扱うことのできる弾性主グラフの適用に基づいている。
  論文  参考訳（メタデータ） (2020-07-07T21:04:55Z)
• Comparative Visual Analytics for Assessing Medical Records with Sequence Embedding [17.752580010414228]
  患者記録の比較研究を支援する視覚分析システムを開発した。 カリフォルニア大学デイビス校の新生児集中治療ユニットから得られた実世界のデータセットを用いたケーススタディにより, 設計とシステムの有効性を実証した。
  論文  参考訳（メタデータ） (2020-02-18T19:29:30Z)
• Learning Dynamic and Personalized Comorbidity Networks from Event Data using Deep Diffusion Processes [102.02672176520382]
  コンコルビンド病は、個人によって異なる複雑な時間的パターンを通じて発生し進行する。 電子的な健康記録では、患者が持つ異なる疾患を観察できるが、それぞれの共死状態の時間的関係を推測できるだけである。 我々は「ダイナミック・コオービディティ・ネットワーク」をモデル化するための深層拡散プロセスを開発する。
  論文  参考訳（メタデータ） (2020-01-08T15:47:08Z)

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。