論文の概要: Temporal Patterns of Multiple Long-Term Conditions in Individuals with Intellectual Disability Living in Wales: An Unsupervised Clustering Approach to Disease Trajectories

• arxiv url: http://arxiv.org/abs/2411.08894v2
• Date: Fri, 15 Nov 2024 18:58:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-18 15:36:38.952892
• Title: Temporal Patterns of Multiple Long-Term Conditions in Individuals with Intellectual Disability Living in Wales: An Unsupervised Clustering Approach to Disease Trajectories
• Title（参考訳）: ウェールズ在住知的障害児の長期的状態の経時的変化 : 病的軌跡に対する非監督的クラスタリング的アプローチ
• Authors: Rania Kousovista, Georgina Cosma, Emeka Abakasanga, Ashley Akbari, Francesco Zaccardi, Gyuchan Thomas Jun, Reza Kiani, Satheesh Gangadharan,
• Abstract要約: 男性52.3%、女性47.7%であり、患者1人当たり平均4.5人である。 45歳未満の男性は神経学的条件(32.4%)に支配される単一のクラスターを形成し、45歳未満の男性は3つのクラスターを持ち、最も大きな循環器(51.8%)を特徴付ける。 45歳以下の女性は消化条件(24.6%)を最も多く用い、45歳以上の人は循環器(34.1%)と消化器(25.9%)と筋骨格(21.9%)の2つのクラスターを示した。
• 参考スコア（独自算出の注目度）: 1.0790796076947322
• License:
• Abstract: Identifying and understanding the co-occurrence of multiple long-term conditions (MLTC) in individuals with intellectual disabilities (ID) is vital for effective healthcare management. These individuals often face earlier onset and higher prevalence of MLTCs, yet specific co-occurrence patterns remain unexplored. This study applies an unsupervised approach to characterise MLTC clusters based on shared disease trajectories using electronic health records (EHRs) from 13069 individuals with ID in Wales (2000-2021). Disease associations and temporal directionality were assessed, followed by spectral clustering to group shared trajectories. The population consisted of 52.3% males and 47.7% females, with an average of 4.5 conditions per patient. Males under 45 formed a single cluster dominated by neurological conditions (32.4%), while males above 45 had three clusters, the largest characterised circulatory (51.8%). Females under 45 formed one cluster with digestive conditions (24.6%) as most prevalent, while those aged 45 and older showed two clusters: one dominated by circulatory (34.1%), and the other by digestive (25.9%) and musculoskeletal (21.9%) system conditions. Mental illness, epilepsy, and reflux were common across groups. These clusters offer insights into disease progression in individuals with ID, informing targeted interventions and personalised healthcare strategies.
• Abstract（参考訳）: 知的障害者(ID)におけるMLTC(Multiple Long-Term Condition)の同時発生の特定と理解は、効果的な医療管理に不可欠である。 これらの個体は、しばしばMLTCの早期発症と高頻度に直面するが、特定の共起パターンは未発見のままである。 本研究は、ウェールズのIDを持つ13069人(2000-2021)の電子健康記録(EHR)を用いて、共有疾患軌跡に基づいてMLTCクラスタを特徴づける教師なしのアプローチを適用した。 病的関連と時間的指向性を評価し, グループ共有軌跡に対するスペクトルクラスタリングを行った。 男性52.3%、女性47.7%であり、患者1人当たり平均4.5人である。 45歳未満の男性は神経学的条件(32.4%)に支配される単一のクラスターを形成し、45歳未満の男性は3つのクラスターを持ち、最も大きな循環器(51.8%)が特徴的である。 45歳以下の女性は消化条件(24.6%)を最も多く用い、45歳以上の人は循環器(34.1%)と消化器(25.9%)と筋骨格(21.9%)の2つのクラスターを示した。 精神疾患,てんかん,逆流は集団に共通していた。 これらのクラスターは、IDを持つ個人における疾患の進行、標的とする介入、パーソナライズされた医療戦略に関する洞察を提供する。

関連論文リスト

• 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)
• Data-driven subgrouping of patient trajectories with chronic diseases: Evidence from low back pain [18.837597864085865]
  本稿では,慢性疾患からの患者軌跡を分類するための隠れマルコフモデルを提案する。 我々のモデルは確率的であり、慢性疾患の異なる軌跡を捉えるために慎重に設計されている。 我々のサブグループ化フレームワークはクラスタ妥当性指標の点で共通ベースラインを上回っていることを示す。
  論文  参考訳（メタデータ） (2024-04-16T14:05:29Z)
• Establishing Central Sensitization Inventory Cut-off Values in patients with Chronic Low Back Pain by Unsupervised Machine Learning [2.0843870970746567]
  本研究の目的は,オランダ語話者における慢性腰痛(CLBP)のカットオフ値を決定することである。 調査データと性別に基づいて,HACS関連クラスタを同定するために,4つのクラスタリング手法を適用した。 CLBPの最適カットオフ値は35。
  論文  参考訳（メタデータ） (2023-11-20T15:57:49Z)
• Identifying acute illness phenotypes via deep temporal interpolation and clustering network on physiologic signatures [6.315312816818801]
  入院初日は臨床経過に影響を及ぼすが、早期臨床判断はデータ異常によることが多い。 成人75,762人を対象に, 単中心縦型EHRデータセットを作成し, 6時間以上にわたって第3次ケアセンターに入院した。 本研究では,スパース,不規則にサンプリングされたバイタルサインデータから潜時表現を抽出する深部時間クラスタリングとクラスタリングネットワークを提案する。
  論文  参考訳（メタデータ） (2023-07-27T21:05:23Z)
• Prevalence and Major Risk Factors of Non-communicable Diseases: A Machine Learning based Cross-Sectional Study [0.0]
  最も頻度の高いNCDは心血管疾患(CVD)であり,全症例の83.56%にみられた。 慢性呼吸器疾患は中高年者よりも中高年者の方が多かった。
  論文  参考訳（メタデータ） (2023-03-03T21:58:35Z)
• Auditing Algorithmic Fairness in Machine Learning for Health with Severity-Based LOGAN [70.76142503046782]
  臨床予測タスクにおいて,局所バイアスを自動検出するSLOGANを用いて,機械学習ベースの医療ツールを補足することを提案する。 LOGANは、患者の重症度と過去の医療史における集団バイアス検出を文脈化することにより、既存のツールであるLOcal Group biAs detectioNに適応する。 SLOGANは, クラスタリング品質を維持しながら, 患者群の75%以上において, SLOGANよりも高い公平性を示す。
  論文  参考訳（メタデータ） (2022-11-16T08:04:12Z)
• Generalizable and Robust Deep Learning Algorithm for Atrial Fibrillation Diagnosis Across Ethnicities, Ages and Sexes [0.0]
  本研究では,AFイベント検出のためのディープラーニング(DL)モデルの一般化性能を初めて開発し,評価した。 ArNet2は、51,386時間連続心電図(ECG)を計上した2,147人の大規模な振り返りデータセットに基づいて開発された。 イスラエルのハイファにあるランバム病院ホルタークリニックから1,730回連続したホルター記録の振り返りデータセットで検証された。
  論文  参考訳（メタデータ） (2022-07-20T05:49:16Z)
• Deep Semi-Supervised Embedded Clustering (DSEC) for Stratification of Heart Failure Patients [50.48904066814385]
  本研究では、深層半教師付き組込みクラスタリングを用いて、心不全のデータ駆動型患者サブグループを決定する。 ヘテロジニアスデータから得られた組込み空間から臨床関連クラスタを見出した。 提案アルゴリズムは、異なる結果を持つ患者の新たな未診断サブグループを見つけることができる。
  論文  参考訳（メタデータ） (2020-12-24T12:56:46Z)
• Understanding the temporal evolution of COVID-19 research through machine learning and natural language processing [66.63200823918429]
  重症急性呼吸器症候群2号(SARS-CoV-2)による新型コロナウイルス感染症(COVID-19)の流行は、世界中の人々の生活や社会に影響を与え続けている。 私たちは複数のデータソース、すなわちPubMedとArXivを使用し、現在のCOVID-19研究の風景を特徴づけるために、いくつかの機械学習モデルを構築しました。 調査の結果,PubMedとArXivで利用可能な研究の種類は異なることが確認された。
  論文  参考訳（メタデータ） (2020-07-22T18:02:39Z)
• Temporal Phenotyping using Deep Predictive Clustering of Disease Progression [97.88605060346455]
  我々は、時系列データをクラスタリングするためのディープラーニングアプローチを開発し、各クラスタは、同様の将来的な結果を共有する患者から構成される。 2つの実世界のデータセットに対する実験により、我々のモデルは最先端のベンチマークよりも優れたクラスタリング性能が得られることが示された。
  論文  参考訳（メタデータ） (2020-06-15T20:48:43Z)
• Predictive Modeling of ICU Healthcare-Associated Infections from Imbalanced Data. Using Ensembles and a Clustering-Based Undersampling Approach [55.41644538483948]
  本研究は,集中治療室における危険因子の同定と医療関連感染症の予測に焦点をあてる。 感染発生率の低減に向けた意思決定を支援することを目的とする。
  論文  参考訳（メタデータ） (2020-05-07T16:13:12Z)

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。