論文の概要: IFRA: a machine learning-based Instrumented Fall Risk Assessment Scale derived from Instrumented Timed Up and Go test in stroke patients

• arxiv url: http://arxiv.org/abs/2501.09595v1
• Date: Thu, 16 Jan 2025 15:20:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-17 15:11:23.068686
• Title: IFRA: a machine learning-based Instrumented Fall Risk Assessment Scale derived from Instrumented Timed Up and Go test in stroke patients
• Title（参考訳）: IFRA : 脳卒中患者の計時・検査結果から得られた機械学習による計時的転倒リスク評価尺度
• Authors: Simone Macciò, Alessandro Carfì, Alessio Capitanelli, Peppino Tropea, Massimo Corbo, Fulvio Mastrogiovanni, Michela Picardi,
• Abstract要約: IFRA は Instrumented Fall Risk Assessment の略。 IFRAスケールで考慮される特徴は、歩行速度、座-歩行遷移中の垂直加速度、角速度の旋回である。 IFRAは、転倒者の半分以上を高リスク層に正しく割り当てる唯一の尺度である。
• 参考スコア（独自算出の注目度）: 39.82556598631489
• License:
• Abstract: Effective fall risk assessment is critical for post-stroke patients. The present study proposes a novel, data-informed fall risk assessment method based on the instrumented Timed Up and Go (ITUG) test data, bringing in many mobility measures that traditional clinical scales fail to capture. IFRA, which stands for Instrumented Fall Risk Assessment, has been developed using a two-step process: first, features with the highest predictive power among those collected in a ITUG test have been identified using machine learning techniques; then, a strategy is proposed to stratify patients into low, medium, or high-risk strata. The dataset used in our analysis consists of 142 participants, out of which 93 were used for training (15 synthetically generated), 17 for validation and 32 to test the resulting IFRA scale (22 non-fallers and 10 fallers). Features considered in the IFRA scale include gait speed, vertical acceleration during sit-to-walk transition, and turning angular velocity, which align well with established literature on the risk of fall in neurological patients. In a comparison with traditional clinical scales such as the traditional Timed Up & Go and the Mini-BESTest, IFRA demonstrates competitive performance, being the only scale to correctly assign more than half of the fallers to the high-risk stratum (Fischer's Exact test p = 0.004). Despite the dataset's limited size, this is the first proof-of-concept study to pave the way for future evidence regarding the use of IFRA tool for continuous patient monitoring and fall prevention both in clinical stroke rehabilitation and at home post-discharge.
• Abstract（参考訳）: 効果的な転倒リスク評価は、ストローク後患者にとって重要である。 本研究は,ITUGテストデータに基づく新しいデータインフォームドフォールリスク評価手法を提案する。 IFRAは2段階のプロセスを用いて開発されており、第一に、ITUGテストで収集された中で最も高い予測力を持つ特徴を機械学習技術を用いて同定し、次いで、患者を低、中、高リスク層に階層化する戦略が提案されている。 分析に用いたデータセットは142名からなり,そのうち93名(合成生成)と17名(検証)と32名(非フォールダー22名,転倒者10名)で構成された。 IFRA尺度で考慮される特徴は、歩行速度、座と歩行の遷移中の垂直加速度、角速度の旋回であり、神経疾患患者の転倒リスクに関する確立された文献とよく一致している。 従来のTimed Up & GoやMini-BESTestのような臨床尺度と比較すると、IFRAは競争性能を示し、転倒者の半分以上を高リスク層に正しく割り当てる唯一の尺度である(フィッシャーのExact test p = 0.004)。 データセットのサイズが限られているにもかかわらず、この研究はIFRAツールを用いた継続的な患者モニタリングと転倒予防のための将来的な証拠の道を開く最初の概念実証研究である。

関連論文リスト

• Early Risk Assessment Model for ICA Timing Strategy in Unstable Angina Patients Using Multi-Modal Machine Learning [5.070772577047069]
  不安定狭心症(UA)を含む心血管疾患の診断のための金の基準として、浸潤性冠動脈造影(ICA)が認められている 心筋梗塞とは異なり、UAはST偏位や心筋酵素のような特定の指標を持っておらず、リスクアセスメントが複雑になる。 本研究の目的は,UA患者に対する早期リスクアセスメントを機械学習アルゴリズムを用いて向上することである。
  論文  参考訳（メタデータ） (2024-08-08T07:24:28Z)
• SepsisLab: Early Sepsis Prediction with Uncertainty Quantification and Active Sensing [67.8991481023825]
  セプシスは米国での院内死亡の主な原因である。 既存の予測モデルは通常、情報不足の少ない高品質なデータで訓練される。 限られた観察により信頼性の低い高リスク患者に対して,ロバストな能動センシングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-07-24T04:47:36Z)
• DySurv: dynamic deep learning model for survival analysis with conditional variational inference [2.6163120339292654]
  本研究では,動的に死亡リスクを推定する条件付き変分自動エンコーダDySurvを提案する。 DySurv は累積リスク発生関数を直接見積もるが、時間から時間までのプロセスのパラメトリックな仮定は行わない。
  論文  参考訳（メタデータ） (2023-10-28T11:29:09Z)
• Predicting COVID-19 and pneumonia complications from admission texts [101.28793285063904]
  入院報告に基づき,肺炎やCOVID-19に罹患した患者に対するリスクアセスメントの新たなアプローチを提案する。 入院直後の入院報告などのテキストデータにLongformerニューラルネットワークを適用し,リスクスコアを算出した。
  論文  参考訳（メタデータ） (2023-05-05T16:28:44Z)
• Prediction of Drug-Induced TdP Risks Using Machine Learning and Rabbit Ventricular Wedge Assay [0.0]
  本稿では,薬物によるTdPリスクの予測における機械学習アプローチについて議論する。 The model prediction performance were measured on 28 drugs from the Comprehensive In Vitro Proarrhythmia Assay initiative。 本研究は,薬物によるTdPリスクの予測における機械学習アプローチの有用性を検証するものである。
  論文  参考訳（メタデータ） (2022-01-14T21:03:20Z)
• Machine learning approach to dynamic risk modeling of mortality in COVID-19: a UK Biobank study [0.0]
  新型コロナウイルス(COVID-19)のパンデミックは、高リスク患者の階層化を支援する堅牢でスケーラブルなモニタリングツールを緊急に必要としてきた。 本研究は、英国バイオバンクを用いた予測モデルを開発し、検証し、新型コロナウイルスの死亡リスクを推定することを目的とする。
  論文  参考訳（メタデータ） (2021-04-19T11:51:20Z)
• Clinical Outcome Prediction from Admission Notes using Self-Supervised Knowledge Integration [55.88616573143478]
  臨床テキストからのアウトカム予測は、医師が潜在的なリスクを見落としないようにする。 退院時の診断,手術手順,院内死亡率,長期予測は4つの一般的な結果予測対象である。 複数の公開資料から得られた患者結果に関する知識を統合するために,臨床結果の事前学習を提案する。
  論文  参考訳（メタデータ） (2021-02-08T10:26:44Z)
• Incorporating Expert Guidance in Epidemic Forecasting [79.91855362871496]
  AIセーフティによるセルドニアン最適化フレームワークを活用した新しいアプローチを提案します。 円滑性と誤りの地域整合性という2種類のガイダンスについて検討する。 その定式化に成功することにより、望ましくない行動が起こる確率を拘束できるだけでなく、テストデータのRMSEを最大17%削減することができることを示しています。
  論文  参考訳（メタデータ） (2020-12-24T06:21:53Z)
• An efficient representation of chronological events in medical texts [9.118144540451514]
  臨床ノートで利用可能な時系列イベントから学習するための体系的手法を提案した。 提案手法は,任意の種類の逐次イベントの非パラメトリック階層表現を生成する。 この手法は、英国で最大の中等医療精神保健 EHR データを用いて開発され、外部で検証された。
  論文  参考訳（メタデータ） (2020-10-16T14:54:29Z)
• Prediction of the onset of cardiovascular diseases from electronic health records using multi-task gated recurrent units [51.14334174570822]
  本稿では,電子カルテから心血管イベントを予測するための注意機構を備えたマルチタスク・リカレントニューラルネットワークを提案する。 提案手法は、NHS Foundation Trustの5年間のデータを用いて、標準的な臨床リスク予測器(QRISK)と機械学習の代替手段と比較される。
  論文  参考訳（メタデータ） (2020-07-16T17:43:13Z)

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。