論文の概要: A machine learning approach for Premature Coronary Artery Disease Diagnosis according to Different Ethnicities in Iran

• arxiv url: http://arxiv.org/abs/2501.18893v1
• Date: Fri, 31 Jan 2025 05:20:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-03 14:01:23.646127
• Title: A machine learning approach for Premature Coronary Artery Disease Diagnosis according to Different Ethnicities in Iran
• Title（参考訳）: イランにおける早期冠動脈疾患診断のための機械学習アプローチ
• Authors: Mohamad Roshanzamir, Roohallah Alizadehsani, Ehsan Zarepur, Noushin Mohammadifard, Fatemeh Nouri, Mahdi Roshanzamir, Alireza Khosravi, Fereidoon Nouhi, Nizal Sarrafzadegan,
• Abstract要約: 早期冠動脈疾患(PCAD)は、男性55歳未満、女性65歳未満の早期発症を指す。 本研究では, PCADの主要なリスク要因のうち, 民族のランクについて検討した。 性別と年齢が最も重要な予測者であり、民族が3番目に重要だった。
• 参考スコア（独自算出の注目度）: 0.9674145073701151
• License:
• Abstract: Premature coronary artery disease (PCAD) refers to the early onset of the disease, usually before the age of 55 for men and 65 for women. Coronary Artery Disease (CAD) develops when coronary arteries, the major blood vessels supplying the heart with blood, oxygen, and nutrients, become clogged or diseased. This is often due to many risk factors, including lifestyle and cardiometabolic ones, but few studies were done on ethnicity as one of these risk factors, especially in PCAD. In this study, we tested the rank of ethnicity among the major risk factors of PCAD, including age, gender, body mass index (BMI), visceral obesity presented as waist circumference (WC), diabetes mellitus (DM), high blood pressure (HBP), high low-density lipoprotein cholesterol (LDL-C), and smoking in a large national sample of patients with PCAD from different ethnicities. All patients who met the age criteria underwent coronary angiography to confirm CAD diagnosis. The weight of ethnicity was compared to the other eight features using feature weighting algorithms in PCAD diagnosis. In addition, we conducted an experiment where we ran predictive models (classification algorithms) to predict PCAD. We compared the performance of these models under two conditions: we trained the classification algorithms, including or excluding ethnicity. This study analyzed various factors to determine their predictive power influencing PCAD prediction. Among these factors, gender and age were the most significant predictors, with ethnicity being the third most important. The results also showed that if ethnicity is used as one of the input risk factors for classification algorithms, it can improve their efficiency. Our results show that ethnicity ranks as an influential factor in predicting PCAD. Therefore, it needs to be addressed in the PCAD diagnostic and preventive measures.
• Abstract（参考訳）: 早期冠動脈疾患(PCAD)は、男性55歳未満、女性65歳未満の早期発症を指す。 冠状動脈疾患 (CAD) は、心臓に血液、酸素、栄養素を供給する主要血管である冠状動脈が詰まったり、病気になったりする際に発症する。 これは、生活習慣や心臓メタボリックな要因を含む多くのリスク要因に起因することが多いが、これらのリスク要因の1つとして、特にPCADでは、民族についての研究はほとんど行われなかった。 本研究では、年齢、性別、身体質量指数(BMI)、腰囲(WC)、糖尿病(DM)、高血圧(HBP)、高低比重リポ蛋白コレステロール(LDL-C)、喫煙など、PCADの主要な危険因子のうち、民族のランクを測定した。 年齢は全症例に冠状動脈造影を施行し,CAD診断を施行した。 PCAD診断における特徴重み付けアルゴリズムを用いて,他の8つの特徴と比較した。 さらに,予測モデル(分類アルゴリズム)を用いてPCADを予測する実験を行った。 我々は、これらのモデルのパフォーマンスを、2つの条件で比較した。 本研究では, PCAD予測に影響を及ぼす予測力を決定する要因について検討した。 これらの要因の中で、性別と年齢が最も重要な予測因子であり、民族が3番目に重要だった。 また,分類アルゴリズムの入力リスク要因の1つとして民族性を用いると,効率が向上することを示した。 以上の結果から,民族のランクがPCADの予測に重要な要因であることが示唆された。 したがって、PCADの診断と予防対策に対処する必要がある。

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)
• Detection of subclinical atherosclerosis by image-based deep learning on chest x-ray [86.38767955626179]
  460胸部X線で冠状動脈カルシウム(CAC)スコアを予測する深層学習アルゴリズムを開発した。 AICACモデルの診断精度は, 曲線下領域(AUC)で評価された。
  論文  参考訳（メタデータ） (2024-03-27T16:56:14Z)
• AI Framework for Early Diagnosis of Coronary Artery Disease: An Integration of Borderline SMOTE, Autoencoders and Convolutional Neural Networks Approach [0.44998333629984877]
  我々は,データのバランスが不均衡でサンプルサイズが小さい場合に,より正確な予測を行うために,データのバランスと拡張のための方法論を開発する。 実験の結果,提案手法の平均精度は95.36であり,ランダムフォレスト(RF),決定木(DT),サポートベクターマシン(SVM),ロジスティック回帰(LR),人工ニューラルネットワーク(ANN)よりも高かった。
  論文  参考訳（メタデータ） (2023-08-29T14:33:38Z)
• How Does Pruning Impact Long-Tailed Multi-Label Medical Image Classifiers? [49.35105290167996]
  プルーニングは、ディープニューラルネットワークを圧縮し、全体的なパフォーマンスに大きな影響を及ぼすことなく、メモリ使用量と推論時間を短縮する強力なテクニックとして登場した。 この研究は、プルーニングがモデル行動に与える影響を理解するための第一歩である。
  論文  参考訳（メタデータ） (2023-08-17T20:40:30Z)
• Ensemble Framework for Cardiovascular Disease Prediction [0.0]
  心臓病は、世界中でコミュニケーション不能で無音な死の主な原因である。 我々は,ExtraTrees,Random Forest,XGBoostなど,複数の機械学習アルゴリズムを用いたアンサンブルを組み込んだフレームワークを提案している。 提案手法は,既存の文献よりも高い92.34%の精度を実現した。
  論文  参考訳（メタデータ） (2023-06-16T17:37:43Z)
• Evaluate underdiagnosis and overdiagnosis bias of deep learning model on primary open-angle glaucoma diagnosis in under-served patient populations [64.91773761529183]
  原発性オープンアングル緑内障(POAG)はアメリカにおける盲目の主要な原因である。 深層学習は眼底画像を用いたPOAGの検出に広く用いられている。 臨床診断における人間のバイアスは、広く使われているディープラーニングモデルに反映され増幅される可能性がある。
  論文  参考訳（メタデータ） (2023-01-26T18:53:09Z)
• Clinical Deterioration Prediction in Brazilian Hospitals Based on Artificial Neural Networks and Tree Decision Models [56.93322937189087]
  超強化ニューラルネットワーク(XBNet)は臨床劣化(CD)を予測するために用いられる XGBoostモデルはブラジルの病院のデータからCDを予測する最良の結果を得た。
  論文  参考訳（メタデータ） (2022-12-17T23:29:14Z)
• Machine Learning-Based Classification Algorithms for the Prediction of Coronary Heart Diseases [0.0]
  この研究は、いくつかの機械学習に基づく分類モデルを作成し、テストした。 その結果、ロジスティック回帰は、元のデータセット上で最高のパフォーマンススコアを生み出した。 結論として,順調に処理され,標準化されたデータセット上のLRが,他のアルゴリズムよりも精度の高い冠状心疾患を予測できることが示唆された。
  論文  参考訳（メタデータ） (2021-12-02T18:52:56Z)
• Analysis and classification of main risk factors causing stroke in Shanxi Province [8.205220957412354]
  中国では近年、脳卒中が最初の死因となっている。 中国国家ストローク予防プロジェクト(CSPP)における「8+2」要因の重要性を評価した。 また、人間の脳卒中の確率を機械学習モデルで予測することもできる。
  論文  参考訳（メタデータ） (2021-05-29T14:27:08Z)
• 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)
• Coronary Artery Disease Diagnosis; Ranking the Significant Features Using Random Trees Model [0.9634136878988853]
  本研究の目的は,冠状動脈疾患の診断精度を高めることにある。 提案手法は有望な結果を示し,RTモデルが他のモデルより優れていることを確認した。
  論文  参考訳（メタデータ） (2020-01-16T20:01:09Z)

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。