論文の概要: AZT1D: A Real-World Dataset for Type 1 Diabetes

• arxiv url: http://arxiv.org/abs/2506.14789v1
• Date: Tue, 27 May 2025 21:54:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-22 23:32:14.675339
• Title: AZT1D: A Real-World Dataset for Type 1 Diabetes
• Title（参考訳）: AZT1D:1型糖尿病のリアルタイムデータセット
• Authors: Saman Khamesian, Asiful Arefeen, Bithika M. Thompson, Maria Adela Grando, Hassan Ghasemzadeh,
• Abstract要約: AZT1Dは、自動インスリンデリバリーシステム上で、タイプ1糖尿病(T1D)を持つ25人の個人から収集されたデータを含むデータセットである。 AZT1Dはリッチで博物学的なデータを提供することで、幅広い人工知能と機械学習アプリケーションをサポートする。
• 参考スコア（独自算出の注目度）: 6.102406188211489
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: High quality real world datasets are essential for advancing data driven approaches in type 1 diabetes (T1D) management, including personalized therapy design, digital twin systems, and glucose prediction models. However, progress in this area has been limited by the scarcity of publicly available datasets that offer detailed and comprehensive patient data. To address this gap, we present AZT1D, a dataset containing data collected from 25 individuals with T1D on automated insulin delivery (AID) systems. AZT1D includes continuous glucose monitoring (CGM) data, insulin pump and insulin administration data, carbohydrate intake, and device mode (regular, sleep, and exercise) obtained over 6 to 8 weeks for each patient. Notably, the dataset provides granular details on bolus insulin delivery (i.e., total dose, bolus type, correction specific amounts) features that are rarely found in existing datasets. By offering rich, naturalistic data, AZT1D supports a wide range of artificial intelligence and machine learning applications aimed at improving clinical decision making and individualized care in T1D.
• Abstract（参考訳）: 高品質な現実世界データセットは、パーソナライズされたセラピー設計、デジタルツインシステム、グルコース予測モデルを含む、タイプ1糖尿病(T1D)管理におけるデータ駆動アプローチを進めるために不可欠である。 しかし、この領域の進歩は、詳細な包括的な患者データを提供する公開データセットの不足によって制限されている。 AZT1Dは、自動インスリンデリバリー(AID)システムにおいて、T1Dを持つ25人の個人から収集されたデータを含むデータセットである。 AZT1Dは、連続グルコースモニタリング(CGM)データ、インスリンポンプおよびインスリン投与データ、炭水化物摂取量、および各患者に対して6週間から8週間以上経過したデバイスモード(通常、睡眠、運動)を含む。 特に、このデータセットは、既存のデータセットにはほとんど見つからない、ボスインスリンのデリバリー(トータルドーン、ボーラスタイプ、補正特定量)に関する詳細な情報を提供する。 AZT1Dは、リッチで自然主義的なデータを提供することで、T1Dにおける臨床的意思決定と個別化ケアを改善することを目的とした、幅広い人工知能と機械学習アプリケーションをサポートする。

関連論文リスト

• SMILE-UHURA Challenge -- Small Vessel Segmentation at Mesoscopic Scale from Ultra-High Resolution 7T Magnetic Resonance Angiograms [60.35639972035727]
  公開されている注釈付きデータセットの欠如は、堅牢で機械学習駆動のセグメンテーションアルゴリズムの開発を妨げている。 SMILE-UHURAチャレンジは、7T MRIで取得したTime-of-Flightアンジオグラフィーの注釈付きデータセットを提供することで、公開されている注釈付きデータセットのギャップに対処する。 Diceスコアは、それぞれのデータセットで0.838 $pm$0.066と0.716 $pm$ 0.125まで到達し、平均パフォーマンスは0.804 $pm$ 0.15までになった。
  論文  参考訳（メタデータ） (2024-11-14T17:06:00Z)
• FedCVD: The First Real-World Federated Learning Benchmark on Cardiovascular Disease Data [52.55123685248105]
  心臓血管疾患(CVD)は、現在世界でも主要な死因であり、早期診断と治療の要点を浮き彫りにしている。 機械学習(ML)手法はCVDの早期診断に役立つが、その性能は高品質なデータへのアクセスに依存している。 本稿では、FedCVDという心臓血管疾患検出のための、世界初の実世界のFLベンチマークを示す。
  論文  参考訳（メタデータ） (2024-10-28T02:24:01Z)
• MSSDA: Multi-Sub-Source Adaptation for Diabetic Foot Neuropathy Recognition [6.890510442626563]
  糖尿病性足部神経症(DFN)は糖尿病性足底潰瘍を引き起こす重要な因子である。 既存のデータセットは、プランタデータから直接派生するものではない。 我々は,DFNを認識するために,連続的なプランタ圧力データからなる新しいデータセットを収集した。
  論文  参考訳（メタデータ） (2024-09-21T14:16:20Z)
• From Glucose Patterns to Health Outcomes: A Generalizable Foundation Model for Continuous Glucose Monitor Data Analysis [47.23780364438969]
  本稿では,CGMデータの生成基盤モデルであるGluFormerについて紹介する。 GluFormerは、異なる民族や年齢、5つの国、8つのCGMデバイス、多様な病態状態にまたがる19の外部コホートに一般化する。 CGMデータと12年間のフォローアップを持つ580人の成人の縦断的研究において、GluFormerは血液HbA1C%よりも糖尿病を効果的に発症するリスクが高い個人を特定する。
  論文  参考訳（メタデータ） (2024-08-20T13:19:06Z)
• DiaTrend: A dataset from advanced diabetes technology to enable development of novel analytic solutions [0.0]
  このデータセットは、合計27,561日連続血糖測定データと、糖尿病患者54人のインスリンポンプデータ8,220日を含む、ウェアラブル医療機器からの集中的な経時的データで構成されている。 このデータセットは、糖尿病患者の疾患負担を軽減し、外来患者の慢性的な状態管理に関する知識を増大させる新しい分析ソリューションの開発に有用である。
  論文  参考訳（メタデータ） (2023-04-04T00:59:04Z)
• Temporal patterns in insulin needs for Type 1 diabetes [0.0]
  1型糖尿病 (Type 1 Diabetes, T1D) は、身体がインスリンをほとんど分泌しない慢性疾患である。 正しいインスリン摂取量と時間を見つけることは、複雑で困難であり、まだ未解決のコントロールタスクである。 本研究ではOpenAPS Data Commonsデータセットを用いて、インスリンに必要な時間的パターンをよく知られた要因によって検出する。
  論文  参考訳（メタデータ） (2022-11-14T14:19:50Z)
• Unsupervised pre-training of graph transformers on patient population graphs [48.02011627390706]
  異種臨床データを扱うグラフ変換器を用いたネットワークを提案する。 自己教師型, 移動学習環境において, 事前学習方式の利点を示す。
  論文  参考訳（メタデータ） (2022-07-21T16:59:09Z)
• 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)
• GLYFE: Review and Benchmark of Personalized Glucose Predictive Models in Type-1 Diabetes [4.17510581764131]
  GLYFEは機械学習に基づくグルコース予測モデルのベンチマークである。 ブドウ糖沈降の文献から得られた9つの異なるモデルの結果を報告する。
  論文  参考訳（メタデータ） (2020-06-29T11:34:41Z)

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。