論文の概要: CALYPSO: Forecasting and Analyzing MRSA Infection Patterns with Community and Healthcare Transmission Dynamics

• arxiv url: http://arxiv.org/abs/2508.13548v1
• Date: Tue, 19 Aug 2025 06:11:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-20 15:36:31.816741
• Title: CALYPSO: Forecasting and Analyzing MRSA Infection Patterns with Community and Healthcare Transmission Dynamics
• Title（参考訳）: CALYPSO: MRSA感染パターンの予測と分析 : 地域と医療の伝達動態
• Authors: Rituparna Datta, Jiaming Cui, Gregory R. Madden, Anil Vullikanti,
• Abstract要約: 本稿では,ニューラルネットワークと機械的メタポピュレーションモデルを統合するハイブリッドフレームワークCALYPSOを提案する。 機械学習のベースラインと比較して,CALYPSOは州全体の予測性能を4.5%以上改善している。
• 参考スコア（独自算出の注目度）: 15.074669030356198
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Methicillin-resistant Staphylococcus aureus (MRSA) is a critical public health threat within hospitals as well as long-term care facilities. Better understanding of MRSA risks, evaluation of interventions and forecasting MRSA rates are important public health problems. Existing forecasting models rely on statistical or neural network approaches, which lack epidemiological interpretability, and have limited performance. Mechanistic epidemic models are difficult to calibrate and limited in incorporating diverse datasets. We present CALYPSO, a hybrid framework that integrates neural networks with mechanistic metapopulation models to capture the spread dynamics of infectious diseases (i.e., MRSA) across healthcare and community settings. Our model leverages patient-level insurance claims, commuting data, and healthcare transfer patterns to learn region- and time-specific parameters governing MRSA spread. This enables accurate, interpretable forecasts at multiple spatial resolutions (county, healthcare facility, region, state) and supports counterfactual analyses of infection control policies and outbreak risks. We also show that CALYPSO improves statewide forecasting performance by over 4.5% compared to machine learning baselines, while also identifying high-risk regions and cost-effective strategies for allocating infection prevention resources.
• Abstract（参考訳）: メチシリン耐性黄色ブドウ球菌(MRSA)は、病院や長期医療施設において重要な公衆衛生上の脅威である。 MRSAリスクのより深い理解、介入の評価、MRSA率の予測は、公衆衛生上の重要な問題である。 既存の予測モデルは、疫学的解釈性に欠け、性能に制限がある統計的またはニューラルネットワークアプローチに依存している。 メカニカルディファレンスモデルは、様々なデータセットを組み込む際に、校正が困難で制限される。 本稿では,ニューラルネットワークと機械的メタポピュレーションモデルを統合するハイブリッドフレームワークCALYPSOを提案する。 本モデルは,患者レベルの保険請求,通勤データ,医療移転パターンを利用して,MRSAの拡散を規定する地域別および時間別パラメータを学習する。 これにより、複数の空間解像度(州、医療施設、地域、州)での正確な解釈可能な予測が可能となり、感染対策方針やアウトブレイクリスクの非現実的な分析をサポートする。 また,CALYPSOは,機械学習のベースラインに比べて州全体の予測性能を4.5%以上改善し,リスクの高い地域を同定し,感染予防資源を割り当てるための費用対効果を示す。

関連論文リスト

• Prediction of Hospital Associated Infections During Continuous Hospital Stays [13.074960520776385]
  アメリカ疾病予防管理センター(CDC)は、メチシリン耐性黄色ブドウ球菌(MRSA)を深刻な抗菌抵抗性脅威として指定した。 特に入院患者ではMRSAの取得や生命予後の悪化のリスクが高い。 単座入院患者のMRSA検査結果の時系列をモデル化するための新しい生成確率モデルGenHAIを提案する。
  論文  参考訳（メタデータ） (2025-08-19T06:53:10Z)
• Adaptable Cardiovascular Disease Risk Prediction from Heterogeneous Data using Large Language Models [70.64969663547703]
  AdaCVDは、英国バイオバンクから50万人以上の参加者を対象に、大規模な言語モデルに基づいて構築された適応可能なCVDリスク予測フレームワークである。 包括的かつ可変的な患者情報を柔軟に取り込み、構造化データと非構造化テキストの両方をシームレスに統合し、最小限の追加データを使用して新規患者の集団に迅速に適応する。
  論文  参考訳（メタデータ） (2025-05-30T14:42:02Z)
• Epidemic-guided deep learning for spatiotemporal forecasting of Tuberculosis outbreak [0.0]
  本稿では,先進的な深層学習技術と機械的疫学の原則を融合させるEGDL手法を提案する。 我々のフレームワークは、飽和入射率とグラフラプラシア拡散を付加したネットワーク化された感受性-感染-回復モデル(MN-SIR)に基づいて構築されている。 全国47都道府県と中国本土31県で実施したTB頻度データから,本手法が堅牢かつ正確な予測を行うことを示す。
  論文  参考訳（メタデータ） (2025-02-15T12:39:42Z)
• Machine Learning Applications in Medical Prognostics: A Comprehensive Review [0.0]
  機械学習(ML)は、高度なアルゴリズムと臨床データを統合することで、医学的診断に革命をもたらした。 RFモデルは高次元データの処理において堅牢な性能を示す。 CNNは、がん検出において異常な精度を示している。 LSTMネットワークは、時間的データの解析に優れ、臨床劣化の正確な予測を提供する。
  論文  参考訳（メタデータ） (2024-08-05T09:41:34Z)
• Neural parameter calibration and uncertainty quantification for epidemic forecasting [0.0]
  感染パラメータの確率密度を学習する問題に対して,新しい強力な計算手法を適用した。 ニューラルネットワークを用いて、2020年にベルリンで発生した新型コロナウイルスの感染拡大に関するデータにODEモデルを調整します。 本手法は,感染の簡易SIRモデルにおいて,本手法の真の後部への収束を示すとともに,縮小データセット上での学習能力を実証する。
  論文  参考訳（メタデータ） (2023-12-05T21:34:59Z)
• MedDiffusion: Boosting Health Risk Prediction via Diffusion-based Data Augmentation [58.93221876843639]
  本稿では,MedDiffusion という,エンドツーエンドの拡散に基づくリスク予測モデルを提案する。 トレーニング中に合成患者データを作成し、サンプルスペースを拡大することで、リスク予測性能を向上させる。 ステップワイズ・アテンション・メカニズムを用いて患者の来訪者間の隠れた関係を識別し、高品質なデータを生成する上で最も重要な情報をモデルが自動的に保持することを可能にする。
  論文  参考訳（メタデータ） (2023-10-04T01:36:30Z)
• Data-Centric Epidemic Forecasting: A Survey [56.99209141838794]
  この調査は、様々なデータ駆動の方法論および実践的進歩を掘り下げるものである。 疫学的なデータセットと,流行予測に関連する新しいデータストリームを列挙する。 また,これらの予測システムの現実的な展開において生じる経験や課題についても論じる。
  論文  参考訳（メタデータ） (2022-07-19T16:15:11Z)
• Epicasting: An Ensemble Wavelet Neural Network (EWNet) for Forecasting Epidemics [2.705025060422369]
  感染性疾患は、世界中でヒトの病気や死亡の原因となっている。 感染拡大の予測は、利害関係者が目の前の状況に対処するのに役立つ。
  論文  参考訳（メタデータ） (2022-06-21T19:31:25Z)
• UNITE: Uncertainty-based Health Risk Prediction Leveraging Multi-sourced Data [81.00385374948125]
  我々はUNcertaInTyベースのhEalth Risk Prediction(UNITE)モデルを提案する。 UNITEは、複数ソースの健康データを活用した正確な疾患リスク予測と不確実性推定を提供する。 非アルコール性脂肪肝疾患(NASH)とアルツハイマー病(AD)の実態予測タスクにおけるUNITEの評価を行った。 UNITEはAD検出のF1スコアで最大0.841点、NASH検出のPR-AUCで最大0.609点を達成し、最高のベースラインで最大19%の高パフォーマンスを達成している。
  論文  参考訳（メタデータ） (2020-10-22T02:28:11Z)

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。