論文の概要: Prediction of Hospital Associated Infections During Continuous Hospital Stays

• arxiv url: http://arxiv.org/abs/2508.13561v1
• Date: Tue, 19 Aug 2025 06:53:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-20 15:36:31.822104
• Title: Prediction of Hospital Associated Infections During Continuous Hospital Stays
• Title（参考訳）: 入院中の病院関連感染症の予測
• Authors: Rituparna Datta, Methun Kamruzzaman, Eili Y. Klein, Gregory R Madden, Xinwei Deng, Anil Vullikanti, Parantapa Bhattacharya,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 13.074960520776385
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The US Centers for Disease Control and Prevention (CDC), in 2019, designated Methicillin-resistant Staphylococcus aureus (MRSA) as a serious antimicrobial resistance threat. The risk of acquiring MRSA and suffering life-threatening consequences due to it remains especially high for hospitalized patients due to a unique combination of factors, including: co-morbid conditions, immuno suppression, antibiotic use, and risk of contact with contaminated hospital workers and equipment. In this paper, we present a novel generative probabilistic model, GenHAI, for modeling sequences of MRSA test results outcomes for patients during a single hospitalization. This model can be used to answer many important questions from the perspectives of hospital administrators for mitigating the risk of MRSA infections. Our model is based on the probabilistic programming paradigm, and can be used to approximately answer a variety of predictive, causal, and counterfactual questions. We demonstrate the efficacy of our model by comparing it against discriminative and generative machine learning models using two real-world datasets.
• Abstract（参考訳）: アメリカ疾病予防管理センター(CDC)は2019年に、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。 MRSAの取得リスクと、それによる生命予後のリスクは、共死状態、免疫抑制、抗生物質の使用、汚染された病院労働者や機器との接触のリスクなど、ユニークな組み合わせにより、特に入院患者にとって高いままである。 本稿では,1回の入院患者に対する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。 このモデルは、MRSA感染のリスクを軽減するために、病院の管理者の視点から、多くの重要な質問に答えるために使用できる。 我々のモデルは確率的プログラミングパラダイムに基づいており、様々な予測的、因果的、反事実的な質問に概ね答えることができる。 実世界の2つのデータセットを用いて、識別的および生成的機械学習モデルと比較することにより、モデルの有効性を実証する。

関連論文リスト

• CALYPSO: Forecasting and Analyzing MRSA Infection Patterns with Community and Healthcare Transmission Dynamics [15.074669030356198]
  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。
  論文  参考訳（メタデータ） (2025-08-19T06:11:21Z)
• A Comparative Analysis of Machine Learning Models for Early Detection of Hospital-Acquired Infections [0.0]
  感染リスク指数(IRI)と換気器関連肺炎(VAP)予測モデルを比較した。 IRIモデルはすべてのHAIを予測するために構築され、VAPモデルは人工呼吸器関連肺炎のリスクのある患者を特定する。
  論文  参考訳（メタデータ） (2023-11-15T19:36:12Z)
• 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)
• Agent-Based Model: Simulating a Virus Expansion Based on the Acceptance of Containment Measures [65.62256987706128]
  比較疫学モデルは、疾患の状態に基づいて個人を分類する。 我々は、適応されたSEIRDモデルと市民のための意思決定モデルを組み合わせたABMアーキテクチャを提案する。 スペイン・ア・コルナにおけるSARS-CoV-2感染症の進行状況について検討した。
  論文  参考訳（メタデータ） (2023-07-28T08:01:05Z)
• Diagnosis Uncertain Models For Medical Risk Prediction [80.07192791931533]
  本研究は, 患者の診断にはアクセスできない, バイタルサイン, 検査値, 既往歴にアクセス可能な患者リスクモデルについて考察する。 このようなすべての原因のリスクモデルが、診断全体にわたって良い一般化を持つが、予測可能な障害モードを持つことが示される。 患者診断の不確実性から生じるリスク予測の不確実性を明示的にモデル化し,この問題に対する対策を提案する。
  論文  参考訳（メタデータ） (2023-06-29T23:36:04Z)
• SurvLatent ODE : A Neural ODE based time-to-event model with competing risks for longitudinal data improves cancer-associated Deep Vein Thrombosis (DVT) prediction [68.8204255655161]
  本稿では,不規則なサンプルデータの下で潜在表現をパラメータ化する生成時間対イベントモデルSurvLatent ODEを提案する。 そこで,本モデルでは,事象特異的ハザード関数の形状を指定せずに,複数の競合イベントの生存時間を柔軟に推定する。 SurvLatent ODEは、DVTリスクグループを成層化するために、現在の臨床標準であるKhorana Riskスコアより優れている。
  論文  参考訳（メタデータ） (2022-04-20T17:28:08Z)
• A self-supervised neural-analytic method to predict the evolution of COVID-19 in Romania [7.80105745233548]
  我々は、感染症の古典的な確立されたモデルであるSEIRの改良版を使用している。 本稿では,修正SEIRモデルパラメータの正しいセットを推定するために,深層畳み込みネットワークを訓練するための自己教師型アプローチを提案する。 ルーマニアの死亡率が約0.3%である場合、楽観的な結果が得られ、我々のモデルが今後最大3週間の日々の死亡数を正確に予測できることを示した。
  論文  参考訳（メタデータ） (2020-06-23T12:00:04Z)
• CRISP: A Probabilistic Model for Individual-Level COVID-19 Infection Risk Estimation Based on Contact Data [6.0785913977668935]
  本稿では,SEIRモデルに基づく集団内感染の確率的グラフィカルモデルを提案する。 当社のマイクロレベルモデルでは、各時点の感染状況が記録されており、感染、感染、感染、回復まで様々です。 これは、個々のレベルの接触データに基づいて、新型コロナウイルスの感染拡大を効率的に推測する最初のモデルである。
  論文  参考訳（メタデータ） (2020-06-09T04:25:56Z)
• A General Framework for Survival Analysis and Multi-State Modelling [70.31153478610229]
  ニューラル常微分方程式を多状態生存モデル推定のためのフレキシブルで一般的な方法として用いる。 また,本モデルでは,サバイバルデータセット上での最先端性能を示すとともに,マルチステート環境での有効性を示す。
  論文  参考訳（メタデータ） (2020-06-08T19:24:54Z)

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。