論文の概要: Computational-Assisted Systematic Review and Meta-Analysis (CASMA): Effect of a Subclass of GnRH-a on Endometriosis Recurrence
- arxiv url: http://arxiv.org/abs/2509.16599v1
- Date: Sat, 20 Sep 2025 09:50:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-23 18:58:15.881291
- Title: Computational-Assisted Systematic Review and Meta-Analysis (CASMA): Effect of a Subclass of GnRH-a on Endometriosis Recurrence
- Title（参考訳）: Computational-Assisted Systematic Review and Meta-Analysis (CASMA) : GnRH-aサブクラスが子宮内膜再発に及ぼす影響
- Authors: Sandro Tsang,
- Abstract要約: 本研究では,体系的レビューの堅牢性,透明性,透明性を高めるための情報検索駆動ワークフローを評価する。
我々は子宮内膜症の再発を,その複雑で曖昧な文献により理想的な症例として用いている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Background: Evidence synthesis facilitates evidence-based medicine. Without information retrieval techniques, this task is impossible due to the vast and expanding literature. Objective: Building on prior work, this study evaluates an information retrieval-driven workflow to enhance the efficiency, transparency, and reproducibility of systematic reviews. We use endometriosis recurrence as an ideal case due to its complex and ambiguous literature. Methods: Our hybrid approach integrates PRISMA guidelines with computational techniques. We applied semi-automated deduplication to efficiently filter records before manual screening. This workflow synthesized evidence from randomised controlled trials on the efficacy of a subclass of gonadotropin-releasing hormone agonists (GnRH'as). A modified splitting method addressed unit-of-analysis errors in multi-arm trials. Results: Our workflow efficiently reduced the screening workload. It took only 11 days to fetch and filter 812 records. Seven RCTs were eligible, providing evidence from 841 patients in 4 countries. The pooled random-effects model yielded a Risk Ratio (RR) of 0.64 (95% CI (0.48 to 0.86)), with non-significant heterogeneity ($I^2=0.00\%$, $\tau=0.00$); i.e., a 36% reduction in endometriosis recurrence. Sensitivity analyses and bias assessments supported the robustness of our findings. Conclusion: This study demonstrates an information-retrieval-driven workflow for medical evidence synthesis. Our approach yields valuable clinical results while providing a framework for accelerating the systematic review process. It bridges the gap between clinical research and computer science and can be generalized to other complex systematic reviews.
- Abstract（参考訳）: 背景:エビデンス合成はエビデンスベースの医療を促進する。
情報検索技術がなければ、膨大な文献が広まるため、この作業は不可能である。
目的: 事前の作業に基づいて, システムレビューの効率, 透明性, 再現性を高めるための情報検索駆動ワークフローを評価する。
我々は子宮内膜症の再発を,その複雑で曖昧な文献により理想的な症例として用いている。
方法:本手法はPRISMAガイドラインと計算手法を統合する。
手動検診前のレコードを効率よくフィルタするために半自動復号法を適用した。
このワークフローは、ゴナドトロピン放出ホルモンアゴニスト(GnRH'as)のサブクラスの有効性に関するランダム化制御試験の証拠を合成した。
マルチアーム試験におけるユニット・オブ・アナリシス誤差に対する修正分割法
結果: 私たちのワークフローは、スクリーニングの負荷を効率的に削減します。
812レコードの取得とフィルタリングにはわずか11日しかかからなかった。
RCTは7種類あり、4カ国851人の患者から証拠が得られた。
プール化ランダムエフェクトモデルでは、リスク比(RR)は0.64(95% CI (0.48 - 0.86)、非有意な不均一性(I^2=0.00\%$, $\tau=0.00$)、すなわち子宮内膜症再発の36%の減少が得られた。
感度分析とバイアス評価は, この結果の堅牢性を支持した。
結論:本研究では,医療エビデンス合成のための情報検索型ワークフローを実証する。
本手法は, 体系的レビュープロセスを促進するための枠組みを提供しながら, 有意義な臨床結果をもたらす。
臨床研究とコンピュータ科学のギャップを埋め、他の複雑な体系的なレビューに一般化することができる。
関連論文リスト
- Organ-Agents: Virtual Human Physiology Simulator via LLMs [66.40796430669158]
オルガン-エージェント(Organ-Agents)は、LDM駆動のエージェントを介して人間の生理学をシミュレートする多エージェントフレームワークである。
症例は7,134例,コントロール7,895例で,9系統および125変数にわたる高分解能トラジェクトリを作成した。
臓器抗原は4,509人の保留患者に対して高いシミュレーション精度を達成し, システムごとのMSE0.16とSOFA系重症度層間の堅牢性を示した。
論文 参考訳（メタデータ） (2025-08-20T01:58:45Z) - From Promise to Practical Reality: Transforming Diffusion MRI Analysis with Fast Deep Learning Enhancement [35.368152968098194]
FastFOD-Netは、FODを優れたパフォーマンスで強化し、臨床使用のためのトレーニング/推論効率を提供するエンドツーエンドのディープラーニングフレームワークである。
この研究は、拡散MRIの強化のための深層学習に基づく手法を、より広く採用し、臨床信頼を構築することを促進する。
論文 参考訳（メタデータ） (2025-08-13T17:56:29Z) - Leveraging AI to Accelerate Medical Data Cleaning: A Comparative Study of AI-Assisted vs. Traditional Methods [3.2666593942117688]
Octoziは、大規模な言語モデルとドメイン固有性を組み合わせて医療データレビューを変換する人工知能支援プラットフォームである。
代表的な第3相腫瘍学試験の経済分析により、潜在的コスト削減は510万ドルであることが判明した。
論文 参考訳（メタデータ） (2025-08-07T15:49:32Z) - HySemRAG: A Hybrid Semantic Retrieval-Augmented Generation Framework for Automated Literature Synthesis and Methodological Gap Analysis [55.2480439325792]
HySemRAGは、Extract, Transform, Load (ETL)パイプラインとRetrieval-Augmented Generation (RAG)を組み合わせたフレームワークである。
システムは、マルチ層アプローチを通じて既存のRAGアーキテクチャの制限に対処する。
論文 参考訳（メタデータ） (2025-08-01T20:30:42Z) - Accelerating Clinical Evidence Synthesis with Large Language Models [28.002870749019035]
本稿では,人間とAIのコラボレーションを促進するための生成人工知能パイプラインであるTrialMindを紹介する。
TrialMindは、検索、スクリーニング、データ抽出タスクを横断的に拡張する。
人間の専門家は、GPT-4よりもTrialMindの出力を62.5%から100%のケースで好んだ。
論文 参考訳（メタデータ） (2024-06-25T17:41:52Z) - Assessment of Treatment Effect Estimators for Heavy-Tailed Data [70.72363097550483]
ランダム化制御試験(RCT)における治療効果の客観的評価における中心的な障害は、その性能をテストするための基礎的真理(または検証セット)の欠如である。
この課題に対処するための新しいクロスバリデーションのような方法論を提供する。
本手法は,Amazonサプライチェーンに実装された709RCTに対して評価を行った。
論文 参考訳（メタデータ） (2021-12-14T17:53:01Z) - An Explainable-AI approach for Diagnosis of COVID-19 using MALDI-ToF
Mass Spectrometry [0.9250974571641537]
重症急性呼吸器症候群2型(SARS-CoV-2)は世界的なパンデミックを引き起こし、世界経済に大きな影響を与えた。
近年では、現在の金標準リアルタイムポリメラーゼ連鎖反応(RT-PCR)結果と高い一致を示す複数の代替プラットフォームが公表されている。
これらの新しい方法は鼻咽頭(NP)スワブを除去し、複雑な試薬の必要性を排除し、RT-PCRテスト試薬の供給の負担を軽減する。
本研究では,人工知能を用いたAIテスト手法を設計し,実験結果の信頼性について検討した。
論文 参考訳（メタデータ） (2021-09-28T23:29:31Z) - MIA-Prognosis: A Deep Learning Framework to Predict Therapy Response [58.0291320452122]
本稿では,患者の予後と治療反応を予測するための統合型深層学習手法を提案する。
我々は,マルチモーダル非同期時系列分類タスクとして,確率モデリングを定式化する。
我々の予測モデルは、長期生存の観点から、低リスク、高リスクの患者をさらに階層化する可能性がある。
論文 参考訳（メタデータ） (2020-10-08T15:30:17Z) - Segmentation analysis and the recovery of queuing parameters via the
Wasserstein distance: a study of administrative data for patients with
chronic obstructive pulmonary disease [0.0]
この研究は、慢性閉塞性肺疾患(COPD)患者のリソース要求がどのように変化するかを分析するために、データ駆動型アプローチを用いている。
これは、セグメント化、運用キューイング理論、不完全データからのパラメータの回復という、しばしば異なる分析様式の新たな組み合わせで構成されている。
論文 参考訳（メタデータ） (2020-08-10T17:47:34Z) - CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors
and Efficient Neural Networks [51.589769497681175]
新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。
SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。
我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
論文 参考訳（メタデータ） (2020-07-20T21:47:28Z)
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。