論文の概要: An Advanced Two-Stage Model with High Sensitivity and Generalizability for Prediction of Hip Fracture Risk Using Multiple Datasets

• arxiv url: http://arxiv.org/abs/2510.15179v1
• Date: Thu, 16 Oct 2025 22:44:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-20 20:17:34.408641
• Title: An Advanced Two-Stage Model with High Sensitivity and Generalizability for Prediction of Hip Fracture Risk Using Multiple Datasets
• Title（参考訳）: 複数データセットを用いた股関節骨折リスク予測のための高感度2段階モデルと一般化性
• Authors: Shuo Sun, Meiling Zhou, Chen Zhao, Joyce H. Keyak, Nancy E. Lane, Jeffrey D. Deng, Kuan-Jui Su, Hui Shen, Hong-Wen Deng, Kui Zhang, Weihua Zhou,
• Abstract要約: 股関節骨折は、高齢者の障害、死亡、医療負担の主な原因である。 DXA TスコアとFRAXは感度を欠くことが多く、高いリスクで個人を逃がす。 臨床および画像情報を統合して予測精度を向上させる2段階連続モデルを提案する。
• 参考スコア（独自算出の注目度）: 15.756482189835566
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Hip fractures are a major cause of disability, mortality, and healthcare burden in older adults, underscoring the need for early risk assessment. However, commonly used tools such as the DXA T-score and FRAX often lack sensitivity and miss individuals at high risk, particularly those without prior fractures or with osteopenia. To address this limitation, we propose a sequential two-stage model that integrates clinical and imaging information to improve prediction accuracy. Using data from the Osteoporotic Fractures in Men Study (MrOS), the Study of Osteoporotic Fractures (SOF), and the UK Biobank, Stage 1 (Screening) employs clinical, demographic, and functional variables to estimate baseline risk, while Stage 2 (Imaging) incorporates DXA-derived features for refinement. The model was rigorously validated through internal and external testing, showing consistent performance and adaptability across cohorts. Compared to T-score and FRAX, the two-stage framework achieved higher sensitivity and reduced missed cases, offering a cost-effective and personalized approach for early hip fracture risk assessment. Keywords: Hip Fracture, Two-Stage Model, Risk Prediction, Sensitivity, DXA, FRAX
• Abstract（参考訳）: 股関節骨折は、高齢者の障害、死亡、医療負担の主な原因であり、早期のリスクアセスメントの必要性を強調している。 しかし、DXA TスコアやFRAXのような一般的な道具は、敏感さを欠き、特に以前の骨折や骨減少症を伴わない個人を逃がすことが多い。 この制限に対処するため,臨床・画像情報を統合して予測精度を向上させる2段階モデルを提案する。 男性研究(MrOS)における骨粗動性骨折(英語版)(SOF)と英国バイオバンク(英語版)(Screening)は、臨床、統計学的、機能的変数を用いてベースラインリスクを推定する一方、ステージ2(Imaging)はDXA由来の特徴を改良のために取り入れる。 モデルは内部および外部のテストを通じて厳格に検証され、コホート全体にわたって一貫したパフォーマンスと適応性を示している。 TスコアとFRAXと比較して、この2段階のフレームワークはより感度が高く、欠席例も少なく、早期の股関節骨折リスク評価に費用対効果がありパーソナライズされたアプローチを提供する。 キーワード:股関節骨折、2段階モデル、リスク予測、感度、DXA、FRAX

関連論文リスト

• Risk Estimation of Knee Osteoarthritis Progression via Predictive Multi-task Modelling from Efficient Diffusion Model using X-ray Images [22.108032775192846]
  医療画像は早期発見と疾患モニタリングを可能にして膝関節症(OA)リスクを評価する上で重要な役割を担っている。 近年の機械学習手法は、医療画像を用いたリスク推定(病気の進行可能性予測)と予測モデル(現在のデータに基づく将来の成果予測)を改善している。 リスク推定のための将来の画像を生成する既存のアプローチは複雑で実用的ではない。 マルチタスク予測モデルを用いて膝OA進行のリスクを推定する新しい解釈可能な機械学習手法により,これらのギャップに対処する。
  論文  参考訳（メタデータ） (2025-06-17T14:15:39Z)
• 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)
• Deep Learning-Based BMD Estimation from Radiographs with Conformal Uncertainty Quantification [0.0]
  本研究は,深層学習による骨密度推定に広く利用可能な膝X線を用いたことを提案する。 統計的に厳格で患者固有の予測間隔を提供し、カバー範囲が保証されている。
  論文  参考訳（メタデータ） (2025-05-28T16:33:49Z)
• Machine Learning for ALSFRS-R Score Prediction: Making Sense of the Sensor Data [44.99833362998488]
  筋萎縮性側索硬化症(Amyotrophic Lateral Sclerosis、ALS)は、急速に進行する神経変性疾患である。 iDPP@CLEF 2024チャレンジを先導した今回の調査は,アプリから得られるセンサデータを活用することに焦点を当てている。
  論文  参考訳（メタデータ） (2024-07-10T19:17:23Z)
• A Staged Approach using Machine Learning and Uncertainty Quantification to Predict the Risk of Hip Fracture [7.28435301162289]
  本研究は, 高齢者および中高年者における股関節骨折リスクの予測に焦点をあてる。 本稿では,高度な画像と臨床データを組み合わせて予測性能を向上させる新しいステージドモデルを提案する。
  論文  参考訳（メタデータ） (2024-05-30T14:01:02Z)
• Improving Diffusion Models for ECG Imputation with an Augmented Template Prior [43.6099225257178]
  ノイズと品質の悪い録音は、モバイルヘルスシステムを使って収集された信号にとって大きな問題である。 近年の研究では、確率的時系列モデルによるECGの欠落値の計算が検討されている。 本稿では,様々な健康状態の事前情報として,テンプレート誘導型拡散確率モデル(DDPM)PulseDiffを提案する。
  論文  参考訳（メタデータ） (2023-10-24T11:34:15Z)
• Automatic diagnosis of knee osteoarthritis severity using Swin transformer [55.01037422579516]
  変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。 我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
  論文  参考訳（メタデータ） (2023-07-10T09:49:30Z)
• Confidence-Driven Deep Learning Framework for Early Detection of Knee Osteoarthritis [8.193689534916988]
  膝関節症 (KOA) は筋骨格障害の1つで、運動量や生活の質に深刻な影響を及ぼす。 我々は,KL-0およびKL-2ステージの識別に焦点をあてた,早期のKOA検出のための信頼性駆動型ディープラーニングフレームワークを提案する。 実験により,提案フレームワークは専門家の放射線学者に匹敵する,競争精度,感度,特異性を達成できることが示された。
  論文  参考訳（メタデータ） (2023-03-23T11:57:50Z)
• Opportunistic hip fracture risk prediction in Men from X-ray: Findings from the Osteoporosis in Men (MrOS) Study [0.7340017786387765]
  骨粗しょう症は骨折のリスクを増大させる一般的な疾患である。 特に高齢者の股関節骨折は、死亡率の上昇、生活の質の低下、死亡率の上昇につながる。 骨折前は無症候性疾患であったため、骨粗しょう症は診断されず、治療を受けていないことが多い。
  論文  参考訳（メタデータ） (2022-07-22T09:35:48Z)
• Fast and Robust Femur Segmentation from Computed Tomography Images for Patient-Specific Hip Fracture Risk Screening [48.46841573872642]
  我々は,CTから大腿骨近位部を完全自動化し,正確かつ高速に分割するディープニューラルネットワークを提案する。 本手法は, 股関節骨折リスクスクリーニングに適応し, 当科において, 股関節脱臼患者をスクリーニングするための臨床的選択肢に一歩近づいた。
  論文  参考訳（メタデータ） (2022-04-20T16:16:16Z)
• 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。