論文の概要: A Method for Characterizing Disease Progression from Acute Kidney Injury to Chronic Kidney Disease

• arxiv url: http://arxiv.org/abs/2511.14603v1
• Date: Tue, 18 Nov 2025 15:53:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-19 16:23:53.191345
• Title: A Method for Characterizing Disease Progression from Acute Kidney Injury to Chronic Kidney Disease
• Title（参考訳）: 急性腎臓病から慢性腎臓病への進行を特徴付ける方法
• Authors: Yilu Fang, Jordan G. Nestor, Casey N. Ta, Jerard Z. Kneifati-Hayek, Chunhua Weng,
• Abstract要約: 急性腎障害(AKI)患者は慢性腎疾患(CKD)の発症リスクが高い 電子健康記録(EHR)データを用いて,AKI患者の臨床経過を把握し,AKI-to-CKDの進行を特徴づけた。 CKD発症の確率は異なるものの,AKI後15つの異なる状態が同定された。
• 参考スコア（独自算出の注目度）: 8.67966267499195
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Patients with acute kidney injury (AKI) are at high risk of developing chronic kidney disease (CKD), but identifying those at greatest risk remains challenging. We used electronic health record (EHR) data to dynamically track AKI patients' clinical evolution and characterize AKI-to-CKD progression. Post-AKI clinical states were identified by clustering patient vectors derived from longitudinal medical codes and creatinine measurements. Transition probabilities between states and progression to CKD were estimated using multi-state modeling. After identifying common post-AKI trajectories, CKD risk factors in AKI subpopulations were identified through survival analysis. Of 20,699 patients with AKI at admission, 3,491 (17%) developed CKD. We identified fifteen distinct post-AKI states, each with different probabilities of CKD development. Most patients (75%, n=15,607) remained in a single state or made only one transition during the study period. Both established (e.g., AKI severity, diabetes, hypertension, heart failure, liver disease) and novel CKD risk factors, with their impact varying across these clinical states. This study demonstrates a data-driven approach for identifying high-risk AKI patients, supporting the development of decision-support tools for early CKD detection and intervention.
• Abstract（参考訳）: 急性腎障害(AKI)の患者は慢性腎臓病(CKD)を発症するリスクが高いが、最もリスクが高い患者を特定することは依然として困難である。 電子健康記録(EHR)データを用いてAKI患者の臨床経過を動的に追跡し,AKI-to-CKDの進行を特徴付ける。 経時的医療基準とクレアチニン測定から得られた患者ベクターをクラスタリングし,AKI後の臨床症状を同定した。 多状態モデルを用いてCKDへの遷移確率を推定した。 一般的なAKI後軌跡を同定した後,AKI亜集団のCKD危険因子を生存分析により同定した。 入院時のAKI患者20,699人のうち3,491人(17%)がCKDを発症した。 CKD発症の確率は異なるものの,AKI後15つの異なる状態が同定された。 ほとんどの患者 (75%, n=15, 607) は1つの状態のままであった。 確立された(例:AKI重症度、糖尿病、高血圧、心不全、肝疾患)および新しいCKDリスクファクターは、これらの臨床状態によって異なる。 本研究では、リスクの高いAKI患者を特定するためのデータ駆動型アプローチを実証し、早期CKD検出と介入のための意思決定支援ツールの開発を支援する。

関連論文リスト

• Evaluation and Implementation of Machine Learning Algorithms to Predict Early Detection of Kidney and Heart Disease in Diabetic Patients [0.0]
  本研究は,糖尿病患者のCKDおよびCVDの早期診断を改善するため,従来の統計手法と機械学習手法を統合した。 A群はCKD群とCVD群,B群はCKD群,C群はCVD群,D群はCVD群であった。 血清クレアチニン,高血圧はCKD,コレステロール,トリグリセリド,心筋梗塞,ストローク,高血圧はCVDと有意な相関を示した。
  論文  参考訳（メタデータ） (2025-10-12T13:28:26Z)
• A Disease-Centric Vision-Language Foundation Model for Precision Oncology in Kidney Cancer [54.58205672910646]
  RenalCLIPは、腎腫瘤の特徴、診断、予後のための視覚言語基盤モデルである。 腎がんの完全な臨床ワークフローにまたがる10のコアタスクにおいて、優れたパフォーマンスと優れた一般化性を実現した。
  論文  参考訳（メタデータ） (2025-08-22T17:48:19Z)
• 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)
• Integrated Machine Learning and Survival Analysis Modeling for Enhanced Chronic Kidney Disease Risk Stratification [0.0]
  慢性腎疾患(CKD)は公衆衛生上の重要な課題であり、早期に発見・管理されていない場合、しばしばエンドステージ腎疾患(ESRD)へと進行する。 本稿では,機械学習技術と古典統計モデルを組み合わせて,CKDの進行をモデル化する手法を提案する。
  論文  参考訳（メタデータ） (2024-11-16T09:22:06Z)
• AI-Driven Predictive Analytics Approach for Early Prognosis of Chronic Kidney Disease Using Ensemble Learning and Explainable AI [0.2399911126932527]
  慢性腎臓病(英: chronic Kidney Disease、CKD)は、腎臓の構造と機能に大きな影響を及ぼし、最終的に腎不全を引き起こす異種性疾患である。 本研究の目的は、アンサンブル学習と説明可能なAIを用いて、早期予後とCKDの検出のための支配的特徴、特徴スコア、および値の可視化である。
  論文  参考訳（メタデータ） (2024-06-10T18:46:14Z)
• Detection of subclinical atherosclerosis by image-based deep learning on chest x-ray [86.38767955626179]
  460胸部X線で冠状動脈カルシウム(CAC)スコアを予測する深層学習アルゴリズムを開発した。 AICACモデルの診断精度は, 曲線下領域(AUC)で評価された。
  論文  参考訳（メタデータ） (2024-03-27T16:56:14Z)
• Penalized Deep Partially Linear Cox Models with Application to CT Scans of Lung Cancer Patients [42.09584755334577]
  肺がんは世界中のがん死亡の原因であり、効果的な治療法を設計するための死亡リスクを理解することの重要性を強調している。 NLST(National Lung Screening Trial)は、肺がん患者の死亡リスクを定量化するために、CTテクスチャ解析を用いている。 本稿では,SCADペナルティを組み込んで重要なテクスチャ特徴を抽出し,深層ニューラルネットワークを用いてモデルの非パラメトリック成分を推定する,Pentalized Deep partially Linear Cox Model (Penalized DPLC)を提案する。
  論文  参考訳（メタデータ） (2023-03-09T15:38:16Z)
• 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)
• Sparse Longitudinal Representations of Electronic Health Record Data for the Early Detection of Chronic Kidney Disease in Diabetic Patients [6.040252097102974]
  慢性腎疾患 (CKD) は、徐々に腎機能を失っていく疾患である。 本稿では,患者の医療記録の少ない縦長表現を学習するための新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2020-11-09T22:07:25Z)
• Identification of Ischemic Heart Disease by using machine learning technique based on parameters measuring Heart Rate Variability [50.591267188664666]
  本研究は,243名の非侵襲的特徴(年齢,性別,左室容積率,HRV15)を用いて,一連のANNの訓練と評価を行った。 最高の結果は、7つの入力パラメータと7つの隠れノードを使用して、トレーニングと検証データセットに対して98.9%と82%の精度で得られた。
  論文  参考訳（メタデータ） (2020-10-29T19:14:41Z)

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。