論文の概要: Data Augmentation for Classification of Negative Pregnancy Outcomes in Imbalanced Data

• arxiv url: http://arxiv.org/abs/2512.22732v1
• Date: Sun, 28 Dec 2025 00:22:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-30 22:37:30.192952
• Title: Data Augmentation for Classification of Negative Pregnancy Outcomes in Imbalanced Data
• Title（参考訳）: 不均衡データにおける負の妊娠成績の分類のためのデータ拡張
• Authors: Md Badsha Biswas,
• Abstract要約: 本稿では,特にTwitterなどのプラットフォームから公開されているソーシャルメディアデータを用いて,観察研究を通じて陰性妊娠の結果を研究するための現在のデータセットを強化する,新たなアプローチを提案する。 自然言語処理(NLP)パイプラインを構築することにより,妊娠経験を共有する女性を自動的に識別し,報告された結果に基づいて分類することを目指す。 本研究は、母体および胎児の健康状態に対する特定の介入、治療、出生前曝露の因果的影響を評価するための潜在的応用を提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Infant mortality remains a significant public health concern in the United States, with birth defects identified as a leading cause. Despite ongoing efforts to understand the causes of negative pregnancy outcomes like miscarriage, stillbirths, birth defects, and premature birth, there is still a need for more comprehensive research and strategies for intervention. This paper introduces a novel approach that uses publicly available social media data, especially from platforms like Twitter, to enhance current datasets for studying negative pregnancy outcomes through observational research. The inherent challenges in utilizing social media data, including imbalance, noise, and lack of structure, necessitate robust preprocessing techniques and data augmentation strategies. By constructing a natural language processing (NLP) pipeline, we aim to automatically identify women sharing their pregnancy experiences, categorizing them based on reported outcomes. Women reporting full gestation and normal birth weight will be classified as positive cases, while those reporting negative pregnancy outcomes will be identified as negative cases. Furthermore, this study offers potential applications in assessing the causal impact of specific interventions, treatments, or prenatal exposures on maternal and fetal health outcomes. Additionally, it provides a framework for future health studies involving pregnant cohorts and comparator groups. In a broader context, our research showcases the viability of social media data as an adjunctive resource in epidemiological investigations about pregnancy outcomes.
• Abstract（参考訳）: 乳幼児死亡はアメリカ合衆国において重要な公衆衛生上の問題であり、出生の欠陥が主要な原因であると認識されている。 流産、不妊、出生不良、早産などの負の妊娠の原因を理解するための継続的な努力にもかかわらず、介入のためのより包括的な研究と戦略が必要である。 本稿では,特にTwitterなどのプラットフォームから公開されているソーシャルメディアデータを用いて,観察研究を通じて陰性妊娠の結果を研究するための現在のデータセットを強化する,新たなアプローチを提案する。 不均衡、ノイズ、構造の欠如など、ソーシャルメディアデータを活用する上で固有の課題は、堅牢な前処理技術とデータ強化戦略を必要とする。 自然言語処理(NLP)パイプラインを構築することにより,妊娠経験を共有する女性を自動的に識別し,報告された結果に基づいて分類することを目指す。 妊娠と正常出生体重を報告している女性は陽性例に分類し、陰性妊娠の結果を報告している女性は陰性例に分類する。 さらに, 本研究は, 母体および胎児の健康影響に対する特定の介入, 治療, 出生前曝露の因果的影響を評価するための潜在的応用を提供する。 さらに、妊娠中のコホートやコンパレーターグループを含む将来の健康研究のための枠組みを提供する。 より広い文脈において、妊娠の結果に関する疫学的調査において、ソーシャルメディアデータのアジュクティブリソースとしての可能性を示す。

関連論文リスト

• Do-PFN: In-Context Learning for Causal Effect Estimation [75.62771416172109]
  予備データ適合ネットワーク(PFN)は, 合成データに基づいて事前学習を行い, 結果を予測する。 提案手法により,基礎となる因果グラフの知識を必要とせず,因果効果の正確な推定が可能となる。
  論文  参考訳（メタデータ） (2025-06-06T12:43:57Z)
• Data Fusion for Partial Identification of Causal Effects [62.56890808004615]
  本稿では,研究者が重要な疑問に答えられるような,新しい部分的識別フレームワークを提案する。 因果効果は肯定的か否定的か? 本研究の枠組みをSTARプロジェクトに適用し,第3級の標準試験性能に対する教室規模の影響について検討する。
  論文  参考訳（メタデータ） (2025-05-30T07:13:01Z)
• Predicting Fetal Birthweight from High Dimensional Data using Advanced Machine Learning [1.489994236178479]
  出生体重は新生児の健康の基本的な指標であり、医療介入や長期の発達リスクと密接に関連している。 伝統的な予測モデルは、しばしば限られた特徴選択と不完全なデータセットによって制約され、複雑な母体と胎児の相互作用を見渡すのに苦労する。 本研究は,先進的な計算戦略を統合した構造化手法を用いて,これらの制約に対処するための機械学習について検討する。
  論文  参考訳（メタデータ） (2025-02-20T05:17:39Z)
• I-SIRch: AI-Powered Concept Annotation Tool For Equitable Extraction And Analysis Of Safety Insights From Maternity Investigations [0.8609957371651683]
  医療データを分析するための現在のツールのほとんどは、人間の要素の重要性を見越して、バイオメディカルな概念にのみ焦点をあてている。 We developed I-SIRch, using AI to Automatic Identification and label human factors concept。 I-SIRchは実データを用いて訓練され、実データとシミュレーションデータの両方でテストし、人間の因子の概念を識別する性能を評価した。
  論文  参考訳（メタデータ） (2024-06-08T16:05:31Z)
• Impact of Physical Activity on Quality of Life During Pregnancy: A Causal ML Approach [1.7765306045990206]
  QoL(Quality of Life、QoL)とは、個人の幸福を総合的に測定し、心理的・社会的側面を取り入れた概念である。 妊娠中の女性、特に肥満とストレスを持つ女性は、しばしばQoLの低下を経験する。 身体活動はQoLを増強する可能性を示している。 しかし、肥満で肥満の妊婦は、PAの推奨レベルに達することはめったにない。
  論文  参考訳（メタデータ） (2024-02-25T12:07:32Z)
• Unveiling the Unborn: Advancing Fetal Health Classification through Machine Learning [0.0]
  本研究では,胎児の健康分類のための新しい機械学習手法を提案する。 提案したモデルでは、テストセットで98.31%の精度が得られる。 複数のデータポイントを組み込むことで、我々のモデルはより包括的で信頼性の高い評価を提供する。
  論文  参考訳（メタデータ） (2023-09-30T22:02:51Z)
• Predicting Adverse Neonatal Outcomes for Preterm Neonates with Multi-Task Learning [51.487856868285995]
  われわれはまず, 3つの不良新生児結果の相関関係を解析し, マルチタスク学習(MTL)問題として複数の新生児結果の診断を定式化する。 特に、MTLフレームワークは、共有された隠れレイヤと複数のタスク固有のブランチを含んでいる。
  論文  参考訳（メタデータ） (2023-03-28T00:44:06Z)
• 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)
• Enabling Counterfactual Survival Analysis with Balanced Representations [64.17342727357618]
  生存データは様々な医学的応用、すなわち薬物開発、リスクプロファイリング、臨床試験で頻繁に見られる。 本稿では,生存結果に適用可能な対実的推論のための理論的基盤を持つ統一的枠組みを提案する。
  論文  参考訳（メタデータ） (2020-06-14T01:15:00Z)

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。