論文の概要: Social Determinants of Health Prediction for ICD-9 Code with Reasoning Models

• arxiv url: http://arxiv.org/abs/2601.09709v1
• Date: Sun, 14 Dec 2025 17:15:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-25 16:54:51.680526
• Title: Social Determinants of Health Prediction for ICD-9 Code with Reasoning Models
• Title（参考訳）: 推論モデルを用いたICD-9符号の健康予測の社会的要因
• Authors: Sharim Khan, Paul Landes, Adam Cross, Jimeng Sun,
• Abstract要約: 健康の社会的決定要因は、患者の結果と相関するが、構造化されたデータで捉えられることは滅多にない。 既存のICD-9符号を入力予測に用いて89%のF1を達成した。 コントリビューションには,SDoH符号が欠失した139回の入院,結果の再現のためのコードが含まれている。
• 参考スコア（独自算出の注目度）: 14.219133766480695
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Social Determinants of Health correlate with patient outcomes but are rarely captured in structured data. Recent attention has been given to automatically extracting these markers from clinical text to supplement diagnostic systems with knowledge of patients' social circumstances. Large language models demonstrate strong performance in identifying Social Determinants of Health labels from sentences. However, prediction in large admissions or longitudinal notes is challenging given long distance dependencies. In this paper, we explore hospital admission multi-label Social Determinants of Health ICD-9 code classification on the MIMIC-III dataset using reasoning models and traditional large language models. We exploit existing ICD-9 codes for prediction on admissions, which achieved an 89% F1. Our contributions include our findings, missing SDoH codes in 139 admissions, and code to reproduce the results.
• Abstract（参考訳）: 健康の社会的決定要因は、患者の結果と相関するが、構造化されたデータで捉えられることは滅多にない。 近年,臨床テキストからこれらのマーカーを自動的に抽出し,患者の社会的状況を知ることで診断システムを補うことに注意が向けられている。 大規模言語モデルは、文から健康ラベルの社会的決定要因を特定する上で、強いパフォーマンスを示す。 しかし、遠距離依存が与えられた場合、大きな音符や長手音符の予測は困難である。 そこで本研究では,MIMIC-IIIデータセットを用いた入院型マルチラベル型ICD-9コード分類について,推論モデルと従来型の大規模言語モデルを用いて検討する。 既存のICD-9符号を入力予測に用いて89%のF1を達成した。 コントリビューションには,SDoH符号が欠失した139回の入院,結果の再現のためのコードが含まれている。

関連論文リスト

• Uncertainty-aware abstention in medical diagnosis based on medical texts [87.88110503208016]
  本研究は,AI支援医療診断における信頼性の重要課題について論じる。 本研究は,診断に自信がなければ,診断システムによる意思決定の回避を可能にする選択予測手法に焦点をあてる。 我々は、選択予測タスクにおける信頼性を高めるための新しい最先端手法であるHUQ-2を紹介する。
  論文  参考訳（メタデータ） (2025-02-25T10:15:21Z)
• Assisted morbidity coding: the SISCO.web use case for identifying the main diagnosis in Hospital Discharge Records [0.0]
  本論文は, 病院退院記録に適切な診断・手続きコードで記入する医師を支援するためのSISCO.webアプローチを提案することを目的とする。 このWebサービスは、NLPアルゴリズム、特定のコーディングルール、およびアドホック決定ツリーを活用して、主条件を特定する。
  論文  参考訳（メタデータ） (2024-12-11T16:08:25Z)
• Extracting Social Determinants of Health from Pediatric Patient Notes Using Large Language Models: Novel Corpus and Methods [17.83326146480516]
  健康の社会的決定因子(SDoH)は、健康結果を形成する上で重要な役割を担っている。 小児社会史コーパス(PedSHAC)について紹介する。 我々は、微調整および文脈内学習手法を用いて、詳細なSDoH表現の自動抽出を評価する。
  論文  参考訳（メタデータ） (2024-03-31T23:37:18Z)
• RECAP-KG: Mining Knowledge Graphs from Raw GP Notes for Remote COVID-19 Assessment in Primary Care [45.43645878061283]
  本稿では,患者相談の前後に書かれた生のGP医療ノートから知識グラフ構築を行うフレームワークを提案する。 私たちの知識グラフには、既存の患者の症状、その持続時間、重症度に関する情報が含まれています。 本フレームワークを英国における新型コロナウイルス患者の相談ノートに適用する。
  論文  参考訳（メタデータ） (2023-06-17T23:35:51Z)
• Clinical Outcome Prediction from Admission Notes using Self-Supervised Knowledge Integration [55.88616573143478]
  臨床テキストからのアウトカム予測は、医師が潜在的なリスクを見落としないようにする。 退院時の診断,手術手順,院内死亡率,長期予測は4つの一般的な結果予測対象である。 複数の公開資料から得られた患者結果に関する知識を統合するために,臨床結果の事前学習を提案する。
  論文  参考訳（メタデータ） (2021-02-08T10:26:44Z)
• Inheritance-guided Hierarchical Assignment for Clinical Automatic Diagnosis [50.15205065710629]
  臨床診断は、臨床ノートに基づいて患者に診断符号を割り当てることを目的としており、臨床意思決定において重要な役割を担っている。 本稿では,臨床自動診断のための継承誘導階層と共起グラフの伝播を組み合わせた新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2021-01-27T13:16:51Z)
• Classification supporting COVID-19 diagnostics based on patient survey data [82.41449972618423]
  新型コロナウイルス患者の効果的なスクリーニングを可能にするロジスティック回帰とXGBoost分類器が作成された。 得られた分類モデルは、DECODEサービス(decode.polsl.pl)の基礎を提供し、COVID-19病患者のスクリーニング支援に役立てることができる。 このデータセットは、3,000以上のサンプルで構成されており、ポーランドの病院で収集されたアンケートに基づいている。
  論文  参考訳（メタデータ） (2020-11-24T17:44:01Z)
• BiteNet: Bidirectional Temporal Encoder Network to Predict Medical Outcomes [53.163089893876645]
  本稿では,患者の医療旅行におけるコンテキスト依存と時間的関係を捉える,新たな自己注意機構を提案する。 エンド・ツー・エンドの双方向時間エンコーダネットワーク(BiteNet)が患者の旅路の表現を学習する。 実世界のEHRデータセットを用いた2つの教師付き予測と2つの教師なしクラスタリングタスクにおける手法の有効性を評価した。
  論文  参考訳（メタデータ） (2020-09-24T00:42:36Z)
• Diagnosis Prevalence vs. Efficacy in Machine-learning Based Diagnostic Decision Support [9.323255985639499]
  電子カルテ特性に基づくICD-9-CM符号の予測を行う。 疾患発生率の低下に伴いF1スコアが低下することが観察された。 統計的分析では, 疾患の有病率と有効性との間には適度な正の相関が認められた。
  論文  参考訳（メタデータ） (2020-06-24T13:52:04Z)

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。