論文の概要: Bayesian Meta-Analyses Could Be More: A Case Study in Trial of Labor After a Cesarean-section Outcomes and Complications
- arxiv url: http://arxiv.org/abs/2601.10089v1
- Date: Thu, 15 Jan 2026 05:29:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-16 19:43:19.003757
- Title: Bayesian Meta-Analyses Could Be More: A Case Study in Trial of Labor After a Cesarean-section Outcomes and Complications
- Title（参考訳）: ベイジアンメタアナリシスはもっとあり得る:セサレアン・セクションのアウトカムと合併症後の労働実験を事例として
- Authors: Ashley Klein, Edward Raff, Marcia DesJardin,
- Abstract要約: 医学研究において、医師の判断に影響を与える重要な決定変数は取得されなかった。
ベイズ的アプローチは、肯定的な効果の主張がまだ保証されているかどうかを解析が決定できるかもしれない。
- 参考スコア（独自算出の注目度）: 32.611372578516246
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The meta-analysis's utility is dependent on previous studies having accurately captured the variables of interest, but in medical studies, a key decision variable that impacts a physician's decisions was not captured. This results in an unknown effect size and unreliable conclusions. A Bayesian approach may allow analysis to determine if the claim of a positive effect is still warranted, and we build a Bayesian approach to this common medical scenario. To demonstrate its utility, we assist professional OBGYNs in evaluating Trial of Labor After a Cesarean-section (TOLAC) situations where few interventions are available for patients and find the support needed for physicians to advance patient care.
- Abstract（参考訳）: メタアナリシスの効用は、興味のある変数を正確に捉えた以前の研究に依存するが、医学研究においては、医師の判断に影響を及ぼす重要な決定変数は取得されなかった。
この結果、未知の効果の大きさと信頼できない結論が導かれる。
ベイズ的アプローチは、肯定的な効果の主張がまだ保証されているかどうかを分析が決定できる可能性があり、この一般的な医療シナリオに対してベイズ的アプローチを構築する。
その有用性を示すために,我々は,患者にはほとんど介入が得られず,医師が患者ケアを進めるのに必要な支援を見出す場合の,Cesarean-section後のTrial of Labor(TOLAC)の評価を専門のOBGYNに支援する。
関連論文リスト
- Determining Fetal Orientations From Blind Sweep Ultrasound Video [1.3456699275044242]
この作品は、自動化された胎児の嘘予測を導入し、それを置き換えるのではなく、ソノグラフィーの専門知識を強化する補助パラダイムを提案することで、自分自身を区別している。
今後の研究は、取得効率の向上と、ワークフローを改善するためのリアルタイム臨床統合と、産科医のサポートに焦点をあてる。
論文 参考訳（メタデータ） (2025-04-09T12:51:15Z) - More Options for Prelabor Rupture of Membranes, A Bayesian Analysis [34.255047514441195]
PROM (prelabor rupture of membranes) の患者は頚椎リライニング(英語版)、ピトシン(英語版)、ミソプロストオール(英語版)の2つの選択肢しか使用していない。
産婦人科でよく用いられるtextitBishop スコアの違いを考慮できないことが, 産婦人科関連研究の最も大きな限界となっている。
本研究では,専門医が伝達する関連因子間の関係をベイズモデルを用いて解析し,その影響から相反する変数を分離する。
論文 参考訳（メタデータ） (2024-08-20T14:05:25Z) - Assessing the impact of emergency department short stay units using
length-of-stay prediction and discrete event simulation [1.0822676139724565]
救急部門から一般内科に入院した患者に対して,入院期間を予測する意思決定支援システムの構築を目指す。
我々は探索的データ分析を行い、最高の予測性能をもたらす属性を識別するために特徴選択手法を用いる。
論文 参考訳（メタデータ） (2023-08-04T22:26:02Z) - SPeC: A Soft Prompt-Based Calibration on Performance Variability of
Large Language Model in Clinical Notes Summarization [50.01382938451978]
本稿では,ソフトプロンプトを用いたモデルに依存しないパイプラインを導入し,確率に基づく要約の利点を保ちながら分散を減少させる。
実験結果から,本手法は性能を向上するだけでなく,様々な言語モデルの分散を効果的に抑制することが明らかとなった。
論文 参考訳（メタデータ） (2023-03-23T04:47:46Z) - Informing clinical assessment by contextualizing post-hoc explanations
of risk prediction models in type-2 diabetes [50.8044927215346]
本研究は, 合併症リスク予測のシナリオを考察し, 患者の臨床状態に関する文脈に焦点を当てる。
我々は、リスク予測モデル推論に関する文脈を提示し、その受容性を評価するために、最先端のLLMをいくつか採用する。
本論文は,実世界における臨床症例における文脈説明の有効性と有用性を明らかにする最初のエンドツーエンド分析の1つである。
論文 参考訳（メタデータ） (2023-02-11T18:07:11Z) - Using machine learning techniques to predict hospital admission at the
emergency department [0.0]
救急部門(ED)における最も重要な課題の一つは、病院入院の恩恵を受ける患者を迅速に特定することである。
機械学習(ML)技術は、医療における診断支援として有望であることを示している。
本研究は,病院入院の予測における業績について,以下の特徴について考察した。
論文 参考訳（メタデータ） (2021-06-23T16:37:37Z) - 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)
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。