論文の概要: Predicting Trajectories of Long COVID in Adult Women: The Critical Role of Causal Disentanglement
- arxiv url: http://arxiv.org/abs/2603.17722v1
- Date: Wed, 18 Mar 2026 13:42:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-19 18:32:57.729831
- Title: Predicting Trajectories of Long COVID in Adult Women: The Critical Role of Causal Disentanglement
- Title（参考訳）: 成人女性における長期化の軌跡予測 : 因果解離の重大な役割
- Authors: Jing Wang, Jie Shen, Yiming Luo, Amar Sra, Qiaomin Xie, Jeremy C. Weiss,
- Abstract要約: 我々は,将来のPASCスコアを予測するために,Large Language Modelに基づく因果ネットワークを開発した。
重症度予測の精度は86.7%であった。
- 参考スコア（独自算出の注目度）: 19.188656772090866
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Early prediction of Post-Acute Sequelae of SARS-CoV-2 severity is a critical challenge for women's health, particularly given the diagnostic overlap between PASC and common hormonal transitions such as menopause. Identifying and accounting for these confounding factors is essential for accurate long-term trajectory prediction. We conducted a retrospective study of 1,155 women (mean age 61) from the NIH RECOVER dataset. By integrating static clinical profiles with four weeks of longitudinal wearable data (monitoring cardiac activity and sleep), we developed a causal network based on a Large Language Model to predict future PASC scores. Our framework achieved a precision of 86.7\% in clinical severity prediction. Our causal attribution analysis demonstrate the model's ability to differentiate between active pathology and baseline noise: direct indicators such as breathlessness and malaise reached maximum saliency (1.00), while confounding factors like menopause and diabetes were successfully suppressed with saliency scores below 0.27.
- Abstract（参考訳）: SARS-CoV-2の重症度を早期に予測することは女性の健康にとって重要な課題であり、特にPASCと更年期などの一般的なホルモン代謝の重複を考慮に入れている。
これらの要因の同定と説明は、正確な長期軌跡予測に不可欠である。
NIH RECOVERデータセットから,女性1,155名(平均61歳)の振り返り調査を行った。
静的な臨床プロファイルを4週間の経時的ウェアラブルデータ(心臓活動と睡眠のモニタリング)と統合することにより,大言語モデルに基づく因果ネットワークを構築し,今後のPASCスコアを予測する。
重症度予測の精度は86.7%であった。
本研究の因果関係分析では,無呼吸や誤診などの直接的な指標が最大唾液濃度(1.00)に達し,更年期や糖尿病などの要因が0.27未満の唾液濃度で抑制された。
関連論文リスト
- In-Hospital Stroke Prediction from PPG-Derived Hemodynamic Features [34.880478990331916]
病院内脳卒中発症タイムスタンプを非構造的臨床ノートから抽出するLLM支援データマイニングパイプラインを開発した。
次に、PSGから血行動態の特徴を抽出し、ResNet-1Dモデルを用いて、複数の早期警戒地平線を横断する差し迫ったストロークを予測する。
これらの結果は、PTGが発症の数時間前に脳卒中の予測的徴候を含むという実世界の臨床データから最初の実証的証拠となる。
論文 参考訳（メタデータ） (2026-02-10T01:50:26Z) - Dementia-R1: Reinforced Pretraining and Reasoning from Unstructured Clinical Notes for Real-World Dementia Prognosis [42.483536109820434]
非構造的臨床ノートから縦型認知症予後のフレームワークであるDementia-R1を紹介した。
本手法では,患者の病理組織から抽出した臨床的指標を予測するために,事前トレーニングを行うコールドスタートRL戦略を採用する。
大規模な実験により、Dementia-R1は実世界の非構造化臨床データセットで77.03%のF1スコアを達成した。
論文 参考訳（メタデータ） (2026-01-06T13:44:04Z) - Statistical and Predictive Analysis to Identify Risk Factors and Effects of Post COVID-19 Syndrome [1.33134751838052]
新型コロナウイルス(COVID-19)の症状は感染後数ヶ月持続する可能性がある。
感染の急性期における予防接種時期、患者の特徴、症状などの要因は、長期にわたる新型コロナウイルスの長期効果と強度に寄与する可能性がある。
私たちは、Lifelines COVID-19コホートのデータを使用して、線形モデル、ランダムフォレスト、勾配向上、ニューラルネットワークなど、さまざまなデータ駆動アプローチをベンチマークし、解釈します。
この結果から,ニューラルネットワーク(NN)はMAPEで最高の性能を示し,平均19%の誤差を予測できることがわかった。
論文 参考訳（メタデータ） (2025-04-29T16:34:06Z) - Ensemble Survival Analysis for Preclinical Cognitive Decline Prediction in Alzheimer's Disease Using Longitudinal Biomarkers [0.9509915687694127]
従来の生存モデルは、病気の進行に伴う複雑な縦長のバイオマーカーパターンを捉えることができない。
臨床経過の早期予測を改善するために,複数の生存モデルを統合するアンサンブルサバイバル分析フレームワークを提案する。
ベースライン後の1回の訪問は予測精度を大幅に改善した(48.1%のCインデックス、48.2%のAUCゲイン)。
論文 参考訳（メタデータ） (2025-03-20T18:56:32Z) - Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。
そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
論文 参考訳（メタデータ） (2024-04-26T16:39:50Z) - Conditional Score-Based Diffusion Model for Cortical Thickness
Trajectory Prediction [29.415616701032604]
アルツハイマー病(英: Alzheimer's Disease、AD)は、個人間での進行率の多様性を特徴とする神経変性疾患である。
与えられたベースライン情報を用いてCThトラジェクトリを生成する条件付きスコアベース拡散モデルを提案する。
本モデルでは6～36ヶ月のCThに比べて95%間隔が狭いほぼゼロバイアスを有する。
論文 参考訳（メタデータ） (2024-03-11T17:26:18Z) - Intelligent Sight and Sound: A Chronic Cancer Pain Dataset [74.77784420691937]
本稿では,Intelligent Sight and Sound (ISS) 臨床試験の一環として収集された,最初の慢性ガン痛データセットを紹介する。
これまで収集されたデータは29の患者、509のスマートフォンビデオ、189,999のフレーム、そして自己報告された感情と活動の痛みのスコアから成っている。
静的画像とマルチモーダルデータを用いて、自己報告された痛みレベルを予測する。
論文 参考訳（メタデータ） (2022-04-07T22:14:37Z) - Joint Prediction and Time Estimation of COVID-19 Developing Severe
Symptoms using Chest CT Scan [49.209225484926634]
術後に重篤な症状を発症するかどうかを判定するための共同分類法と回帰法を提案する。
提案手法は,各試料の重量を考慮し,外乱の影響を低減し,不均衡な分類の問題を検討する。
提案手法では, 重症症例の予測精度76.97%, 相関係数0.524, 変換時間0.55日差が得られた。
論文 参考訳（メタデータ） (2020-05-07T12:16:37Z) - Deep Recurrent Model for Individualized Prediction of Alzheimer's
Disease Progression [4.034948808542701]
アルツハイマー病(Alzheimer's disease, AD)は認知症の主要な原因の一つであり、数年間の進行が遅いことが特徴である。
本稿では,MRIバイオマーカーの表現型測定と臨床状態の軌跡を予測できる新しい計算フレームワークを提案する。
論文 参考訳（メタデータ） (2020-05-06T08:08:00Z) - Short Term Blood Glucose Prediction based on Continuous Glucose
Monitoring Data [53.01543207478818]
本研究では,デジタル意思決定支援ツールの入力として連続グルコースモニタリング(Continuous Glucose Monitoring, CGM)データを利用する方法について検討する。
短時間の血液グルコース (STBG) 予測において, リカレントニューラルネットワーク (Recurrent Neural Networks, RNN) をどのように利用できるかを検討する。
論文 参考訳（メタデータ） (2020-02-06T16:39:44Z)
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。