論文の概要: Social Determinants of Health and Fentanyl Overdose Mortality Across US Counties: An XGBoost and SHAP Analysis Identifying Silent Risk Counties and Treatment Deserts

• arxiv url: http://arxiv.org/abs/2605.08230v1
• Date: Wed, 06 May 2026 20:28:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-12 23:28:49.478254
• Title: Social Determinants of Health and Fentanyl Overdose Mortality Across US Counties: An XGBoost and SHAP Analysis Identifying Silent Risk Counties and Treatment Deserts
• Title（参考訳）: 米国各地の健康とフェンタニル過剰摂取死亡率の社会的決定要因:無害リスク郡と処理砂漠のXGBoostとSHAP分析
• Authors: Kabi Raj Tiruwa, Abhisan Ghimire, Anuj Kumar Shah,
• Abstract要約: 障害、治療アクセス、行動健康問題を含む健康の社会的決定要因は、脆弱な郡を特定するのに役立つ。 975の郡で4つの政府ソースからのデータを組み合わせてみた。 砂漠の郡では143人以上の死亡率があった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Background: Fentanyl overdose deaths are still increasing across the U.S. We do not fully understand which county-level social and structural conditions lead to higher overdose death rates. Social determinants of health, including disability, treatment access, and behavioral health issues, may help identify vulnerable counties before deaths become severe. No earlier study has used explainable machine learning with SHAP attribution on 2022 CDC WONDER data to study treatment access gaps and silent risk counties. Methods: We combined data from four government sources for 975 U.S. counties, including CDC WONDER (2022) overdose mortality data, CDC Social Vulnerability Index (SVI), CDC PLACES health behavior data, and Area Health Resources Files. An XGBoost model was used to predict overdose mortality risk using Standardized Mortality Ratio (SMR). Five-fold cross-validation was used to test model accuracy, and SHAP values were used to show which factors increase or decrease risk. Results: XGBoost outperformed all tested models (Spearman rho=0.67, R2=0.457, MAE=0.409, high-risk recall=71.1%). Top predictors were disability rate, hypertension, smoking, and lack of vehicle access. Treatment desert counties had 52.6% higher overdose mortality (SMR 1.786 vs 1.170; p<0.0001). K-means identified 143 silent risk counties. Overdose deaths were spatially clustered (Moran's I=0.505, p=0.001) with 75 hotspots and 136 coldspots. Suppressed counties were 58.2% of WONDER counties, mostly rural (72%) and treatment deserts (65%). Conclusions: County-level SDOH factors predict overdose deaths, especially disability, treatment access, and behavioral health burden. MOUD expansion should prioritize treatment desert counties, and silent risk counties need early intervention before mortality worsens.
• Abstract（参考訳）: 背景:フェンタニルの過剰摂取による死亡件数は、依然として米国全体で増加している。 郡レベルの社会的・構造的な条件が、過剰摂取による死亡率の上昇につながるのか、私たちは完全には理解していません。 障害、治療アクセス、行動健康問題を含む健康の社会的決定要因は、死亡が深刻になる前に脆弱な郡を特定するのに役立つ。 これまでの研究では、2022年のCDC WONDERデータに対するSHAP属性による説明可能な機械学習を使用して、治療アクセスギャップとサイレントリスクカウンタを研究することはありませんでした。 方法: CDC WONDER (2022), CDC Social Vulnerability Index (SVI), CDC PLACES Health Behavior data, Area Health Resources Filesなど,米国の975郡の4つの政府ソースのデータを組み合わせた。 The XGBoost model was used to predict overdose death risk using Standardized Mortality Ratio (SMR)。 5倍のクロスバリデーションをモデル精度試験に使用し,SHAP値を用いてリスクの増大または減少の要因を示す。 結果:XGBoostは全試験モデル(Spearman rho=0.67、R2=0.457、MAE=0.409、ハイリスクリコール=71.1%)を上回った。 最上位の予測者は、障害率、高血圧、喫煙、車両アクセスの欠如であった。 砂漠の郡では死亡率が52.6%高い(SMR 1.786対1.170; p<0.0001)。 K-meansは143のサイレントリスク郡を特定した。 過剰死は空間的に集団化され(モランのI=0.505、p=0.001)、75のホットスポットと136のコールドスポットがあった。 抑圧された郡はウォンダー郡の58.2%であり、大半は田園部(72%)と処理砂漠(65%)である。 結論:郡レベルのSDOH因子は、過度の死亡、特に障害、治療アクセス、行動上の健康負荷を予測する。 MOUDの拡大は砂漠の郡を優先すべきであり、サイレントリスク郡は死亡が悪化する前に早期に介入する必要がある。

関連論文リスト

• Comparative Evaluation of Explainable Machine Learning Versus Linear Regression for Predicting County-Level Lung Cancer Mortality Rate in the United States [0.1957338076370071]
  肺がん (Lung cancer, LLC) は、アメリカ合衆国におけるがん関連死亡の原因である。 本研究は、アメリカ合衆国における郡レベルのLC死亡率を予測するために、3つのモデルを適用した。
  論文  参考訳（メタデータ） (2025-12-10T23:33:12Z)
• MeCaMIL: Causality-Aware Multiple Instance Learning for Fair and Interpretable Whole Slide Image Diagnosis [40.3028468133626]
  MIL(Multiple Case Learning)は、コンピュータ病理学における全スライド画像(WSI)解析の主流パラダイムとして登場した。 因果関係を意識したMILフレームワークである textbfMeCaMIL は、構造化因果グラフを通じて、階層的共同創設者を明示的にモデル化する。 MeCaMILは優れた公正性を達成する -- 人口格差の分散は、属性全体の平均で65%以上減少する。
  論文  参考訳（メタデータ） (2025-11-14T06:47:21Z)
• Enhanced Mortality Prediction In Patients With Subarachnoid Haemorrhage Using A Deep Learning Model Based On The Initial CT Scan [34.86503928854081]
  畳み込みニューラルネットワーク(CNN)は、画像データから高精度な予測を生成することができる。 本研究の目的は,CNN を用いたCT スキャンにより,下垂体出血患者の死亡率を予測することであった。
  論文  参考訳（メタデータ） (2023-08-25T13:33:56Z)
• Predicting Cardiovascular Disease Risk using Photoplethysmography and Deep Learning [9.273651488255036]
  心血管疾患 (CVD) は、低所得国や中所得国で早期に死亡する原因となっている。 そこで本研究では,ほとんどのスマートフォンで利用可能なセンシング技術であるフォトプレチスモグラフィー(Photoplethysmography)の可能性について検討した。 PPGを用いた深層学習型CVDリスクスコア(DLS)を開発した。
  論文  参考訳（メタデータ） (2023-05-09T17:46:43Z)
• Factors affecting the COVID-19 risk in the US counties: an innovative approach by combining unsupervised and supervised learning [0.0]
  新型コロナウイルスの感染リスクや死亡率に影響を及ぼす要因を郡レベルで分析した。 その結果、温度、貧困以下の人の割合、肥満、空気圧、人口密度、風速、経度、そして被保険者の比率が最も重要な属性であった。
  論文  参考訳（メタデータ） (2021-06-24T04:29:00Z)
• Where you live matters: a spatial analysis of COVID-19 mortality [0.0]
  新型コロナウイルスのパンデミックはメキシコで200万人の死者を出した。 メキシコとのケース/死亡比の異常は、空間分析によって調査され、死亡率は局所的な要因によって異なる。 これに対処するため、ヘキサゴナル地図(hexbin)は、新型コロナウイルスの死亡率を空間的にマッピングし、人口統計や既存の健康状態に関する患者レベルのデータと関連づけるために使用される。
  論文  参考訳（メタデータ） (2021-01-11T21:25:13Z)
• Point Process Modeling of Drug Overdoses with Heterogeneous and Missing Data [0.0]
  米国では過去10年間でオピオイド過剰摂取率が増加しており、公衆衛生の危機を反映している。 薬物過剰クラスタリングのための時空間プロセスモデルを提案する。 薬物とオピオイドの過剰摂取死は、分枝比が.72から.98の範囲で顕著な興奮を示す。
  論文  参考訳（メタデータ） (2020-10-12T23:47:55Z)
• Real-time Prediction of COVID-19 related Mortality using Electronic Health Records [30.892335739985526]
  新型コロナウイルス早期警戒システム(CovEWS)は、新型コロナウイルス関連死亡リスクを評価する臨床リスクスコアシステムである。 CovEWSは、臨床的に有意な予測パフォーマンスを持つ個々の患者に対して、前もって192時間(8日)まで、継続的なリアルタイムリスクスコアを提供する。
  論文  参考訳（メタデータ） (2020-08-31T08:07:27Z)
• Computational Support for Substance Use Disorder Prevention, Detection, Treatment, and Recovery [62.9980747784214]
  物質使用障害には、アルコール、オピオイド、マリファナ、メタンフェタミンの誤用が含まれる。 成人12人中1人が薬物使用障害を患っている。 全米薬物乱用協会(National Institute on Drug Abuse)は、SUDが年間5200億ドルの費用を負担していると推計している。
  論文  参考訳（メタデータ） (2020-06-23T18:30:20Z)
• Effectiveness and Compliance to Social Distancing During COVID-19 [72.94965109944707]
  われわれは、米国内での新型コロナウイルスの感染拡大に対する在宅勤務注文の影響を評価するために、詳細なモビリティデータを用いている。 一方向性グランガー因果性(一方向性グランガー因果性)は、家庭で毎日過ごす時間の割合の中央値から、2週間の遅れを伴うCOVID-19関連死亡件数の日数までである。
  論文  参考訳（メタデータ） (2020-06-23T03:36:19Z)
• Automated Quantification of CT Patterns Associated with COVID-19 from Chest CT [48.785596536318884]
  提案法は,非造影胸部CTを入力として,病変,肺,葉を3次元に分割する。 この方法では、肺の重症度と葉の関与度を2つの組み合わせて測定し、COVID-19の異常度と高不透明度の存在度を定量化する。 このアルゴリズムの評価は、カナダ、ヨーロッパ、米国からの200人の参加者(感染者100人、健康管理100人)のCTで報告されている。
  論文  参考訳（メタデータ） (2020-04-02T21:49:14Z)

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。