論文の概要: Outlier detection for patient monitoring and alerting

• arxiv url: http://arxiv.org/abs/2605.08955v1
• Date: Sat, 09 May 2026 13:52:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-12 23:28:49.989579
• Title: Outlier detection for patient monitoring and alerting
• Title（参考訳）: 患者監視・警報のための異常検知
• Abstract要約: 我々は、異常な(異常な)患者管理決定を検出するためのデータ駆動型アプローチを開発し、評価する。 我々の仮説は、過去の患者のケアに関して異常な患者管理の決定は、誤りによるものかもしれないというものである。 本仮説は, 手術後4486例の EHR から得られたデータと, このデータから生成された222件の警告のサブセットを用いて評価した。
• 参考スコア（独自算出の注目度）: 16.18294395283152
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We develop and evaluate a data-driven approach for detecting unusual (anomalous) patient-management decisions using past patient cases stored in electronic health records (EHRs). Our hypothesis is that a patient-management decision that is unusual with respect to past patient care may be due to an error and that it is worthwhile to generate an alert if such a decision is encountered. We evaluate this hypothesis using data obtained from EHRs of 4486 post-cardiac surgical patients and a subset of 222 alerts generated from the data. We base the evaluation on the opinions of a panel of experts. The results of the study support our hypothesis that the outlier-based alerting can lead to promising true alert rates. We observed true alert rates that ranged from 25\% to 66\% for a variety of patient-management actions, with 66\% corresponding to the strongest outliers.
• Abstract（参考訳）: 電子健康記録(EHR)に蓄積された過去の症例を用いて,異常な(異常な)患者管理決定を検出するためのデータ駆動型アプローチの開発と評価を行った。 我々の仮説は、過去のケアに関して異常な患者管理の決定は、誤りによるものかもしれないし、そのような決定に遭遇した場合に警告を発生させることは価値がある、というものである。 本仮説は, 手術後4486例の EHR から得られたデータと, このデータから生成された222件の警告のサブセットを用いて評価した。 我々は専門家の意見に基づいて評価を行う。 実験の結果は、異常警報が真の警告率につながるという私たちの仮説を支持します。 以上の結果から, 患者管理行動において, 25 %から66 %の真の警戒率を示し, 66 % は最強のアウトレーヤに対応していた。

関連論文リスト

• Conditional outlier detection for clinical alerting [15.584798193122142]
  我々は,異常な(異常な)患者管理行動を検出するためのデータ駆動型アプローチを開発し,評価する。 我々の仮説は、過去の患者に対して異常な患者管理行動は、潜在的な誤りによるものかもしれないというものである。 本仮説は,4,486人の心術後患者の電子健康記録から得られたデータを用いて評価した。
  論文  参考訳（メタデータ） (2026-05-06T16:51:44Z)
• Evidence-based anomaly detection in clinical domains [31.97862489086428]
  特定の患者の管理判断を評価できる新しい確率的異常検出法を開発し,検討した。 本手法は術後心疾患患者における異常な患者管理決定の特定に応用する。
  論文  参考訳（メタデータ） (2026-05-06T09:10:46Z)
• Early Warning Index for Patient Deteriorations in Hospitals [4.086404766354958]
  我々は、ICU入院、緊急対応チーム派遣、死亡の総括リスクを予測する機械学習フレームワークを開発する。 EWIの設計の鍵は、人間のループプロセスである: 臨床医は警告しきい値を決定し、モデルの出力を解釈する。 EWIを病院のダッシュボードに配置し、患者を3つのリスク層に分類する。
  論文  参考訳（メタデータ） (2025-12-16T18:47:27Z)
• Non-Invasive Suicide Risk Prediction Through Speech Analysis [74.8396086718266]
  自動自殺リスク評価のための非侵襲的音声ベースアプローチを提案する。 我々は、wav2vec、解釈可能な音声・音響特徴、深層学習に基づくスペクトル表現の3つの特徴セットを抽出する。 我々の最も効果的な音声モデルは、6.6.2,%$のバランスの取れた精度を達成する。
  論文  参考訳（メタデータ） (2024-04-18T12:33:57Z)
• Domain constraints improve risk prediction when outcome data is missing [1.6840408099522377]
  機械学習モデルにより, 検査対象者および検査対象者双方のリスクを正確に推定できることが示唆された。 本研究は,癌リスク予測のケーススタディに適用し,そのモデルが癌診断を予測していることを示す。
  論文  参考訳（メタデータ） (2023-12-06T19:49:06Z)
• Diagnosis Uncertain Models For Medical Risk Prediction [80.07192791931533]
  本研究は, 患者の診断にはアクセスできない, バイタルサイン, 検査値, 既往歴にアクセス可能な患者リスクモデルについて考察する。 このようなすべての原因のリスクモデルが、診断全体にわたって良い一般化を持つが、予測可能な障害モードを持つことが示される。 患者診断の不確実性から生じるリスク予測の不確実性を明示的にモデル化し,この問題に対する対策を提案する。
  論文  参考訳（メタデータ） (2023-06-29T23:36:04Z)
• Remote Medication Status Prediction for Individuals with Parkinson's Disease using Time-series Data from Smartphones [75.23250968928578]
  本稿では,パーキンソン病患者のmPowerデータセットを用いて薬剤状態を予測する方法を提案する。 提案手法は,3つの薬物状態を客観的に予測する上で有望な結果を示す。
  論文  参考訳（メタデータ） (2022-07-26T02:08:08Z)
• Predicting Patient Readmission Risk from Medical Text via Knowledge Graph Enhanced Multiview Graph Convolution [67.72545656557858]
  本稿では,電子健康記録の医用テキストを予測に用いる新しい手法を提案する。 外部知識グラフによって強化された多視点グラフを有する患者の退院サマリーを表現している。 実験により,本手法の有効性が証明され,最先端の性能が得られた。
  論文  参考訳（メタデータ） (2021-12-19T01:45:57Z)
• Designing A Clinically Applicable Deep Recurrent Model to Identify Neuropsychiatric Symptoms in People Living with Dementia Using In-Home Monitoring Data [52.40058724040671]
  鎮静は認知症において高い有病率を有する神経精神医学症状の1つである。 扇動エピソードの検出は、認知症に生きる人々(PLWD)に早期かつタイムリーな介入を提供するのに役立つ。 本研究は,家庭内モニタリングデータを用いてPLWDの動揺リスクを分析するための教師付き学習モデルを提案する。
  論文  参考訳（メタデータ） (2021-10-19T11:45:01Z)
• Development and Validation of a Deep Learning Model for Prediction of Severe Outcomes in Suspected COVID-19 Infection [9.524156465126758]
  救急外来(ed)に初診した患者の予測結果を伴うトリエイジングは、患者の予後を改善する上で重要である。 我々は、患者の結果を予測するために深い機能融合モデルを訓練した。 モデルアウトプットは、最も非感受性な酸素療法が要求される患者の結果であった。 新型コロナウイルス重篤な結果(CO-RISKスコア)の予測リスクスコアは、モデルアウトプットから導出され、テストデータセットで評価された。
  論文  参考訳（メタデータ） (2021-03-21T00:03:27Z)
• 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。