論文の概要: Context-Aware Hierarchical Bayesian Modeling of IVF Laboratory Environmental Conditions

• arxiv url: http://arxiv.org/abs/2606.20459v1
• Date: Thu, 18 Jun 2026 16:40:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-19 18:23:39.992445
• Title: Context-Aware Hierarchical Bayesian Modeling of IVF Laboratory Environmental Conditions
• Title（参考訳）: IVF環境条件の階層的ベイズモデリング
• Authors: Zahra Asghari Varzaneh, Reza Khoshkangini, Pia Saldeen, Lars Johansson, Thomas Ebner,
• Abstract要約: IVF妊娠率は患者レベルの変数を用いて定期的にモデル化されるが、高解像度の環境データは未利用のままである。 我々は, 圧延熱安定性, 温度・湿度の同時付着, ピーク応力持続時間, ストレス後の回復速度など, 55の時間的特徴を設計した。 これらの特徴は、生平均の3.5%に比べて、クロスバリデーション予測エラーを1.27%に削減する。
• 参考スコア（独自算出の注目度）: 1.948638796030649
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: IVF pregnancy rates are routinely modeled using patient-level variables, while high-resolution laboratory environmental data remain underutilized. We show that this is a missed opportunity. Rather than relying on raw sensor averages, we engineer 55 context-aware temporal features, including rolling thermal stability, simultaneous temperature-humidity adherence, peak stress duration, and post-stress recovery speed, that capture the dynamics of incubator microenvironments. On 61 weeks of data from an Asian IVF clinic, these features reduce cross-validated prediction error to 1.27%, compared to 3-5% for raw averages. We then train a hierarchical Bayesian Beta regression model that shares environmental effects across an Asian and a Northern European clinic via partial pooling, while preserving site-specific baselines. On held-out data from the Northern European clinic, the model achieves R2 = 0.86 and a 64% error reduction for the 35-39 age group over a naive baseline, demonstrating that structured environmental monitoring contains clinically meaningful, transferable signal.
• Abstract（参考訳）: IVF妊娠率は患者レベルの変数を用いて定期的にモデル化されるが、高解像度の環境データは未利用のままである。 これが機会の欠如であることを示す。 本研究では, 温度安定性, 温度・湿度の同時付着, ピーク応力持続時間, ストレス後の回復速度など, インキュベーターのミクロ環境のダイナミクスを捉える, 55の時間的特徴を設計した。 アジアIVFクリニックからの61週間のデータでは、これらの特徴により、生平均の3.5%に比べて、クロスバリデーション予測エラーが1.27%に減少する。 次に、アジアと北ヨーロッパのクリニックで環境効果を共有する階層的ベイズベータ回帰モデルを、部分プールでトレーニングし、サイト固有のベースラインを保存します。 北欧の診療所の保持データでは、35～39歳の年齢層に対してR2=0.86と64%の誤差低減を実現し、構造的環境モニタリングが臨床的に有意で伝達可能な信号を含んでいることを示した。

関連論文リスト

• Simulating clinical interventions with a generative multimodal model of human physiology [49.828582089394445]
  HealthFormerは、人間の生理的軌道を生成的にモデル化するデコーダのみのトランスフォーマーである。 7つの領域にまたがる667個の測定値に対して,各被験者の健康軌道をトークン化する。 HealthFormerは、30のインシデント障害および死亡エンドポイントのうち27の予測を改善し、各比較で確立された臨床リスクスコアを超えた。
  論文  参考訳（メタデータ） (2026-04-30T14:10:30Z)
• When World Models Dream Wrong: Physical-Conditioned Adversarial Attacks against World Models [54.08784776767683]
  本稿では,物理条件を乱す最初のホワイトボックス世界モデルアタックであるPhysCond-WMA(PhysCond-WMA)を提案する。 PhysCond-WMAは知覚の忠実さを維持しながら意味、論理、決定レベルの歪みを引き起こす。
  論文  参考訳（メタデータ） (2026-02-21T07:22:37Z)
• Prediction of Respiratory Syncytial Virus-Associated Hospitalizations Using Machine Learning Models Based on Environmental Data [0.0]
  呼吸性交感神経性ウイルス(RSV)は、小児の入院の主要な原因である。 本研究では,米国におけるRSV関連入院を予測するための機械学習フレームワークを開発した。
  論文  参考訳（メタデータ） (2025-12-06T19:10:49Z)
• A Statistical Evaluation of Indoor LoRaWAN Environment-Aware Propagation for 6G: MLR, ANOVA, and Residual Distribution Analysis [6.8093214146903875]
  本研究では,1,328,334フィールドの広範囲なデータセットを用いて,複雑度を捕捉・解析するための2段階のアプローチを提案する。 従来の伝搬測定値と,提案する環境変数による拡張を含む,多重線形回帰モデルを実装した。 分散分析を用いて、これらの環境要因を追加することで、説明できない分散を42.22%削減できることを示した。
  論文  参考訳（メタデータ） (2025-04-23T13:19:35Z)
• Finetuning and Quantization of EEG-Based Foundational BioSignal Models on ECG and PPG Data for Blood Pressure Estimation [46.36100528165335]
  光胸腺撮影と心電図は、連続血圧モニタリング(BP)を可能にする可能性がある。 しかし、データ品質と患者固有の要因の変化のため、正確で堅牢な機械学習(ML)モデルは依然として困難である。 本研究では,1つのモータリティで事前学習したモデルを効果的に利用して,異なる信号タイプの精度を向上させる方法について検討する。 本手法は, 拡張期BPの最先端精度を約1.5倍に向上し, 拡張期BPの精度を1.5倍に向上させる。
  論文  参考訳（メタデータ） (2025-02-10T13:33:12Z)
• Exploring the Impact of Environmental Pollutants on Multiple Sclerosis Progression [29.0420039994265]
  多発性硬化症(Multiple Sclerosis、MS)は、再発を特徴とする慢性自己免疫性炎症性神経疾患である。 本研究では,H2020 BRAINTEASERプロジェクトのデータを用いて,MS患者の再発発生における環境要因の役割について検討した。 我々はランダムフォレスト(RF)やロジスティック回帰(LR)などの予測モデルを用いて,臨床および汚染物質データに基づいて1週間にわたって収集された再発を予測する。
  論文  参考訳（メタデータ） (2024-08-30T16:12:57Z)
• Long-term drought prediction using deep neural networks based on geospatial weather data [75.38539438000072]
  農業計画や保険には1年前から予測される高品質の干ばつが不可欠だ。 私たちは、体系的なエンドツーエンドアプローチを採用するエンドツーエンドアプローチを導入することで、干ばつデータに取り組みます。 主な発見は、TransformerモデルであるEarthFormerが、正確な短期(最大6ヶ月)の予測を行う際の例外的なパフォーマンスである。
  論文  参考訳（メタデータ） (2023-09-12T13:28:06Z)

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。