論文の概要: Accelerometry-Derived Digital Biomarkers for Cardiometabolic Risk: A Population-Representative Tabular Benchmark with Uncertainty Quantification

• arxiv url: http://arxiv.org/abs/2606.30702v1
• Date: Mon, 29 Jun 2026 12:54:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-01 18:27:18.957858
• Title: Accelerometry-Derived Digital Biomarkers for Cardiometabolic Risk: A Population-Representative Tabular Benchmark with Uncertainty Quantification
• Title（参考訳）: 心メタボリックリスクのための加速器駆動型デジタルバイオマーカー:不確実性定量化を用いた集団表現型タブラルベンチマーク
• Abstract要約: NHANES Accelerometry Cardiometabolic Benchmark(NHANES 2003-2006)を紹介する。 活性表現型から糖化ヘモグロビン (HbA1c) , リン酸化トリグリセリド, C-反応性タンパク質 (CRP) を予測するために, 隆起回帰, XGBoost および基礎モデル TabPFN v2 を用いる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Structured tabular data dominates clinical medicine, yet existing benchmarks fail to reflect real-world properties like complex survey sampling, demographic oversampling, and subgroup fairness. We introduce the NHANES Accelerometry Cardiometabolic Benchmark, derived from NHANES 2003-2006, comprising 1,381 adults with hip-worn accelerometry, fasting laboratory biomarkers, dietary intake, and anthropometrics. We evaluate three tabular learning methods -- ridge regression, XGBoost, and the foundation model TabPFN v2 -- to predict glycated haemoglobin (HbA1c), fasting triglycerides, and C-reactive protein (CRP) from activity phenotypes and lifestyle covariates. TabPFN v2 achieves the best overall performance (HbA1c R^2=0.156, CRP R^2=0.383), while triglycerides remain largely unpredictable (R^2 < 0.05), consistent with known genetic dominance. We apply split conformal prediction to generate distribution-free 90% prediction intervals and evaluate demographic coverage equity across sex and race/ethnicity subgroups. Marginal coverage aligns with the 90% target for CRP and HbA1c but falls below for triglycerides. At the subgroup level, we observe localized undercoverage (e.g., HbA1c for Mexican American participants), illustrating the gap between marginal guarantees and the conditional coverage required for clinical fairness. Code and data are at https://github.com/felizzi/nhanes-accel-cardiometabolic-benchmark.
• Abstract（参考訳）: 構造化表型データは臨床医学を支配しているが、既存のベンチマークでは、複雑なサーベイサンプリング、人口調査、サブグループフェアネスなどの現実世界の特性を反映していない。 NHANES Accelerometry Cardiometabolic Benchmark (NHANES 2003-2006) を導入し, ヒップウーン加速度計1,381人の成人, 高速実験室バイオマーカー, 食事摂取量, 人体計測値について検討した。 我々は,3種類の表層学習手法(リッジ回帰,XGBoost,基礎モデルTabPFN v2)を評価し,活性表現型およびライフスタイルの共変体から,糖化ヘモグロビン(HbA1c),リン酸化トリグリセリド,C-反応性タンパク質(CRP)を予測する。 TabPFN v2は最高性能(HbA1c R^2=0.156, CRP R^2=0.383)を達成し、トリグリセリドはほとんど予測不能(R^2 < 0.05)であり、既知の遺伝的優位性と一致している。 本研究では,性別・人種・民族サブグループ間での人口被覆率の評価を行い,分布のない90%の予測間隔を生成するために,分割共形予測を適用した。 マージナルカバレッジは、CRPとHbA1cの90%のターゲットと一致しているが、トリグリセリドよりも低い。 サブグループレベルでは, メキシコ系アメリカ人のHbA1cの局所的な潜伏を観察し, 限界保証と, 臨床フェアネスに必要な条件付きカバレッジのギャップについて考察した。 コードとデータはhttps://github.com/felizzi/nhanes-accel-cardiometabolic-benchmarkにある。

関連論文リスト

• Conformal Risk Prediction for Non-Alcoholic Fatty Liver Disease Using Gradient Boosting with Distribution-Free Coverages [2.538209532048867]
  非アルコール性脂肪肝疾患(NAFLD)は、世界の成人の約25%に影響を及ぼす。 NAFLDリスク予測のための機械学習フレームワークである Method を提案する。
  論文  参考訳（メタデータ） (2026-05-31T14:23:21Z)
• Nationwide EHR-Based Chronic Rhinosinusitis Prediction Using Demographic-Stratified Models [5.410845855301495]
  慢性副鼻腔炎 (CRS) は、一般的な異種性炎症性疾患であり、かなりの死亡率と医療費を引き起こす。 以前の予測研究はしばしば単一施設のコホートに依存しており、人口レベルの一般化性が低下する。 全国の縦断的ERHデータを用いて,2年間の診断履歴を用いてCRSの診断を予測した。
  論文  参考訳（メタデータ） (2026-04-16T21:27:05Z)
• CoDaS: AI Co-Data-Scientist for Biomarker Discovery via Wearable Sensors [44.01195029438923]
  バイオマーカー発見を反復的プロセスとして構築するシステムであるCoDaS(AI Co-Data-Scientist)を紹介する。 コホートは計9,279人、CoDaSは41人のメンタルヘルスと25人のメタボリックな結果を得た。 CoDaSは、両データセットの概日不安定性に関連する特徴を睡眠時間変動に反映した。
  論文  参考訳（メタデータ） (2026-04-16T04:47:55Z)
• Explainable Machine Learning for Sepsis Outcome Prediction Using a Novel Romanian Electronic Health Record Dataset [0.5277756703318045]
  本研究の目的は,3つの分類課題にまたがる最先端の成果を達成しつつ,臨床的に強い予測因子を同定することである。 Eosinopeniaはトップ予測ツールとして登場し、現在の評価基準に含まれていない未使用のマーカーとしての価値を強調した。
  論文  参考訳（メタデータ） (2026-04-06T14:07:23Z)
• Deriving Health Metrics from the Photoplethysmogram: Benchmarks and Insights from MIMIC-III-Ext-PPG [2.2945816941393766]
  Photoplethysmography (signals)は、臨床予測タスクにおいて最も広く使われているバイオシグナーの1つである。 Photoplethysmography (signals)は、臨床予測タスクにおいて最も広く使われているバイオシグナーの1つである。
  論文  参考訳（メタデータ） (2026-03-23T11:19:06Z)
• Cross-Sample Augmented Test-Time Adaptation for Personalized Intraoperative Hypotension Prediction [45.67071315035565]
  術中低血圧は外科的危険を伴うが、患者固有の変動性のために正確な予測は困難である。 CSA-TTA(Cross-Sample Augmented Test-Time Adaptation framework)を提案する。 提案したCSA-TTAを,現在最先端の時系列予測モデルと統合することで,VitalDBデータセットと実世界のインホスピタルデータセットの両方で評価する。
  論文  参考訳（メタデータ） (2025-12-12T08:02:37Z)
• AttentiveGRUAE: An Attention-Based GRU Autoencoder for Temporal Clustering and Behavioral Characterization of Depression from Wearable Data [46.262619407930266]
  本稿では,時間的クラスタリングと縦型ウェアラブルデータによる結果の予測を目的とした,新しい注意型ゲートリカレントユニット(GRU)オートエンコーダであるAttentiveGRUAEを提案する。 372名(GLOBEM 2018-2019)の長期睡眠データからAttentiveGRUAEを評価する。 これは、クラスタリングの品質と抑うつの分類の両方において、ベースラインクラスタリング、ドメイン指向の自己教師付きモデル、および改善されたモデルよりも優れたパフォーマンスを示す。
  論文  参考訳（メタデータ） (2025-10-02T20:52:16Z)
• Peptidomic-Based Prediction Model for Coronary Heart Disease Using a Multilayer Perceptron Neural Network [0.0]
  冠動脈心疾患(CHD)は、世界中で死因の主要な疾患であり、毎年の医療費に大きく貢献する。 非侵襲的な診断手法を開発するために,マルチ層パーセプトロン(MLP)ニューラルネットワークに基づくモデルを構築した。 このモデルは95.67パーセントの精度、感度、特異性を達成し、F1スコアは0.9565である。
  論文  参考訳（メタデータ） (2025-09-04T04:54:02Z)
• 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)
• 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)
• Learning to diagnose cirrhosis from radiological and histological labels with joint self and weakly-supervised pretraining strategies [62.840338941861134]
  そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。 我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。 この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
  論文  参考訳（メタデータ） (2023-02-16T17:06:23Z)

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。