論文の概要: From Continuous Predictors to Clinical Thresholds: Early Evidence on Performance Trade-offs of Guideline-Based Categorisation for Ischaemic Stroke Outcome Prediction

• arxiv url: http://arxiv.org/abs/2608.05203v1
• Date: Wed, 05 Aug 2026 06:59:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-07 17:43:06.629689
• Title: From Continuous Predictors to Clinical Thresholds: Early Evidence on Performance Trade-offs of Guideline-Based Categorisation for Ischaemic Stroke Outcome Prediction
• Title（参考訳）: 連続予測者から臨床閾値へ:虚血性脳卒中アウトカム予測のためのガイドラインに基づく分類のトレードオフに関する早期証拠
• Abstract要約: 機械学習モデルは、急性虚血性脳卒中における90日間の結果予測のための強力な予測精度を実現する。 本研究は, 連続予測器を, 性能を犠牲にすることなく, 臨床的に認知されたカテゴリエンコーディングに置き換えることができるかどうかを問うものである。 標準および完全に分類された勾配ブーストモデルを比較し、後者はストロークガイドラインアライメント、治療特異的しきい値を用いて比較する。 完全に分類されたモデルは、2つの治療コホートで連続したモデルと統計的に区別できないが、1つのコホートでは予測精度が著しく低下する。
• 参考スコア（独自算出の注目度）: 3.2357764147482304
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Machine learning models achieve strong predictive accuracy for 90-day outcome prediction in acute ischaemic stroke, yet clinical adoption is limited by the misalignment of model explanations with clinicians' reasoning. Motivated by a clinician user study calling for clinical guideline-aligned cut-offs, we ask whether continuous predictors can be replaced by clinically informed categorical encodings without sacrificing performance. On a multi-centre European registry stratified into three treatment cohorts, we compare standard and fully categorised gradient-boosted models, the latter using stroke guideline-aligned, treatment-specific thresholds. The fully categorised models are statistically indistinguishable from their continuous counterparts in two of the treatment cohorts, with a significant drop in predictive accuracy in one cohort. Global feature importance rankings remain consistent, suggesting that discretising continuous predictors into guideline-based categories preserves the core hierarchy of prognostic factors across all treatment groups. Guideline-based categorisation is thus a viable design choice for stroke-outcome models.
• Abstract（参考訳）: 機械学習モデルは、急性虚血性脳卒中における90日間の予後予測において、強い予測精度を達成するが、臨床応用は、臨床医の推論によるモデル説明の誤調整によって制限される。 臨床ガイドラインに整合したカットオフを求める臨床ユーザスタディにより, 連続予測器を, 性能を犠牲にすることなく, 臨床情報に基づく分類エンコーディングに置き換えることができるかどうかを問う。 3つの治療コホートに区分した多中心ヨーロッパのレジストリ上で、標準モデルと完全に分類された勾配ブーストモデルを比較し、後者は脳卒中ガイドラインに準拠した治療特異的しきい値を用いて比較した。 完全に分類されたモデルは、2つの治療コホートで連続したモデルと統計的に区別できないが、1つのコホートでは予測精度が著しく低下する。 グローバルな特徴重要度ランキングは一貫しており、連続予測器をガイドラインに基づくカテゴリに分類することは、全ての治療群における予後因子のコア階層を保っていることを示唆している。 したがって、ガイドラインに基づく分類は、ストロークアウトカムモデルにおいて実行可能な設計選択である。

関連論文リスト

• From Static Risk to Dynamic Trajectories: Toward World-Model-Inspired Clinical Prediction [61.12883122613684]
  本稿では, 患者固有の縦断疾患の進展を推定し, 代替治療下での軌跡変化を評価するための, 臨床AIにおける介入認識型疾患軌跡モデリングに焦点をあてる。 3つの意思決定タスク(実測,反実推定,政策評価)と3つのデータ生成機構(障害発生, 治療課題, 観察過程)によって, 識別可能性を決定する。 本稿では,個別/連続時間にまたがる予測,反ファクト的軌跡,政策評価の統一的な枠組みを提案する。
  論文  参考訳（メタデータ） (2026-05-16T10:45:26Z)
• PRIME: Prototype-Driven Multimodal Pretraining for Cancer Prognosis with Missing Modalities [86.63247982275396]
  PRIMEは、欠落を認識したマルチモーダルな自己教師型事前トレーニングフレームワークである。 部分的に観察されたコホートから頑健で伝達可能な表現を学ぶ。 The Cancer Genome AtlasのPRIMEを32種類の癌に対してラベルフリープレトレーニングで評価した。
  論文  参考訳（メタデータ） (2026-04-05T21:14:27Z)
• An Empirical Analysis of Calibration and Selective Prediction in Multimodal Clinical Condition Classification [11.640422721732756]
  マルチラベル臨床条件分類における不確実性に基づく選択予測の信頼性を実証的に評価した。 高い標準評価基準にもかかわらず、選択的予測は性能を著しく低下させる可能性がある。 この失敗は、厳密なクラス依存の誤校正によって引き起こされ、モデルが正しい予測に高い不確実性を割り当て、誤った予測に低い不確実性を割り当てる。
  論文  参考訳（メタデータ） (2026-03-03T08:16:44Z)
• Global Interpretability via Automated Preprocessing: A Framework Inspired by Psychiatric Questionnaires [1.8275108630751837]
  精神科のアンケートは非常に文脈に敏感である。 フレキシブルな非線形モデルでは 予測精度が向上します 限定的な解釈は 臨床的信頼を損なう可能性がある REFINEは他の解釈可能なアプローチより優れている。
  論文  参考訳（メタデータ） (2026-02-26T19:23:20Z)
• AgentScore: Autoformulation of Deployable Clinical Scoring Systems [45.88028371034407]
  本稿では,単位重み付き臨床チェックリストのセマンティックガイドによる最適化を行うAgentScoreを紹介する。 AgentScoreは既存のスコア生成方法より優れており、より柔軟な解釈可能なモデルに匹敵するAUCを実現している。 さらに2つの外部検証タスクにおいて、AgentScoreは、確立されたガイドラインベースのスコアよりも高い差別を達成する。
  論文  参考訳（メタデータ） (2026-01-29T21:11:06Z)
• Conformal coronary calcification volume estimation with conditional coverage via histogram clustering [0.0]
  クラスタベースの条件付きコンフォメーション予測フレームワークを提案し、トレーニングされたセグメンテーションネットワークからスコア間隔を調整し、再トレーニングを行わないようにする。 提案手法を調整し,3次元UNetモデルの予測間隔を調整した。
  論文  参考訳（メタデータ） (2025-06-04T14:55:52Z)
• A generalized framework to predict continuous scores from medical ordinal labels [7.24111517701999]
  モデル開発中に個別の順序ラベルのみを用いて連続的な値付き変数を正確に予測するフレームワークを提案する。 その結果, 3つの臨床予測課題において, トレーニングラベルの順序関係を考慮したモデルが, 従来のマルチクラス分類モデルよりも優れていたことが判明した。
  論文  参考訳（メタデータ） (2023-05-30T15:00:49Z)
• Bayesian prognostic covariate adjustment [59.75318183140857]
  疾患の結果に関する歴史的データは、様々な方法で臨床試験の分析に組み込むことができる。 我々は, 予測モデルからの予後スコアを用いて, 治療効果推定の効率を向上する既存の文献に基づいて構築する。
  論文  参考訳（メタデータ） (2020-12-24T05:19:03Z)
• Ensemble model for pre-discharge icd10 coding prediction [45.82374977939355]
  正確なコード予測のための複数の臨床データソースを組み込んだアンサンブルモデルを提案する。 平均精度は0.73および0.58、F1スコアは0.56および0.35、患者および外来データセットの主診断予測では0.71および0.4のマルチラベル分類精度を得る。
  論文  参考訳（メタデータ） (2020-12-16T07:02:56Z)
• Performance metrics for intervention-triggering prediction models do not reflect an expected reduction in outcomes from using the model [71.9860741092209]
  臨床研究者はしばしばリスク予測モデルの中から選択し評価する。 振り返りデータから算出される標準メトリクスは、特定の仮定の下でのみモデルユーティリティに関係します。 予測が時間を通して繰り返し配信される場合、標準メトリクスとユーティリティの関係はさらに複雑になる。
  論文  参考訳（メタデータ） (2020-06-02T16:26:49Z)

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。