論文の概要: Predicting Multiple Clinical Outcomes Related to Functional Recovery and Social Isolation Among Older Adults After Lower-Limb Fracture or Hip Replacement

• arxiv url: http://arxiv.org/abs/2608.23531v1
• Date: Mon, 24 Aug 2026 17:33:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-25 13:29:44.217515
• Title: Predicting Multiple Clinical Outcomes Related to Functional Recovery and Social Isolation Among Older Adults After Lower-Limb Fracture or Hip Replacement
• Title（参考訳）: 下肢骨折・股関節置換術後の老年者における機能回復と社会的隔離に関連する複数の臨床成績の予測
• Abstract要約: MAISON-LLFデータセットは、下肢骨折または股関節置換後のコミュニティで回復した18人の高齢者のマルチモーダルセンサーと臨床データを含む。 我々は,マルチモーダルセンサデータと異なる臨床スコアの関係を利用し,それを多出力回帰問題として定式化する。
• 参考スコア（独自算出の注目度）: 3.853495415186522
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Older adults recovering after lower-limb fracture or hip replacement may experience complex recovery trajectories. Most of the time, these clinical aspects are studied in isolation, masking their joint impact on recovery. This study used the MAISON-LLF dataset, which contains multimodal sensor and clinical assessment data from 18 older adults recovering in the community after lower-limb fracture or hip replacement. Participants were monitored for up to eight weeks, corresponding to a maximum of 1,008 participant-days of sensor monitoring. Forty-six daily features were extracted from indoor motion, acceleration, step count, heart rate, out-of-home mobility, and sleep data. Five clinical outcomes were assessed every two weeks: the Social Isolation Scale, Oxford Hip Score, Oxford Knee Score, Timed Up and Go test, and 30-second Chair Stand test. We utilize an inherent relationship between multi-modal sensor data and different clinical scores and formulate it as a multi-output regression problem. We tested various machine learning and deep learning single- and multi-output regression algorithms to predict these scores simultaneously. The results showed that predicting clinical scores jointly was better than separately. The tabular DL multi-output regressor, NODE, gave a remarkable performance of MSE=3.96 and MAE=1.02 in comparison to other multi- and single-output regressors. The SHAP feature analysis further showed the importance of including multimodal sensors to provide a good estimate of patients' recovery trajectory. This work may support the simultaneous assessment of functional recovery and social engagement among community-dwelling older adults and ultimately help improve their care and quality of life.
• Abstract（参考訳）: 下肢骨折や股関節置換術後に回復する高齢者は、複雑な回復路を経験する可能性がある。 多くの場合、これらの臨床的側面は単独で研究され、回復に対する共同的な影響を隠蔽する。 本研究は,下肢骨折や股関節置換術後に回復した18人の高齢者のマルチモーダルセンサと臨床評価データを含むMAISON-LLFデータセットを用いた。 参加者は最大8週間監視され、最大1,008日間のセンサー監視が行われた。 室内運動,加速度,歩数,心拍数,在宅移動,睡眠データから毎日46種類の特徴を抽出した。 社会的隔離尺度、オックスフォード・ヒップスコア、オックスフォード・ニースコア、タイムアップ・アンド・ゴーテスト、30秒のチェアスタンドテストの5つの臨床結果が2週間毎に評価された。 我々は,マルチモーダルセンサデータと異なる臨床スコアの関係を利用し,それを多出力回帰問題として定式化する。 我々は、これらのスコアを同時に予測するために、さまざまな機械学習および深層学習単出力および多出力回帰アルゴリズムを試験した。 その結果,臨床成績の予測は別々に行うよりも良好であった。 表形式の多出力回帰器であるNODEは、MSE=3.96とMAE=1.02の優れた性能を他のマルチ出力・シングル出力回帰器と比較した。 SHAPの特徴分析は、患者の回復軌跡を適切に推定するために、マルチモーダルセンサーを含めることの重要性も示した。 この研究は、地域在住の高齢者における機能回復と社会的エンゲージメントの同時評価を支援し、最終的に彼らのケアと生活の質を向上させるのに役立つ。

関連論文リスト

• Interpretable machine learning predicts Parkinson's disease severity using motion-corrected QSM MRI and multiband multiecho fMRI features [0.0]
  解釈可能な機械学習を用いて、QSMとReHoの特徴から現在のモータの重症度を予測する。 小脳, 視床, 線条体, 内臓, 運動皮質の特徴について検討した。
  論文  参考訳（メタデータ） (2026-06-26T20:26:37Z)
• Cerebra: A Multidisciplinary AI Board for Multimodal Dementia Characterization and Risk Assessment [56.62016795093786]
  CerebraはインタラクティブなマルチエージェントAIチームで、ERH、臨床ノート、医療画像分析のための特殊エージェントをコーディネートする。 構造化された表現を操作することで、プライバシ保護デプロイメントをサポートし、モダリティが不完全であれば、堅牢である。 Cerebraは、有識者のパフォーマンスを著しく改善し、前向き認知症リスク推定において精度を17.5ポイント向上させた。
  論文  参考訳（メタデータ） (2026-03-23T05:46:45Z)
• Transparent Early ICU Mortality Prediction with Clinical Transformer and Per-Case Modality Attribution [42.85462513661566]
  ICU滞在後48時間から, 生理的時系列測定と非構造的臨床記録とを融合した, 軽量で透明なマルチモーダルアンサンブルを提案する。 ロジスティック回帰モデルは、バイタル用双方向LSTMとノート用微調整された臨床ModernBERT変換器の2つのモード固有モデルからの予測を組み合わせる。 MIMIC-IIIベンチマークでは、遅延融合アンサンブルは、よく校正された予測を維持しながら、最高の単一モデルに対する差別を改善する。
  論文  参考訳（メタデータ） (2025-11-19T20:11:49Z)
• Predicting Postoperative Stroke in Elderly SICU Patients: An Interpretable Machine Learning Model Using MIMIC Data [0.0]
  高齢者集中治療室(SICU)患者における術後脳卒中は重要な合併症である。 我々はMIMIC-IIIデータベースとMIMIC-IVデータベースから19,085名の高齢者SICU入院を併用したコホートを構築した。 最初の24時間集中治療室滞在からの臨床データを用いて,院内脳卒中を予測するための解釈可能な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） (2025-06-02T22:53:12Z)
• Multimodal Sensor Dataset for Monitoring Older Adults Post Lower-Limb Fractures in Community Settings [2.166000001057538]
  下肢骨折(LLF)は高齢者にとって大きな健康上の問題である。 回復期には、高齢者はしばしば社会的孤立と機能低下に直面している。 本稿では,新しいマルチモーダルセンサデータセットMAISON-LLFを提案する。
  論文  参考訳（メタデータ） (2025-01-23T18:01:01Z)
• A Federated Learning Framework for Stenosis Detection [70.27581181445329]
  本研究は,冠動脈造影画像(CA)の狭窄検出におけるFL(Federated Learning)の使用について検討した。 アンコナのOspedale Riuniti(イタリア)で取得した200人の患者1219枚の画像を含む2施設の異種データセットについて検討した。 データセット2には、文献で利用可能な90人の患者からの7492のシーケンシャルな画像が含まれている。
  論文  参考訳（メタデータ） (2023-10-30T11:13:40Z)
• Rehabilitation Exercise Repetition Segmentation and Counting using Skeletal Body Joints [6.918076156491651]
  本稿では,患者が実施するリハビリテーション運動の繰り返しを分割・数えるための新しいアプローチを提案する。 骨格の関節は、深度カメラまたは患者のRGBビデオに適用されたコンピュータビジョン技術によって取得することができる。 様々なシーケンシャルニューラルネットワークは、骨格体関節の配列を分析し、繰り返しセグメンテーションとカウントを行うように設計されている。
  論文  参考訳（メタデータ） (2023-04-19T15:22:15Z)
• Mimetic Muscle Rehabilitation Analysis Using Clustering of Low Dimensional 3D Kinect Data [1.53119329713143]
  本報告では, 筋損傷による顔面麻痺患者のリハビリテーションに対する非観血的アプローチについて考察する。 本研究は,HB(House-Brackmann)尺度など,現在の主観的アプローチと比較して,リハビリテーションプロセスの客観的化を目的としている。 この研究は、Kinectステレオビジョンカメラを用いて得られた120の計測値を持つ85人の異なる患者のデータセットを含んでいる。
  論文  参考訳（メタデータ） (2023-02-15T09:45:27Z)
• MS Lesion Segmentation: Revisiting Weighting Mechanisms for Federated Learning [92.91544082745196]
  フェデレートラーニング(FL)は医用画像解析に広く用いられている。 FLのパフォーマンスは、多発性硬化症(MS)病変セグメンテーションタスクに制限される。 2つの効果的な再重み付け機構によるFLMS病変分割フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-05-03T14:06:03Z)
• Grading Loss: A Fracture Grade-based Metric Loss for Vertebral Fracture Detection [58.984536305767996]
  自動椎骨骨折検出のための表現学習型アプローチを提案する。 本稿では,Genantのフラクチャーグレーディングスキームを尊重する,学習表現のための新しいGrading Lossを提案する。 一般に利用可能なスピーンデータセットでは、提案された損失関数が81.5%のフラクチャー検出F1スコアを達成する。
  論文  参考訳（メタデータ） (2020-08-18T10:03:45Z)
• Joint Prediction and Time Estimation of COVID-19 Developing Severe Symptoms using Chest CT Scan [49.209225484926634]
  術後に重篤な症状を発症するかどうかを判定するための共同分類法と回帰法を提案する。 提案手法は,各試料の重量を考慮し,外乱の影響を低減し,不均衡な分類の問題を検討する。 提案手法では, 重症症例の予測精度76.97%, 相関係数0.524, 変換時間0.55日差が得られた。
  論文  参考訳（メタデータ） (2020-05-07T12:16:37Z)

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。