論文の概要: Alert-List Concordance for Evaluating Imputation Strategies in ICU Sepsis Prediction
- arxiv url: http://arxiv.org/abs/2610.22635v1
- Date: Thu, 15 Oct 2026 20:40:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-20 00:56:07.6642
- Title: Alert-List Concordance for Evaluating Imputation Strategies in ICU Sepsis Prediction
- Title（参考訳）: ICUシープシス予測におけるインプット戦略評価のためのアラートリスト一致
- Abstract要約: 命令品質は、再構成誤りや集合的識別を用いて評価される。
一致したアラートレートで、同様のアグリゲートパフォーマンスを持つパイプラインは、異なる患者リストを生成することができる。
PhysioNet/CinC 2019(40,336人、71.9%の欠失)では、9つの計算方法とネイティブ・ミス・ベースラインを比較した。
- 参考スコア（独自算出の注目度）: 1.0079626733116611
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Preprocessing is an under-measured reliability risk in clinical prediction: a model can keep a similar AUROC and still change who receives an alert. Imputation quality is commonly evaluated using reconstruction error or aggregate discrimination, neither of which directly measures agreement on which patients are flagged. At a matched alert rate, pipelines with similar aggregate performance can produce different patient lists. This question is especially relevant under the frequent, structured missingness of real ICU records. We therefore introduce alert-list concordance, which asks whether two pipelines identify the same high-risk patients, measured by the Jaccard similarity of their top-k% alert sets with patient-level bootstrap confidence intervals. On PhysioNet/CinC 2019 (40,336 patients, 71.9% missingness), we compare nine imputation strategies and a native-missingness baseline using a fixed XGBoost configuration, fitted and Platt-calibrated separately for each strategy. After Bonferroni correction, 22 of the 28 reconstruction-method pairs showed no statistically significant difference in patient-level AUROC, yet their alert lists overlap at Jaccard 0.518 to 0.750. Similar aggregate discrimination can therefore accompany different patient selections. ForwardFill is a separate outlier, pairing higher discrimination with the lowest overlap in the matrix, 0.40 to 0.45. The broad pattern holds within each hospital system and under six patient-level aggregation rules. At the row level, eight of ten methods fall within an AUROC range of 0.011. In this row-level pipeline, deep imputers did not outperform mean imputation on discrimination, and the sequential implementations cost 5 to 12 times mean imputation in total pipeline wall-clock time on our hardware.
- Abstract（参考訳）: 前処理は、臨床予測の信頼性の低いリスクであり、モデルが同様のAUROCを維持し、警告を受けた人物を変更できる。
インキュベーション品質は再建誤りや集合的差別を用いて評価され, いずれの指標も, 患者がフラグ付けされた合意を直接的に測定するものではない。
一致したアラートレートで、同様のアグリゲートパフォーマンスを持つパイプラインは、異なる患者リストを生成することができる。
この問題は、実際のICUレコードの頻繁で構造化された欠如の下で特に関係している。
そこで我々は,2つのパイプラインが同一の高リスク患者を識別するかどうかを,患者レベルのブートストラップ信頼区間を持つ上位k%警報セットのジャカード類似度を用いて問う。
PhysioNet/CinC 2019(40,336人、71.9%の欠失)では、各戦略について、固定されたXGBoost構成を用いて、9つのインキュベーション戦略とネイティブ・ミス・ベースラインを比較した。
ボフェロニ修正後,28種類の再建法でAUROC値に統計的に有意な差は認められなかったが,Jaccard 0.518から0.750に重複していた。
したがって、同様の集団的差別は、異なる患者選択を伴わせることができる。
ForwardFillは分離された外れ値であり、行列の最小重なりが0.40から0.45と高い区別をペアリングする。
広範パターンは、各病院のシステムに、6つの患者レベルアグリゲーションルールの下に保持される。
行レベルでは、10のメソッドのうち8つがAUROCの範囲0.011に該当する。
この行レベルのパイプラインでは、ディープ・インプタは識別における平均的なインプタよりも優れておらず、シーケンシャルな実装コストは、ハードウェア上でのパイプラインウォールタイム全体の5～12倍である。
関連論文リスト
- MIRTO: a registration-gated, multiverse-tested evaluation protocol for unsupervised anomaly segmentation in brain MRI [0.0]
選択を明示し,その効果を測定する評価プロトコルであるMIRTOを提案する。
MIRTOは、登録チェックとラベルなしの既知のパワー診断との全ての比較の幾何学をゲートする。
15,552個の補正可能な評価パイプラインをそれぞれ比較し、多重度制御によるペアリングされた対象-ブートストラップ間隔を付加する。
論文 参考訳（メタデータ） (2026-10-01T17:44:22Z) - Calibration-First Cross-Cohort Multimodal Temporal Learning for Transferable Asthma-Risk Forecasting [0.0]
喘息の悪化予測は、患者の人口、センサーのエコシステム、利用可能なモダリティが変化しても、確実に行う必要がある。
不完全データを用いた近地リスク予測のためのキャリブレーションファーストマルチモーダル時間フレームワークであるCALIBRAを提案する。
論文 参考訳（メタデータ） (2026-09-17T08:19:47Z) - Fusing Spectral Signatures and Activation Clustering for Backdoor Detection in Healthcare Imaging Models: Method, Implementation, and Evaluation [0.0]
本稿では,クラスごとのスペクトルランクとアクティベーションクラスタリングフラグを組み合わせたスコアレベルの融合ルールを,単一サンプルごとの中毒スコアとモデルレベルの合意統計に貢献する。
公衆医用画像ベンチマークとCIFAR-10の合成毒性変異株に対するパイプラインの評価を行った。
論文 参考訳（メタデータ） (2026-09-13T05:19:12Z) - Patient-Aware Contrastive Learning Preserves Per-Patient Structure in RR-Interval Representations [0.0]
RR-interval(RRI)配列からの発作性心房細動(PAF)検出における問題点について検討した。
同一患者からのみ肯定的な対を形成する患者対応コントラスト目的を提案する。
論文 参考訳（メタデータ） (2026-06-22T16:35:18Z) - Detecting Clinical Discrepancies in Health Coaching Agents: A Dual-Stream Memory and Reconciliation Architecture [71.46525715889656]
汎用エージェントメモリシステムは、ユーザの最新のステートメントで古い事実を上書きすることでコヒーレンスを最適化する。
本稿では,患者の物語を構造化された臨床記録から厳密に分離するDual-Stream Memory Architectureを提案する。
675日間のウェルネスコーチングセッションにおいて,26名の患者を対象にこのアーキテクチャを評価した。
論文 参考訳（メタデータ） (2026-04-29T17:59:28Z) - From Black Box to Glass Box: Cross-Model ASR Disagreement to Prioto Review in Ambient AI Scribe Documentation [43.148402136307716]
異種ASRシステム間のクロスモデル不一致は、基準のない不確実性信号として機能する。
商用APIとオープンソースエンジンにまたがる8つのASRシステムを備えた,50の公開医療用オーディオクリップを転写した。
低アグリメント領域は内容の不一致に富み、高リスク質量のクインタイル全体では53.9%から73.9%に増加した。
論文 参考訳（メタデータ） (2026-03-02T13:02:13Z) - 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) - Automatically measuring speech fluency in people with aphasia: first
achievements using read-speech data [55.84746218227712]
本研究の目的は,言語習得の分野で開発された信号処理algorithmの関連性を評価することである。
論文 参考訳（メタデータ） (2023-08-09T07:51:40Z) - 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) - 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。