論文の概要: Physiological Trajectories and Observation Patterns in ICU Mortality Prediction: Transportability Under Changing Measurement Conditions
- arxiv url: http://arxiv.org/abs/2610.42126v1
- Date: Fri, 30 Oct 2026 17:56:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-02 22:05:31.864006
- Title: Physiological Trajectories and Observation Patterns in ICU Mortality Prediction: Transportability Under Changing Measurement Conditions
- Title（参考訳）: ICU死亡予測における生理的軌道と観察パターン:測定条件の変化による輸送性
- Abstract要約: 院内死亡は,MIMIC-III,MIMIC-IV,eICUを用いて48時間で予測された。
eICU (R2-R1 log-loss difference -0.00922, 95% CI -0.01148〜-0.00704) における外部予測の改善
ローカルに開発されたeICUモデル(R3-R2 -0.00257、95% CI -0.00370 --0.00146)を改善した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Objective: To distinguish the transferable predictive value of physiological trajectories from that of observation patterns in ICU mortality prediction, and to assess whether measurement timing affects performance independently of observation quantity. Materials and Methods: In-hospital mortality was predicted at 48 hours using MIMIC-III, MIMIC-IV, and eICU. Nested representations progressively integrated latest-value snapshots (R1), longitudinal physiological summaries (R2), and measurement frequency and timing features (R3). Models fitted on 7,762 MetaVision patients were evaluated on 21,682 MIMIC-IV patients and 43,878 eICU patients across 204 hospitals. The effect of measurement timing was assessed while holding the number of retained observations constant. Results: Physiological trajectories improved external prediction in eICU (R2-R1 log-loss difference -0.00922, 95% CI -0.01148 to -0.00704). Observation-pattern features improved locally developed eICU models (R3-R2 -0.00257, 95% CI -0.00370 to -0.00146), but not clearly after transfer from MetaVision (-0.00012, 95% CI -0.00206 to +0.00208). R3 was favoured in 10 of 30 source bootstrap refits. At matched observation counts, retaining measurements spread throughout the window reduced log loss relative to random retention by 0.03280 for R3 versus 0.00703 for R2. Removing the final 12 hours increased log loss relative to count-matched random removal by 0.01947 for R3 versus 0.00822 for R2. Under reduced availability, the local R3 increment changed from beneficial to harmful. Discussion: Physiological trajectories transferred more consistently, while observation-pattern features were particularly sensitive to the timing and availability of measurements. Conclusion: Clinical prediction models should be evaluated not only in new patient populations but also under the measurement conditions that supply their inputs.
- Abstract（参考訳）: 目的:ICU死亡予測における観測パターンと生理的軌道の伝達可能な予測値を区別し、測定タイミングが観測量と独立に性能に影響を及ぼすかどうかを評価する。
材料と方法:MIMIC-III,MIMIC-IV,eICUを用いて48時間で院内死亡を予測した。
ネストされた表現は、段階的に最新の値スナップショット(R1)、縦型生理的要約(R2)、測定頻度とタイミング特性(R3)を統合する。
21,682MIMIC-IV患者と43,878eICU患者を対象に,7,762MetaVision患者について検討した。
観測回数を一定に保ったまま, 測定タイミングの影響を評価した。
結果: 生理軌道は eICU (R2-R1 log-loss difference -0.00922, 95% CI -0.01148〜-0.00704) の外部予測を改善した。
局所的に開発されたeICUモデル(R3-R2 -0.00257, 95% CI -0.00370 - -0.00146)を改善したが、MetaVision(-0.00012, 95% CI -0.00206 - +0.00208)から移行した後は明らかにはならなかった。
R3は30のソースブートストラップのうち10の修正で好まれた。
一致した観測数では、窓全体に広がる測定値の保持により、R3では0.03280、R2では0.00703、ランダム保持では0.03280のログ損失が減少した。
最終12時間の削除は、カウントマッチしたランダム除去に対して、R3では0.01947、R2では0.00822のログ損失を増加させた。
可用性が低下すると、R3の局所的な増加は有益から有害へと変化した。
考察: 生理的軌道はより一貫して移動し, 観測パターンの特徴は特に測定のタイミングと可用性に敏感であった。
結論: 臨床予測モデルは, 新規患者だけでなく, インプットを供給している測定条件下でも評価すべきである。
関連論文リスト
- Evaluating Multi-Task Morphological Concept Learning for Pulmonary Nodule Malignancy Assessment in 3D CT [0.0]
肺結節のCT(Computed tomography)評価において,Spiculationやlobulationなどの形態学的特徴は重要な役割を担っている
本研究は,放射線技師に付与された形態的特徴の学習と悪性度リスクが分類性能を向上させるかを検討する。
論文 参考訳（メタデータ） (2026-09-29T14:36:41Z) - Intervention-Aware Clinical World Model for Post-Op Outcome Forecasting in Cardiology [8.701738697134955]
多くの臨床予測モデルは、介入後の結果をベースライン測定から将来のエンドポイントへの一段階のマッピングとして扱う。
本稿では,各患者に構造的潜在状態を示す介入型臨床世界モデルを提案し,時間順の介入後イベントを通じてそれを進化させる。
論文 参考訳（メタデータ） (2026-08-13T17:38:13Z) - Estimating Individualized Treatment Effects in Acute Ischemic Stroke with Causal Transformation Models (TRAM-DAG): A Multi-Centre Observational Study with External RCT Validation [0.5359378066251386]
ランダム化対照試験(RCTs)では,機械的血栓摘出術が解離よりも平均的に有効であることが示されている。
本研究の目的は, メカニカル・トロンボミーの患者に対して, 解離と比較して最も有益な患者を特定することである。
我々は,脳卒中患者の観察データに照準を合わせることで,指向性非環状グラフ(TRAM-DAG)の因果変換モデルをITT推定に利用できることを示した。
論文 参考訳（メタデータ） (2026-06-10T19:29:43Z) - Observing the unobserved confounding through its effects: toward randomized trial-like estimates from real-world survival data [3.8031924942083517]
本研究では,観測生存データに対処する枠組みを構築した。
制限平均生存時間(RMST)から潜在予後因子(U)のバランスをとる
この枠組みを3つの観測コホートと6つの多中心コホートで評価した。
論文 参考訳（メタデータ） (2026-04-13T23:38:43Z) - 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 Length of Stay in Neurological ICU Patients Using Classical Machine Learning and Neural Network Models: A Benchmark Study on MIMIC-IV [49.1574468325115]
本研究は、MIMIC-IVデータセットに基づく神経疾患患者を対象とした、ICUにおけるLOS予測のための複数のMLアプローチについて検討する。
評価されたモデルには、古典的MLアルゴリズム(K-Nearest Neighbors、Random Forest、XGBoost、CatBoost)とニューラルネットワーク(LSTM、BERT、テンポラルフュージョントランス)が含まれる。
論文 参考訳（メタデータ） (2025-05-23T14:06:42Z) - CRTRE: Causal Rule Generation with Target Trial Emulation Framework [47.2836994469923]
ターゲットトライアルエミュレーションフレームワーク(CRTRE)を用いた因果ルール生成という新しい手法を提案する。
CRTREは、アソシエーションルールの因果効果を推定するためにランダム化トライアル設計原則を適用している。
次に、病気発症予測などの下流アプリケーションにそのような関連ルールを組み込む。
論文 参考訳（メタデータ） (2024-11-10T02:40:06Z) - Deep State-Space Generative Model For Correlated Time-to-Event Predictions [54.3637600983898]
そこで本研究では,様々な種類の臨床イベント間の相互作用を捉えるために,潜伏状態空間生成モデルを提案する。
また,死亡率と臓器不全の関連性について有意な知見が得られた。
論文 参考訳（メタデータ） (2024-07-28T02:42:36Z) - Machine Learning for ALSFRS-R Score Prediction: Making Sense of the Sensor Data [44.99833362998488]
筋萎縮性側索硬化症(Amyotrophic Lateral Sclerosis、ALS)は、急速に進行する神経変性疾患である。
iDPP@CLEF 2024チャレンジを先導した今回の調査は,アプリから得られるセンサデータを活用することに焦点を当てている。
論文 参考訳（メタデータ） (2024-07-10T19:17:23Z) - 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。