文献

J-GLOBAL ID：201602225402280055   整理番号：16A0876726

電子健康記録におけるワードバッグから吻合漏れの早期検出のためのサポートベクトル特徴選択【Powered by NICT】

Support Vector Feature Selection for Early Detection of Anastomosis Leakage From Bag-of-Words in Electronic Health Records

著者 (10件)： Soguero-Ruiz Cristina (Department of Teori ́a de la Senal y Comunicaciones, Universidad Rey Juan Carlos, 28943 Madrid, Spain) ,  Hindberg Kristian (Department of Mathematics and Statistics, University of Tromso/, Tromso/, Norway) ,  Rojo-Alvarez Jose Luis (Department of Teori ́a de la Senal y Comunicaciones, Universidad Rey Juan Carlos, Madrid, Spain) ,  Skrovseth Stein Olav (Norwegian Centre for Integrated Care and Telemedicine, University Hospital of North Norway, Tromso/, Norway) ,  Godtliebsen Fred (Department of Mathematics and Statistics, University of Tromso/, Tromso/, Norway) ,  Mortensen Kim (Department of Gastrointestinal Surgery, University Hospital of North Norway, Tromso/, Norway) ,  Revhaug Arthur (Department of Gastrointestinal Surgery and Clinic for Surgery, Cancer, and Women’s Health, University Hospital of Northern Norway, Tromso/, Norway) ,  Lindsetmo Rolv-Ole (Department of Gastrointestinal Surgery, University Hospital of North Norway, Tromso/, Norway) ,  Augestad Knut Magne (Department of Gastrointestinal Surgery and Norwegian Centre for Integrated Care and Telemedicine, University Hospital of North Norway, Tromso/, Norway) ,  Jenssen Robert (Norwegian Centre for Integrated Care and Telemedicine, University Hospital of North Norway, Tromso/, Norway)
資料名： IEEE Journal of Biomedical and Health Informatics  (IEEE Journal of Biomedical and Health Informatics)
巻： 20  号： 5  ページ： 1404-1415  発行年： 2016年 
JST資料番号： W1135A  ISSN： 2168-2194  CODEN： IJBHA9  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 電子健康記録(EHR)におけるフリーテキストは健康状態と患者の病歴についての臨床情報の膨大な量を伝達する。この情報を抽出するための機械学習技術の使用に関する急速に増加している文献にもかかわらず,特徴選択と特徴の対応する医療通訳へ投資しているものはほとんどない。本研究では,吻合漏れ(AL)の早期発見,結腸直腸癌(CRC)手術のための待機的手術後の重篤な合併症の課題に焦点を当て,EHRから抽出されたフリーテキストを用いた。特徴選択戦略の可能性を調査するbag-of-words)モデルを用いた。実際合併症が生じる前に目的は,ALの早期検出とEHRで得られたデータとALの予測である。データの高次元性のために,ここでは,ロバストなサポートベクトルマシン線形最大マージン分類器を用いた特徴選択戦略を導出し,調査による1)簡単な統計的基準(leave one outベース試験)2)集中計算統計的基準(ブートストラップ再サンプリング)及び3)高度統計的基準(カーネルエントロピー)。結果は,CRC(感度100%;特異性72%)後の合併症の早期発見のための識別力を明らかにした。これらの結果は,術前意思決定相における外科医と患者を支援できることを,EHRデータに基づいて,予測モデルを開発するために使用できる。Copyright 2016 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *吻合術 ,  *病歴 ,  *特徴選択 ,  高次元 ,  予測モデル ,  早期診断 ,  意思決定 ,  ロバスト性 ,  *電子カルテ ,  ブートストラップ ,  患者 ,  サポートベクトルマシン
準シソーラス用語： 特異性 ,  待機手術 ,  医療情報伝達 , 【Automatic Indexing@JST】

分類 (3件)： パターン認識  (JE07000S) ,  循環系の診断  (GJ02000V) ,  腫ようの診断  (GE03020J)

タイトルに関連する用語 (7件)： 電子健康記録 ,  ワード ,  バッグ ,  吻合 ,  早期 ,  ベクトル ,  特徴選択