文献

J-GLOBAL ID：201702242901265786   整理番号：17A1958382

心肺適応能と全死因死亡率(Henry Ford運動負荷試験プロジェクトからの)との関係を定義するための機械学習の利用【Powered by NICT】

Using Machine Learning to Define the Association between Cardiorespiratory Fitness and All-Cause Mortality (from the Henry Ford Exercise Testing Project)

著者 (12件)： Al-Mallah Mouaz H. (Division of Cardiovascular Medicine, Henry Ford Hospital, Detroit, Michigan) ,  Al-Mallah Mouaz H. (King Saud bin Abdulaziz University for Health Sciences, King Abdullah International Medical Research Center, King AbdulAziz Cardiac Center, Ministry of National Guard, Health Affairs, Riyadh, Saudi Arabia) ,  Elshawi Radwa (Princess Nourah bint Abdulrahman University, Riyadh, Saudi Arabia) ,  Ahmed Amjad M. (King Saud bin Abdulaziz University for Health Sciences, King Abdullah International Medical Research Center, King AbdulAziz Cardiac Center, Ministry of National Guard, Health Affairs, Riyadh, Saudi Arabia) ,  Qureshi Waqas T. (Wake Forest School of Medicine, Medical Center Boulevard, Winston-Salem, North Carolina) ,  Brawner Clinton A. (Division of Cardiovascular Medicine, Henry Ford Hospital, Detroit, Michigan) ,  Blaha Michael J. (Johns Hopkins Ciccarone Center for the Prevention of Heart Disease, Baltimore, Maryland) ,  Ahmed Haitham M. (Johns Hopkins Ciccarone Center for the Prevention of Heart Disease, Baltimore, Maryland) ,  Ahmed Haitham M. (Cleveland Clinic Foundation, Cleveland, Ohio) ,  Ehrman Jonathan K. (Division of Cardiovascular Medicine, Henry Ford Hospital, Detroit, Michigan) ,  Keteyian Steven J. (Division of Cardiovascular Medicine, Henry Ford Hospital, Detroit, Michigan) ,  Sakr Sherif (King Saud bin Abdulaziz University for Health Sciences, King Abdullah International Medical Research Center, King AbdulAziz Cardiac Center, Ministry of National Guard, Health Affairs, Riyadh, Saudi Arabia)
資料名： American Journal of Cardiology  (American Journal of Cardiology)
巻： 120  号： 11  ページ： 2078-2084  発行年： 2017年 
JST資料番号： A0916B  ISSN： 0002-9149  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 以前の研究は,呼吸循環の適応度は,心血管健康の強いマーカーであることを示した。機械学習(ML)は,データを分類する予め決定されたカテゴリーに分類法による転帰の予測を向上させることができる。解析の目的は,10年統計的ロジスティック回帰(LR)を用いて総死亡率(A CM)と運動負荷試験を受けた患者のコホートにおけるMLアプローチの予測を比較することである。は1991と2009の間で運動トレッドミル負荷試験を施行した冠動脈疾患または心不全の34,212例(男性55%,平均年齢54±13歳)を含み,完全な10年間のフォローアップを有していた。この解析の主要評価項目は,10年でのA CMであった。10A CMの確率は統計的LRとMLを用いて計算し,これらの方法の精度を計算し,比較した。総計3,921名の患者を10年で死亡した。統計的LRを用いて,A CMを予測する感度は44.9%(95%信頼区間[CI]43.3%~46.5%)であったが,特異度は93.4%(95%CI 93.1%~93.7%)であった。A CMを予測するためのMLの感度は87.4%(95%CIは86.3%~88.4%)であったが,特異度は97.2%(95%CI 97.0%~97.4%)であった。ML手法は統計的LR(0.836[95%CI 0.829~0.846],p<0.0001)と比較して改善されモデル識別(ML[0.923(95%CI 0.917~ 0.928)]の曲線下面積)と関連していた。結論として,著者らの解析は,MLはストレス試験を受けた患者におけるA CMの予測のより良好な精度と識別を提供することを示した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 血中濃度-時間曲線下面積 ,  心不全 ,  *負荷試験 ,  冠動脈疾患 ,  患者 ,  母集団 ,  男性 ,  トレッドミル ,  *機械学習 ,  評価基準 ,  *運動負荷 ,  循環系
準シソーラス用語： 特異度 ,  ロジスティック回帰分析 ,  *総死亡率 , 【Automatic Indexing@JST】

分類 (1件)： 循環系の診断  (GJ02000V)

タイトルに関連する用語 (6件)： 適応 ,  全死因死亡率 ,  運動負荷試験 ,  プロジェクト ,  定義 ,  機械学習