文献

J-GLOBAL ID：201702256826251268   整理番号：17A0452598

動的健康データを用いた手術部位感染症の予測【Powered by NICT】

Prognostics of surgical site infections using dynamic health data

著者 (7件)： Ke Chuyang (Department of Computer Science, University of Rochester, United States) ,  Jin Yan (Department of Industrial & Systems Engineering, University of Washington, United States) ,  Evans Heather (Department of Surgery, University of Washington, United States) ,  Lober Bill (Department of Biomedical Informatics and Medical Education, University of Washington, United States) ,  Qian Xiaoning (Department of Electrical & Computer Engineering, Texas A&M University, United States) ,  Liu Ji (Department of Computer Science, University of Rochester, United States) ,  Huang Shuai (Department of Industrial & Systems Engineering, University of Washington, United States)
資料名： Journal of Biomedical Informatics  (Journal of Biomedical Informatics)
巻： 65  ページ： 22-33  発行年： 2017年 
JST資料番号： B0827A  ISSN： 1532-0464  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： 手術部位感染(SSI)は,ヘルスケア研究における国家的優先事項である。より良いSSIリスク予測モデルを開発するために注目されている多くの研究注意を払った。しかし,大部分の既存のSSIリスク予測モデルの共存症および手術因子のような静的危険因子に構築した。本論文では,SSIリスク予測のための動的創傷データの使用を検討した。は密接に患者を監視し,多くの創傷関連変数と他の進化する臨床的変数の連続測定を生成することができるという新たなモバイル健康(mHealth)ツールとなっている。SSIの既存の予測モデルは,進化する臨床データを利用する能力は限られているので,著者らは空間的-時間的データから生じる解析的課題に取り組むためのいくつかの機械学習モデルのシームレスな集合とSSI予測のための意思決定能力を有するこれらのmHealthツールをに対応する解を開発した。基本的な考え方は,双線形定式化による空間-時間データの低品位特性を利用し,さらに行列補完技術による自動欠測データ補完とそれを向上させることである。はこれらのモデルを実装し,SSIの実世界データセット上で筆者らの新しい予測モデルの優れた性能を実証し,最先端の方法に比較して効率的な最適化アルゴリズムを導出した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 機械学習 ,  携帯電話 ,  危険因子 ,  *予測モデル ,  意思決定 ,  患者 ,  連続計測
準シソーラス用語： 最適アルゴリズム ,  欠測値 ,  行列補完 ,  臨床データ ,  共存罹患 ,  危険予測 ,  *手術部位感染 ,  *健康 , 【Automatic Indexing@JST】

著者キーワード (4件)： 手術部位感染(SSI) ,  機械学習 ,  mHealth ,  リスク予測

分類 (1件)： 医用情報処理  (JE15030Q)

タイトルに関連する用語 (2件)： 手術部位感染症 ,  予測