文献

J-GLOBAL ID：201802224214290291   整理番号：18A1046712

バージニア大学健康システム大学で入院した肝硬変患者における短期死亡率を予測するための機械学習の使用【JST・京大機械翻訳】

Using machine learning to predict near-term mortality in cirrhosis patients hospitalized at the University of Virginia health system

著者 (4件)： Harrison Elizabeth (School of Medicine and Data Science Institute, University of Virginia) ,  Chang Myron (Data Science Institute, University of Virginia) ,  Hao Yi (Data Science Institute, University of Virginia) ,  Flower Abigail (Department of Systems and Information Engineering, University of Virginia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： SIEDS  ページ： 112-117  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 本研究は,2つのアプローチ-ロジスティック回帰と長い短期記憶神経回路網を用いて,Virginia Health Systemの大学における肝硬変で入院した患者における近期間死亡率を,後者に重点を置いて予測することを目的とした。集中治療室における500人以上の患者滞在のために,同定された医療記録からのデータを用いて,死亡率が予測の時間から12と24時間の間に発生するかどうかを予測するために,再発性の長い短期記憶神経回路網を訓練した。これは,ネットワークを訓練セットにおける各患者に対する連続観察のシーケンスを供給することにより達成され,それにより,ネットワークを「見過ごす」と,時間にわたるバイタルサインと実験室結果の変化に基づく死亡リスクの増加を同定することを可能にした。神経回路網モデルの性能をロジスティック回帰モデルの性能と比較し,肝硬変患者における死亡リスクに対するベンチマーク評価法である,ニューラルネットワークとロジスティック回帰モデルは両方ともChonic Liver Failureスコアより優れているが,ニューラルネットワークの性能の更なる改善が期待されることを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】

シソーラス用語： ベンチマーク ,  *患者 ,  神経回路網 ,  ICU【医療】 ,  ネットワーク ,  *機械学習 ,  *バージニア州 ,  *死亡率 ,  再発 ,  ニューラルネットワーク ,  *肝硬変
準シソーラス用語： スコア ,  死亡リスク ,  短期記憶 ,  ロジスティック回帰分析 , 【Automatic Indexing@JST】

分類 (4件)： 医用情報処理  (JE15030Q) ,  消化器の疾患  (GH03000W) ,  呼吸器の疾患  (GI03000Z) ,  医療制度  (GB04020H)

タイトルに関連する用語 (8件)： 大学 ,  入院 ,  肝硬変 ,  患者 ,  短期 ,  死亡率 ,  予測 ,  機械学習