文献

J-GLOBAL ID：202002231383667026   整理番号：20A2626325

健診における372,813人の自殺の予測【JST・京大機械翻訳】

Prediction of suicide among 372,813 individuals under medical check-up

著者 (3件)： Cho Seo-Eun (Department of Psychiatry, Gil Medical Center, Gachon University College of Medicine, Incheon, Republic of Korea) ,  Geem Zong Woo (Department of Energy and Information Technology, Gachon University, Seongnam-si, Republic of Korea) ,  Na Kyoung-Sae (Department of Psychiatry, Gil Medical Center, Gachon University College of Medicine, Incheon, Republic of Korea)
資料名： Journal of Psychiatric Research  (Journal of Psychiatric Research)
巻： 131  ページ： 9-14  発行年： 2020年 
JST資料番号： T0194A  ISSN： 0022-3956  CODEN： JPYA3E  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： 自殺は重大な社会的および公衆衛生問題である。社会的スティグマと前判断は,ハイリスクグループに対する精神医療サービスのアクセシビリティを低下させ,その結果,彼らが介入を受けず,自殺を省略する。自殺予測モデルは,一般集団における高リスク群を同定するために必要である。韓国で2009年から2015年までの全国医療検査データを用いた。各被験者の最新の医療検査データをインデックスポイントとして設定した。分析は,1年間の追跡調査期間と同様に,全体の追跡調査期間(最終追跡期間に対する指数ポイント)のために行われた。訓練セットを5回交差検証した。予測モデルをランダムフォレストアルゴリズムを用いて訓練し,その性能を訓練に含まれない別々の試験セットを用いて測定した。分析は,平均(SD)全追跡調査期間1.52(1.52)年の372,813個体をカバーした。全体の追跡期間中の自殺を予測した場合,受信者動作特性曲線下面積(AUC)は0.849,感度は0.817,特異度は0.754であった。インデックスポイントから1年間の予測自殺リスクモデルの性能は,AUC0.818,感度0.788,および特異性0.657であった。これはおそらく一般集団からの医療検査データに基づく機械学習を用いた最初の自殺予測モデルである。それは,日常の医療検査を通して集団から高リスク自殺群をスクリーニングするのに使用できる。将来の研究は,これらの高リスク群における運動やアルコールなどの予防介入を試験するかもしれない。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  アルコール ,  公衆衛生 ,  予防 ,  *健康診断 ,  *自殺 ,  精神医療 ,  血中濃度-時間曲線下面積 ,  機械学習 ,  追跡調査 ,  予測モデル
準シソーラス用語： スティグマ ,  特異度 ,  ハイリスク ,  ランダムフォレスト , 【Automatic Indexing@JST】

著者キーワード (4件)： ビッグデータ ,  自殺 ,  人工知能 ,  機械学習

分類 (1件)： 消化器の腫よう  (GH04000D)

タイトルに関連する用語 (3件)： 健診 ,  自殺 ,  予測