文献

J-GLOBAL ID：202002237435346876   整理番号：20A0795790

州全体の電子健康記録と機械学習アルゴリズムによる転倒に対するより高いリスクでの高齢者の同定【JST・京大機械翻訳】

Identification of elders at higher risk for fall with statewide electronic health records and a machine learning algorithm

著者 (20件)： Ye Chengyin (Department of Health Management, Hangzhou Normal University, Hangzhou, China) ,  Li Jinmei (Department of Health Management, Hangzhou Normal University, Hangzhou, China) ,  Hao Shiying (Department of Cardiothoracic Surgery, Stanford University, Stanford, CA, United States) ,  Hao Shiying (Clinical and Translational Research Program, Betty Irene Moore Children’s Heart Center, Lucile Packard Children’s Hospital, Palo Alto, CA, United States) ,  Liu Modi (HBI Solutions Inc., Palo Alto, CA, United States) ,  Jin Hua (HBI Solutions Inc., Palo Alto, CA, United States) ,  Zheng Le (Department of Cardiothoracic Surgery, Stanford University, Stanford, CA, United States) ,  Zheng Le (Clinical and Translational Research Program, Betty Irene Moore Children’s Heart Center, Lucile Packard Children’s Hospital, Palo Alto, CA, United States) ,  Xia Minjie (HBI Solutions Inc., Palo Alto, CA, United States) ,  Jin Bo (HBI Solutions Inc., Palo Alto, CA, United States) ,  Zhu Chunqing (HBI Solutions Inc., Palo Alto, CA, United States) ,  Alfreds Shaun T. (HealthInfoNet, Portland, ME, United States) ,  Stearns Frank (HBI Solutions Inc., Palo Alto, CA, United States) ,  Kanov Laura (HBI Solutions Inc., Palo Alto, CA, United States) ,  Sylvester Karl G. (Department of Surgery, Stanford University, Stanford, CA, United States) ,  Widen Eric (HBI Solutions Inc., Palo Alto, CA, United States) ,  McElhinney Doff (Department of Cardiothoracic Surgery, Stanford University, Stanford, CA, United States) ,  McElhinney Doff (Clinical and Translational Research Program, Betty Irene Moore Children’s Heart Center, Lucile Packard Children’s Hospital, Palo Alto, CA, United States) ,  Ling Xuefeng Bruce (Clinical and Translational Research Program, Betty Irene Moore Children’s Heart Center, Lucile Packard Children’s Hospital, Palo Alto, CA, United States) ,  Ling Xuefeng Bruce (Department of Surgery, Stanford University, Stanford, CA, United States)
資料名： International Journal of Medical Informatics  (International Journal of Medical Informatics)
巻： 137  ページ： Null  発行年： 2020年 
JST資料番号： D0729A  ISSN： 1386-5056  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アイルランド (IRL)  言語： 英語 (EN)

抄録/ポイント： 転倒のリスクを予測することは,高齢者におけるケアの質に有益であり,死亡率と罹患率を潜在的に減少させることができる。本研究の目的は,転倒リスクの高い高齢者を特定するために,電子健康記録に基づく転倒リスク予測ツールを構築し,検証することであった。1年間の転倒予測モデルを,機械学習ベースのアルゴリズム,XGブーストを用いて開発し,独立した検証コホート上で試験した。データは,2016年から2018年までのMaineの電子健康記録(EHR)から収集し,265人の高齢患者(≧65歳)から成った。このモデルは0.807の検証されたC統計を達成し,同定された高リスク真陽性の50%が次の年の最初の94日間に低下することを確認した。また,このモデルは,次の年の最初の30と30~60日以内に起こった落下の58.01%と54.93%の前進においても捕捉された。転倒の特定されたハイリスク患者は,重篤な疾患共存症の状態を示し,心血管系および精神的薬物処方を増加させ,歴史的臨床利用を増加させ,基礎となる転倒病因の複雑性を明らかにした。XGBoostアルゴリズムは,認知障害,歩行とバランスの異常,Parkinson病,転倒歴および骨粗鬆症が将来の転倒イベントのトップ-5最強予測因子として同定された最終予測モデルに157の不正確な予測因子を捕捉した。EHRデータを用いることにより,このリスク評価ツールは改善された識別能力を達成し,転倒リスクの増加を伴う高齢者への自動早期警告を提供し,カスタム化された転倒介入を容易にするための個人化リスク因子を同定することができる。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： カスタム化 ,  予測モデル ,  循環系 ,  母集団 ,  *転倒 ,  Parkinson病 ,  *学習アルゴリズム ,  *電子カルテ ,  *アルゴリズム ,  *機械学習 ,  死亡率 ,  病因 ,  骨粗鬆症 ,  危険因子 ,  警報 ,  *病歴

著者キーワード (4件)： 偶発的転倒 ,  高齢者 ,  電子健康記録 ,  教師付き機械学習

分類 (1件)： 医用情報処理  (JE15030Q)

タイトルに関連する用語 (5件)： 電子健康記録 ,  学習アルゴリズム ,  転倒 ,  リスク ,  同定