文献

J-GLOBAL ID：202002253269582168   整理番号：20A1115152

末期腎疾患への進行リスクを予測するための疾患埋め込み技術の使用【JST・京大機械翻訳】

Use of disease embedding technique to predict the risk of progression to end-stage renal disease

著者 (5件)： Zhou Fang (School of Data Science & Engineering, East China Normal University, Shanghai, China) ,  Gillespie Avrum (Division of Nephrology, Hypertension, and Kidney Transplantation, Department of Medicine, Lewis Katz School of Medicine, Temple University, Philadelphia, PA, United States) ,  Gligorijevic Djordje (Center for Data Analytics and Biomedical Informatics, Temple University, Philadelphia, PA, United States) ,  Gligorijevic Jelena (Center for Data Analytics and Biomedical Informatics, Temple University, Philadelphia, PA, United States) ,  Obradovic Zoran (Center for Data Analytics and Biomedical Informatics, Temple University, Philadelphia, PA, United States)
資料名： Journal of Biomedical Informatics  (Journal of Biomedical Informatics)
巻： 105  ページ： Null  発行年： 2020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： 慢性腎臓病(CKD)の末期腎疾患(ESRD)への進行の正確な予測は,臨床医にとって非常に重要であり,多くの原因と従来の予測モデルによって無視されているより多くの共存症があるので,研究者への挑戦である。大規模電子健康記録(EHRs)から学習された新しい低次元埋め込みモデル疾患(D2D)の利用が,腎臓病と共存症の原因を良くクラスタ化し,従来のリスク因子と比較して,CKDのESRDへの進行の予測をさらに改善するかどうかを検討した。研究コホートは,1,375人(54.8%)が3年以内にESRDに進行した,2507人の入院ステージ3CKD患者から成る。正則化ロジスティック回帰モデルとCox比例ハザードモデルを適用することにより,提案した教師なし学習フレームワークを評価し,4つの代替モデルにより得られたものとの精度を比較した。結果は,EHRsからの学習低次元疾患表現が,病気の広大な配列の間の関係を捉えることができて,CKD進行予測モデルにおける従来の危険因子を上回ることができることを実証した。これらの結果は,患者ケアにおける臨床医と研究者の両方によって,新しい予測方法を開発するために使用することができる。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： 予測技法 ,  *学習 ,  教師なし学習 ,  クラスタ化 ,  腎臓病 ,  正則化 ,  母集団 ,  危険因子 ,  電子カルテ ,  予測モデル ,  慢性腎臓病 ,  病歴
準シソーラス用語： 共存罹患 ,  *ESRD ,  臨床医 , 【Automatic Indexing@JST】

著者キーワード (6件)： 低次元疾患表現 ,  病気の進行 ,  教師なし学習 ,  電子健康記録 ,  慢性腎臓病 ,  末期腎疾患

分類 (1件)： 医用情報処理  (JE15030Q)

タイトルに関連する用語 (5件)： 末期腎疾患 ,  リスク ,  予測 ,  疾患 ,  埋め込み