文献

J-GLOBAL ID：202002254607095089   整理番号：20A2759063

臨床予測タスクの特徴としての時系列要約統計の評価【JST・京大機械翻訳】

An evaluation of time series summary statistics as features for clinical prediction tasks

著者 (4件)： Guo Chonghui (Institute of Systems Engineering, Dalian University of Technology, Dalian, People’s Republic of China) ,  Lu Menglin (Institute of Systems Engineering, Dalian University of Technology, Dalian, People’s Republic of China) ,  Chen Jingfeng (Institute of Systems Engineering, Dalian University of Technology, Dalian, People’s Republic of China) ,  Chen Jingfeng (Health Management Center, The First Affiliated Hospital of Zhengzhou University, Zhengzhou, People’s Republic of China)
資料名： BMC Medical Informatics and Decision Making (Web)  (BMC Medical Informatics and Decision Making (Web))
巻： 20  号： 1  ページ： 1-20  発行年： 2020年 
JST資料番号： U7433A  ISSN： 1472-6947  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 患者死亡率,入院期間,および疾患診断などの臨床予測作業は,クリティカルケア研究において非常に重要である。臨床予測に関する既存の研究は,主に単純な要約統計を用いて,生理学的時系列からの情報を要約した。しかし,この統計の欠如は情報の欠如をもたらす。加えて,患者特徴を示す最大および最小統計のみの使用は,適切な説明の提供に失敗する。要約統計量が生理学的時系列を最もよく表す研究はほとんどない。本論文では,中心傾向,分散傾向および分布形状を含む生理学的時系列の特性を記述する14の統計を要約した。次に,3つの臨床予測タスクの特徴として,生理学的時系列の要約統計量の利用を評価した。異なるタスクの下で最良の性能を与える統計の組合せを見つけるために,著者らは,最適統計的組合せを近似するために交差検証ベースの遺伝的アルゴリズムを使用した。6,927人の患者のEHRを用いた実験によって,単一統計と3つの臨床予測タスクの下での統計の一般的に使用される組合せの両方に基づく予測結果を得た。埋込み交差検証遺伝的アルゴリズムの結果に基づいて,統計的組合せの25の最適集合を得て,次にそれらの予測結果をテストした。単一統計による予測の性能と最適統計的組合せの定量的解析による統計の一般的に使用される組合せを比較することによって,著者らは,いくつかの統計が患者表現において中心的役割を果たし,異なる予測作業が一定の共通性を有することを見出した。結果の徹底的な解析を通して,著者らは,その後の関連研究に対する指針を提供できる多くの実用的参照点を見出した。分,最大,および範囲のような分散傾向を示す統計は,滞在予測作業の長さにとってより好適であり,また,それらは短期死亡率予測のための情報を提供する。生理学的時系列の中心傾向を反映する平均および分位数は,死亡率および疾患予測により適している。予測のために別々に用いるとき,スキューネスと尖度はほとんど機能しないが,全体的な予測効果を改善するための補足統計として使用できる。Copyright 2020 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 死亡率 ,  定量的分析 ,  統計量 ,  遺伝的アルゴリズム ,  入院期間 ,  *ゆがみ
準シソーラス用語： 救命救急診療 ,  尖度 , 【Automatic Indexing@JST】

著者キーワード (4件)： 患者表現 ,  臨床予測タスク ,  遺伝的アルゴリズム ,  要約統計

分類 (2件)： 医用情報処理  (JE15030Q) ,  ドキュメンテーション  (GA01020J)

引用文献 (39件)：

• BMC Med Inf Decis Making; Early prediction of acute kidney injury following icu admission using a multivariate panel of physiological measurements; LP Zimmerman, PA Reyfman, AD Smith, Z Zeng, A Kho, LN Sanchez-Pinto, Y Luo; 19; 1; 2019; 16; 10.1186/s12911-019-0733-z; citation_id=CR1
• BMC Med Inf Decis Making; A predictive model for the early identification of patients at risk for a prolonged intensive care unit length of stay; AA Kramer, JE Zimmerman; 10; 1; 2010; 27; 10.1186/1472-6947-10-27; citation_id=CR2
• Intensive Care Med; The SOFA (Sepsis-related Organ Failure Assessment) score to describe organ dysfunction/failure; J-L Vincent, R Moreno, J Takala, S Willatts, A De Mendonça, H Bruining, C Reinhart, P Suter, L Thijs; 22; 1996; 707-10; 10.1007/BF01709751; citation_id=CR3
• BMC Med Inf Decis Making; Support vector machine versus logistic regression modeling for prediction of hospital mortality in critically ill patients with haematological malignancies; T Verplancke, SV Looy, D Benoit, S Vansteelandt, P Depuydt, FD Turck, J Decruyenaere; 8; 1; 2008; 56; 10.1186/1472-6947-8-56; citation_id=CR4
• JAMA; A new simplified acute physiology score (SAPS II) based on a european/north american multicenter study; J-R Le Gall, S Lemeshow, F Saulnier; 270; 24; 1993; 2957-63; 10.1001/jama.1993.03510240069035; citation_id=CR5

タイトルに関連する用語 (6件)： 臨床 ,  予測 ,  タスク ,  時系列 ,  統計 ,  評価