文献

J-GLOBAL ID：202002287180180395   整理番号：20A2513865

隠れMarkovモデルを用いた連続死亡率リスク予測モデルを開発するための電子健康記録に埋められた時系列データの利用:敗血症事例研究【JST・京大機械翻訳】

Utilizing time series data embedded in electronic health records to develop continuous mortality risk prediction models using hidden Markov models: A sepsis case study

著者 (3件)： Gupta Akash (California State University, Northridge, Northridge, CA, USA) ,  Liu Tieming (Oklahoma State University, Stillwater, Stillwater, OK, USA) ,  Crick Christopher (Oklahoma State University, Stillwater, Stillwater, OK, USA)
資料名： Statistical Methods in Medical Research  (Statistical Methods in Medical Research)
巻： 29  号： 11  ページ： 3409-3423  発行年： 2020年 
JST資料番号： W5397A  ISSN： 0962-2802  資料種別： 逐次刊行物 (A)
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： 連続死亡率リスクモニタリングは,患者のケアを管理し,限られた病院資源を効率的に利用するための機器である。電子健康記録(EHR)の不完全性と不規則性のため,EHRデータを用いた連続死亡リスク予測の開発は課題である。本研究では,死亡率リスクを連続的に監視するためのフレームワークを提案し,それを実世界EHRデータに適用した。提案方法は,患者の健康の以前の状態と臨床徴候の現在の価値の両方を考慮する隠れMarkovモデル(時間技術)を使用する。Sepsis-3定義に続いて,著者らは,一時的および非時間的方法(Decision Tree(DT),ロジスティック回帰(LR),Naive Bayes(NB),ランダムフォレスト(RF),およびサポートベクターマシン(SVM))の性能を比較するために,感染が疑われる患者3898名を選択した。受信者動作特性(AUROC)曲線,感度,特異性,およびG平均の面積を,性能尺度として使用した。選択したデータでは,提案した時間フレームワーク(0.87)のAUROCは,非時間法(DT:0.78,NB:0.79,SVM:0.79,LR:0.80およびRF:0.80)より9~12%大きい。結果はまた,著者らのモデル(G-平均=0.78)が,臨床的に許容できるベッドサイド基準(G-平均=0.71)と比較して,感度と特異性の間のより良いバランスを提供することを示した。提案フレームワークは,EHRで利用可能な縦方向データを利用し,非時間法よりも優れた性能を示した。提案方法は,患者の健康の変化の時間に関連した情報を容易にし,実務者が早期を計画し,効果的な治療戦略を開発するのを助けるかもしれない。Copyright The Author(s) 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *死 ,  *死亡率 ,  *敗血症 ,  *事例研究 ,  意思決定支援システム ,  治療計画 ,  *隠れMarkovモデル ,  *電子カルテ ,  サポートベクトルマシン ,  *病歴 ,  *細菌感染症
準シソーラス用語： 時系列データ ,  ロジスティック回帰分析 ,  特異性 ,  ランダムフォレスト ,  ベッドサイド ,  *危険予測 , 【Automatic Indexing@JST】

著者キーワード (6件)： 統計モデル ,  時系列モデル ,  意思決定支援システム ,  隠れMarkovモデル ,  感染症 ,  敗血症

分類 (1件)： 医用情報処理  (JE15030Q)

タイトルに関連する用語 (9件)： 隠れMarkovモデル ,  死亡率 ,  リスク ,  予測モデル ,  開発 ,  電子健康記録 ,  時系列データ ,  敗血症 ,  研究