文献

J-GLOBAL ID：202102230922795919   整理番号：21A1145466

病院における臨床的悪化の予測【JST・京大機械翻訳】

Predicting Clinical Deterioration in Hospitals

著者 (4件)： Jalali Laleh (Hitachi America, Ltd.,Santa Clara,CA,USA) ,  Tang Hsiu-Khuern (Hitachi America, Ltd.,Santa Clara,CA,USA) ,  Goldstein Richard H. (Hitachi America, Ltd.,Santa Clara,CA,USA) ,  Alvarez Rodriguez Joaquin (Hitachi America, Ltd.,Santa Clara,CA,USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： Big Data  ページ： 3744-3752  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 緊急臨床悪化の徴候を示す患者への対応は,患者ケアの基礎的 tenである。これは,迅速応答システム(RRS)として知られる患者安全介入 philosophy学を提起し,それにより,緊急臨床悪化に対する基準の事前決定セットを満たす患者を,劣化を軽減し,集中治療室(ICU)移動,心停止または死亡を予防する目的で,直ちに評価し,治療する。RRSは広く採用されているが,複数の系統的レビューは,それらの有効性の証拠を見つけるのに失敗した。典型的には,RRS基準は,有意な生理学的異常を同定し,臨床観察に基づく,単純な,専門家(コンセンサス)定義ルールである。1つが現在の基準で現れる生理学的障害の発症より早く患者のデータのパターンを見つけることができるならば,介入戦略はより効果的であるかもしれない。本論文では,患者が臨床的悪化のリスクがあるかどうかを推論するために,電子医療記録(EMR)に機械学習を適用した。著者らのモデルは,現在病院で利用されている既存のルールベースの方法と比較して,より敏感であり,より大きな前進予測時間を提供する。著者らの結果は,この分野における更なる試験を保証する。成功して,病院は既存のITシステムへの著者らのアプローチを統合でき,ICU移動,心停止,または死亡を防ぐか,または滞在のICU長さを減らすために,モデルによって発生する警報を使用する。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 有効性 ,  ICU【医療】 ,  *心停止 ,  機械学習 ,  ルールベース ,  電子カルテ ,  システマティックレビュー
準シソーラス用語： 患者介護 ,  患者安全 ,  ITシステム , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 病院 ,  臨床的悪化 ,  予測