文献

J-GLOBAL ID：202102252525778283   整理番号：21A1282314

早期慢性腎臓病のリスク予測:19,270人の成人健康診断プログラムからの結果【JST・京大機械翻訳】

Risk Prediction for Early Chronic Kidney Disease: Results from an Adult Health Examination Program of 19,270 Individuals

著者 (8件)： Shih Chin-Chuan (Institute of Medicine, Chung Shan Medical University, Taichung 40201, Taiwan) ,  Shih Chin-Chuan (General Administrative Department, United Safety Medical Group, New Taipei City 24205, Taiwan) ,  Shih Chin-Chuan (Deputy Chairman, Taiwan Association of Family Medicine, Taipei 24200, Taiwan) ,  Lu Chi-Jie (Graduate Institute of Business Administration, Fu Jen Catholic University, New Taipei 24205, Taiwan) ,  Lu Chi-Jie (Artificial Intelligence Development Center, Fu Jen Catholic University, New Taipei 24205, Taiwan) ,  Chen Gin-Den (Institute of Medicine, Chung Shan Medical University, Taichung 40201, Taiwan) ,  Chen Gin-Den (Department of Obstetrics and Gynecology, Chung Shan Medical University Hospital, Taichung 40201, Taiwan) ,  Chang Chi-Chang (School of Medical Informatics, Chung Shan Medical University & IT office, Chung Shan Medical University Hospital, Taichung 40201, Taiwan)
資料名： International Journal of Environmental Research and Public Health (Web)  (International Journal of Environmental Research and Public Health (Web))
巻： 17  号： 14  ページ： 4973  発行年： 2020年 
JST資料番号： U7208A  ISSN： 1660-4601  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 効果的なリスク予測モデルの開発は,慢性腎臓病(CKD)と死亡率の合併症を予測する費用対効果の高い方法である。しかし,CKDのスクリーニングを支持する証拠は不十分である。本研究では,分類と回帰ツリー,C4.5ディシジョンツリー,線形判別分析,および極端学習機械を含む4つのデータマイニングアルゴリズムを用いて,初期CKDを予測した。本研究は,2015年から2019年の間に,32のチェーンクリニックと3つの特別な身体検査センターからの成人健康診断プログラムによって提供された19,270人の患者からのデータセットを含む。11の独立変数があり,糸球体濾過率(GFR)を予測変数として使用した。C4.5ディシジョンツリーアルゴリズムは,曲線計量の下で,精度,感度,特異性,および面積に基づく初期CKDを予測するための3つの比較モデルより優れていた。したがって,早期CKD予測の有望な方法である。実験結果は,尿蛋白とクレアチニン比(UPCR),蛋白尿(PRO),赤血球(RBC),グルコース絶食(GLU),トリグリセリド(TG),総コレステロール(T-CHO),年齢,および性別が重要な危険因子であることを示した。CKDケアはプライマリーケアレベルに密接に関連し,国家戦略における健康管理優先事項として認識されている。提案したリスク予測モデルは,早期CKDの予測における人格と健康診断表現の重要な影響をサポートできる。Copyright 2021 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： アルゴリズム ,  赤血球 ,  死亡率 ,  絶食 ,  ディシジョンツリー ,  健康管理 ,  蛋白尿 ,  *健康診断 ,  合併症 ,  プライマリーケア ,  理学的検査 ,  危険因子 ,  データマイニング ,  *慢性腎臓病
準シソーラス用語： 総コレステロール値 , 【Automatic Indexing@JST】

著者キーワード (3件)： 早期慢性腎臓病 ,  機械学習 ,  リスク予測

分類 (3件)： 泌尿生殖器の疾患  (GM03000L) ,  泌尿生殖器の臨床医学一般  (GM01030E) ,  泌尿生殖器の診断  (GM02000E)

引用文献 (32件)：

• Official Journal of the International Society of Nephrology KDIGO Clinical Practice Guideline for the Management of Blood Pressure in Chronic Kidney Disease. Available online: https://kdigo.org/wp-content/uploads/2016/10/KDIGO-2012-Blood-Pressure-Guideline-English.pdf (accessed on 27 May 2020).
• Collister, D.; Ferguson, T.; Komenda, P.; Tangri, N. The patterns, risk factors, and prediction of progression in chronic kidney disease: A narrative review. Semin. Nephrol. 2016, 36, 273-282.
• Tsai, M.H.; Hsu, C.Y.; Lin, M.Y.; Yen, M.F.; Chen, H.H.; Chiu, Y.H.; Hwang, S.J. Incidence, prevalence, and duration of chronic kidney disease in Taiwan: Results from a community-based screening program of 106,094 individuals. Nephron 2018, 140, 175-184.
• National Health Research Institutes Annual Report on Kidney Disease in Taiwan. Available online: http://w3.nhri.org.tw/nhri_org/rl/lib/NewWeb/nhri/ebook/39000000448683.pdf (accessed on 27 May 2020). The National Health Insurance Statistics. 2017. Available online: https://www.nhi.gov.tw/english/Content_List.aspx?n=0D39BCF70F478274&topn=616B97F8DF2C3614 (accessed on 27 May 2020).
• Taal, M.W. Predicting renal risk in the general population: Do we have the right formula? Clin. J. Am. Soc. Nephrol. 2011, 6, 1523-1525.

タイトルに関連する用語 (5件)： 早期 ,  慢性腎臓病 ,  リスク予測 ,  成人 ,  健康診断