文献

J-GLOBAL ID：202102252727385959   整理番号：21A1117224

機械学習アルゴリズムの小児におけるIgA腎症の予測【JST・京大機械翻訳】

IgA Nephropathy Prediction in Children with Machine Learning Algorithms

著者 (5件)： Zhang Ping (School of Mathematics and Statistics, Henan University of Science and Technology, Luoyang 471000, China) ,  Zhang Ping (School of Information Engineering, Zhengzhou University, Zhengzhou 450000, China) ,  Wang Rongqin (School of Information Engineering, Zhengzhou University, Zhengzhou 450000, China) ,  Wang Rongqin (School of Computer and Information Engineering, Luoyang Institute of Science and Technology, Luoyang 471000, China) ,  Shi Nianfeng (School of Computer and Information Engineering, Luoyang Institute of Science and Technology, Luoyang 471000, China)
資料名： Future Internet (Web)  (Future Internet (Web))
巻： 12  号： 12  ページ： 230  発行年： 2020年 
JST資料番号： U7190A  ISSN： 1999-5903  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： 免疫グロブリンA腎症(IgAN)は世界中で最も一般的な原発性糸球体疾患であり,腎不全の主な原因である。機械学習アルゴリズムを有する子供におけるIgAN予測は,ほとんど研究されていない。南京東部Warゾーン病院からの電子医療記録を後向きに分析し,この患者が5年以内に最終段階腎疾患(ESRD)に達しないか,また,XGBoostとDjagoフレームワークに基づく子供におけるIgAN予測の意思決定システム(DMS)を計画するために,カイ二乗検定を用いて,EXtreme勾配ブースティング(XGBoost),ランダムフォレスト(RF),CatBoost,サポートベクトルマシン(SVM),k-最近傍(KNN),および極端な学習機械(ELM)モデルを選択した。受信者動作特性(ROC)曲線を用いてモデルの性能を評価し,XGBoostは比較により最良の性能を有した。XGBoostのAUC値,精度,再現率,およびf1スコアは,それぞれ85.11%,78.60%,75.96%,76.70%,および76.33%であった。XGBoostモデルはIgANに関する予測を提供する医師と小児患者に有用である。利点として,DMSは,悪化を予防する子供でIgANを効果的に治療する医師を支援するため,XGBoostモデルに基づいて設計できる。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： χ2乗検定 ,  学習機械 ,  腎臓病 ,  子供 ,  腎不全 ,  *免疫グロブリンA糸球体腎炎 ,  *機械学習 ,  *学習アルゴリズム ,  電子カルテ ,  サポートベクトルマシン
準シソーラス用語： ESRD ,  ブースティング ,  ランダムフォレスト , 【Automatic Indexing@JST】

著者キーワード (5件)： IgA腎症 ,  機械学習 ,  XGBoost ,  予測 ,  意思決定システム

分類 (1件)： 泌尿生殖器の疾患  (GM03000L)

引用文献 (26件)：

• Damico, G. The Commonest Glomerulonephritis in the World: IgA Nephropathy. QJM Int. J. Med. 1987, 64, 709-727.
• Wyatt, R.J.; Kritchevsky, S.B.; Woodford, S.Y.; Miller, P.M.; Roy, S., III; Holland, N.H.; Jackson, E.; Bishof, N.A. IgA nephropathy: Long-term prognosis for pediatric patients. J. Pediatr 1995, 127, 913-919.
• Coppo, R.; Robert, T. IgA nephropathy in children and in adults: Two separate entities or the same disease? J. Nephrol. 2020, 33, 1219-1229.
• Coppo, R. Treatment of IgA nephropathy in children: A land without KDIGO guidance. Pediatr. Nephrol. 2020, 2020, 1-6.
• Jonsson, A. Deep Reinforcement Learning in Medicine. Kidney Dis. 2019, 5, 18-22.

タイトルに関連する用語 (5件)： 機械学習 ,  アルゴリズム ,  小児 ,  IgA腎症 ,  予測