文献

J-GLOBAL ID：202102256627612808   整理番号：21A0069683

コンボリューションニューラルネットワークを用いた電子健康記録に基づく救急部門での入院予測システム【JST・京大機械翻訳】

A System for Predicting Hospital Admission at Emergency Department Based on Electronic Health Record Using Convolution Neural Network

著者 (5件)： Yao Li-Hung (National Taiwan University,Department of Computer Science and Information Engineering,Taipei,Taiwan) ,  Leung Ka-Chun (National Taiwan University,Department of Computer Science and Information Engineering,Taipei,Taiwan) ,  Hong Jheng-Huang (National Taiwan University,Department of Computer Science and Information Engineering,Taipei,Taiwan) ,  Tsai Chu-Lin (National Taiwan University Hospital,Department of Emergency Medicine,Taipei,Taiwan) ,  Fu Li-Chen (National Taiwan University,Department of Computer Science and Information Engineering,Taipei,Taiwan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： SMC  ページ： 546-551  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： 救急部(ED)クラウディングは,遅延患者治療の課題となり,世界中の公衆衛生問題さえある。多くの国の最近の研究によれば,救急部門における患者数の増加は,先例のないクラウディングとケアの遅れにつながった。その理由で,5レベル救急重症度指数(ESI)へのトリアージは,EDにおける医療優先順位を改善するための主要な方法になった。ESIはED治療のプロセスを緩和するが,これまで,それはまだ看護師の主観的判断に依存しており,現在の診療でESIレベル3にほとんどの患者をトリアージするのが容易である。したがって,患者の状態を正確にトリアージする医師を助けることができるシステムは,必須である。本研究では,EDにおける割り当てられた処置後の入院を予測する患者のED電子健康記録に基づくシステムを提案した。関連する研究の殆どは,トリアージ関連分類のための従来の機械学習を採用し,特徴選択プロセスに大きく依存したが,提案したシステムは,データ対画像変換を用いて,分類器として入力と畳込みニューラルネットワークを生成した。検証のために,2012年から2016年の調査年にわたる米国EDの118,602の患者訪問を含む,オープンデータセット(国立病院軍用医療調査)からのデータを使用した。要約するために,得られたAUROCと精度は,本研究でそれぞれ0.86と0.77を達成した。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： *畳込み ,  *ニューラルネットワーク ,  特徴選択 ,  公衆衛生 ,  こみあい効果 ,  画像変換 ,  看護師 ,  機械学習 ,  トリアージ ,  *電子カルテ ,  *病歴
準シソーラス用語： *救急救命室 ,  重症度 ,  畳込みニューラルネットワーク , 【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 (4件)： 電子健康記録 ,  部門 ,  入院 ,  予測システム