文献

J-GLOBAL ID：202102261927492758   整理番号：21A0163028

電子医療記録に基づく退院処分ツールは束バスを収集する:機械学習における臨床データ精度の減衰関連性【JST・京大機械翻訳】

An Electronic Medical Record-Based Discharge Disposition Tool Gets Bundle Busted: Decaying Relevance of Clinical Data Accuracy in Machine Learning

著者 (5件)： Greenstein Alexander S. (Department of Orthopaedics & Rehabilitation, University of Rochester Medical Center, Rochester, NY, USA) ,  Teitel Jack (University of Rochester Medical Center, University of Rochester Health Lab, Rochester, NY, USA) ,  Mitten David J. (University of Rochester Medical Center, University of Rochester Health Lab, Rochester, NY, USA) ,  Ricciardi Benjamin F. (Division of Adult Reconstruction, Department of Orthopaedics & Rehabilitation, University of Rochester Medical Center, Rochester, NY, USA) ,  Myers Thomas G. (Division of Adult Reconstruction, Department of Orthopaedics & Rehabilitation, University of Rochester Medical Center, Rochester, NY, USA)
資料名： Arthroplasty Today  (Arthroplasty Today)
巻： 6  号： 4  ページ： 850-855  発行年： 2020年 
JST資料番号： W3050A  ISSN： 2352-3441  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 関節全置換術(TJA)後の退院配置の決定は課題である。機械学習(ML)の進歩は,将来のイベントの予測を生成するために,例によって学習するコンピュータモデルを生成した。著者らは,訓練されたMLアルゴリズムの診断精度が,一次TJA後の放電特性を予測する現在の予測ツールのそれより良いと仮定した。本研究は,一次TJAのための単一,三次紹介センターからの後向きコホート研究であった。1/1/2013と6/28/2016の間の4368の異なる外科的遭遇に基づく人工ニューラルネットワーク(ANN)を訓練し,検証した。次に,1/3/17と11/30/17の間の1452の明白な外科的遭遇に関して,放電配置を同定するANNの能力をテストした。モデル検証中に達成された曲線下面積と精度は,それぞれ0.973と91.7%であり,患者の25%は熟練看護施設(SNFs)に退院した。著者らの試験データセットの中で,患者の6.7%はSNFになった。試験セットの性能は,0.804の曲線下面積,61.3%の精度,28.9%の感度,および93.8%の特異性を含んだ。これは,局所生成データに基づくTJA後の放電特性を予測するために,電子医療記録統合ANNを用いた最初の予測ツールである。束された支払いモデルの実装によりSNFsに排出された患者の劇的に減少した数は,試験モデルにおいて貧弱な再現をもたらす。このモデルは,比較的小さなデータセットおよびその後の電子医療記録への統合を用いたML予測ツールを開発するための概念の証明として役立つ。Copyright 2021 Elsevier B.V., Amsterdam. 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 ,  放電 ,  ニューラルネットワーク ,  置換術 ,  血中濃度-時間曲線下面積 ,  *機械学習 ,  *電子カルテ ,  後向きコホート研究 ,  *病歴
準シソーラス用語： モデル検証 ,  コンピュータモデル ,  臨床データ ,  診断精度 ,  特異性 ,  試験データ ,  放電特性 , 【Automatic Indexing@JST】

著者キーワード (4件)： 機械学習 ,  人工知能 ,  人工関節 ,  放電

分類 (2件)： 運動器系疾患の外科療法  (GG05030O) ,  医用情報処理  (JE15030Q)

タイトルに関連する用語 (11件)： 電子医療記録 ,  退院 ,  ツール ,  束 ,  バス ,  収集 ,  機械学習 ,  臨床 ,  データ精度 ,  減衰 ,  関連性