過剰線量死亡率の細粒サーベイランスのための深層ニューラルネットワーク【JST・京大機械翻訳】

Ward Patrick J.; Young April M.; Slavova Svetla; Liford Madison; Daniels Lara; Lucas Ripley; Kavuluru Ramakanth

プレプリント

J-GLOBAL ID：202202206558742463 整理番号：22P0295060

過剰線量死亡率の細粒サーベイランスのための深層ニューラルネットワーク【JST・京大機械翻訳】

Deep neural networks for fine-grained surveillance of overdose mortality

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (7件)： , , , , , ,
資料名：
発行年： 2022年02月24日プレプリントサーバーでの情報更新日： 2022年06月06日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

薬物過剰投与死亡の監視は,死亡を引き起こす物質の同定のための死亡証明書に依存する。薬剤および薬剤クラスは,死亡証明書に存在する10回目の改訂(ICD-10)コードの国際疾病分類により同定できる。しかし,ICD-10コードは薬物同定において高レベルの特異性を必ずしも提供しない。死亡証明書上の物質のより微細粒の同定を達成するために,医療用セルトリファイアによって完了する死亡セクションのフリーテキスト原因を,分析しなければならない。フリーテキスト死亡証明書を分析するための現在の方法は,しばしば更新され,維持しなければならない特定の物質を同定するためのルックアップテーブルのみに依存する。死亡証明書上の薬物の同定を改善するために,深い学習名称認識モデルが開発され,それは99.13%のF1スコアを達成した。本モデルは,現在の監視ルックアップテーブルに存在しない新しい薬剤誤薬と新規物質を同定し,薬物過剰投与死亡の監視を強化する。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

疫学 , 法医学

, , , ,

前のページに戻る