文献

J-GLOBAL ID：202202218921994512   整理番号：22A0651986

知的医療とビッグデータ下の疫学的調査を通して高高度での慢性閉塞性肺疾患に起因する慢性肺心臓病の誘発因子の分析【JST・京大機械翻訳】

Analysis of Inducing Factors of Chronic Pulmonary Heart Disease Caused by Chronic Obstructive Pulmonary Disease at High Altitude through Epidemiological Investigation under Intelligent Medicine and Big Data

著者 (2件)： Huang Jiong (Emergency Department, Huangyuan County People’s Hospital, Xining 812100, China) ,  Dang Fulin (Huangyuan County People’s Hospital, Xining 810000, China)
資料名： Journal of Healthcare Engineering (Web)  (Journal of Healthcare Engineering (Web))
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： U7772A  ISSN： 2040-2295  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 本研究は,知的医療と心電図(ECG)信号の大きなデータに基づいて,プラトー慢性閉塞性肺疾患(COPD)によって誘発される慢性肺心疾患(CPHD)の危険因子を調査する。GPUに基づいて,ウェーブレットアルゴリズムを導入し,ECG信号の特徴を抽出し,分類精度を改善するために,一般化回帰ニューラルネットワーク(GRNN)と組み合わせた。6月2018年12月から2020年12月まで,肺機能検査,ECG,およびX病院での胸部X線でCOPDと診断された10,185人の患者を,異なる年齢と高度でCPHD発生率の分布を評価する研究対象として取り上げた。GTX780Tiの実行時間はCPUより約15倍短い。GPU加速ニューラルネットワークモデルに基づくN検出の精度は98.06%に達した。Vの正確度(Acc),感度(Se),特異性(Sp),および陽性率(PR)は,それぞれ99.03%,89.17%,98.92%,および93.18%であった。SのAcc,Se,SpおよびPRは,それぞれ99.54%,86.22%,99.74%および92.56%であった。GRNN分類精度は最大98%であった。COPD患者の19%は,1409人の男性(72.82%)と526人の女性(36.24%)を含むCPHDと診断された。高度が1,900-2,499mであったとき,CPHDの最も高い有病率は64.60%であり,高度が≧3,500mであったとき,有病率はわずか2.43%であった。CPHDの最も高い有病率は61-70歳で63.77%であり,1520歳での最低有病率は0.26%であった。したがって,GPUベースのニューラルネットワークモデルは,ECG信号の分類精度を改善した。年齢と高度は,高高度COPDで誘発されたCPHDの危険因子であり,それは高高度領域におけるCPHDの予防,診断,および治療のための参照を提供した。Copyright 2022 Jiong Huang and Fulin Dang. 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 ,  心電図 ,  比率 ,  波束 ,  *心臓病 ,  罹患率 ,  患者 ,  人間 ,  肺機能検査 ,  危険因子 ,  *慢性閉塞性肺疾患
準シソーラス用語： *疫学研究 ,  胸部X線撮影 ,  陽性率 ,  分類精度 ,  *ビッグデータ , 【Automatic Indexing@JST】

分類 (2件)： 呼吸器の臨床医学一般  (GI01030S) ,  呼吸器の疾患  (GI03000Z)

引用文献 (30件)：

• T. Hajiro, K. Nishimura, M. Tsukino, A. Ikeda, T. Oga, "Stages of disease severity and factors that affect the health status of patients with chronic obstructive pulmonary disease," Respiratory Medicine, vol. 94, no. 9, pp. 841-846, 2000.
• K. Berg, J. L. Wright, "The pathology of chronic obstructive pulmonary disease: progress in the 20th and 21st centuries," Archives of Pathology & Laboratory Medicine, vol. 140, no. 12, pp. 1423-1428, 2016.
• I. Andrijevic, S. Milutinov, Z. Lozanov Crvenkovic, J. Matijasevic, A. Andrijevic, T. Kovacevic, D. Bokan, "N-terminal prohormone of brain natriuretic peptide (NT-proBNP) as a diagnostic biomarker of left ventricular systolic dysfunction in patients with acute exacerbation of chronic obstructive pulmonary disease (AECOPD)," Lung, vol. 196, no. 5, pp. 583-590, 2018.
• Z. Lv, X. Li, H. Lv, W. Xiu, "BIM big data storage in WebVRGIS," IEEE Transactions on Industrial Informatics, vol. 16, no. 4, pp. 2566-2573, 2019.
• A. Clim, R. D. Zota, G. Tinica, "Big Data in home healthcare: a new Frontier in personalized medicine. Medical emergency services and prediction of hypertension risks," International Journal of Healthcare Management, vol. 12, no. 3, pp. 241-249, 2019.

タイトルに関連する用語 (12件)： 医療 ,  ビッグデータ ,  疫学的調査 ,  高高度 ,  慢性閉塞性肺疾患 ,  起因 ,  慢性 ,  肺 ,  心臓病 ,  誘発 ,  因子 ,  分析