文献

J-GLOBAL ID：202202221339192718   整理番号：22A0563132

標準化医療データを用いた術後患者の状態分類のための機械学習【JST・京大機械翻訳】

Machine learning for classification of postoperative patient status using standardized medical data

著者 (11件)： Yamashita Takanori (Medical Information Center, Kyushu University Hospital, Fukuoka Japan) ,  Wakata Yoshifumi (Medical IT Center, Tokushima University Hospital, Tokushima Japan) ,  Nakaguma Hideki (Saiseikai Kumamoto Hospital, Kumamoto Japan) ,  Nohara Yasunobu (Faculty of Advanced Science and Technology, Kumamoto University, Kumamoto Japan) ,  Hato Shinji (National Hospital Organization, Shikoku Cancer Center, Ehime Japan) ,  Kawamura Susumu (National Hospital Organization, Shikoku Cancer Center, Ehime Japan) ,  Muraoka Shuko (NTT Medical Center Tokyo, Tokyo Japan) ,  Sugita Masatoshi (NTT Medical Center Tokyo, Tokyo Japan) ,  Okada Mihoko (Institute of Health Data Infrastructure for all, Tokyo Japan) ,  Nakashima Naoki (Medical Information Center, Kyushu University Hospital, Fukuoka Japan) ,  Soejima Hidehisa (Saiseikai Kumamoto Hospital, Kumamoto Japan)
資料名： Computer Methods and Programs in Biomedicine  (Computer Methods and Programs in Biomedicine)
巻： 214  ページ： Null  発行年： 2022年 
JST資料番号： D0213C  ISSN： 0169-2607  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アイルランド (IRL)  言語： 英語 (EN)

抄録/ポイント： 背景と目的:実世界のエビデンスは,実際のデータ分析に由来する医療製品の使用と潜在的利点またはリスクに関する臨床的証拠として定義される。データの標準化と構造化は,異なる医療機関から収集した医療実世界データを分析するのに必要である。電子メッセージとリポジトリを,データ統合を単純化する,この研究プロジェクトにおける電子医療記録をリンクするために開発した。したがって,本論文は,入院中の時間系列をクラスタ化し可視化し,患者の転帰と状態を優先順位付けすることによって,臨床介入の優先順位を決定するために,分析方法と学習健康システムを提案する。方法:再燃(診断手順組合せ[DPC])および臨床経路データに対する共通データ項目を,検証試験を行う各参加施設でこのプロジェクトで検討した。長期入院データを,分類,可視化,および解釈のための多重機械学習法を用いて,施設リポジトリのクラウドプラットフォームに保存されたデータを用いて分析した。結果:ePathプラットフォームは,複数の施設からの標準化データの統合に寄与した。DPC項目または分散の分布を,クラスタ化,有向グラフによる時間的傾向,およびSHapley添加剤拡張効果の予測および評価に寄与する変数を抽出することによって確認することができた。便秘は長期入院に最も強く関連する危険因子であると決定した。ドレナージ管理は長期入院を改善できる因子として同定された。これらの分析は,学習健康システムにフィードバックを提供するために患者状態を効果的に抽出した。結論:著者らは,患者状態,医療目的,および患者転帰を,従来の電子医療記録で困難であった複数の施設から高いデータ品質で収集することによって,医療プロセスの証拠を首尾よく生成した。有意な分析結果に関して,学習健康システムは,各施設へのフィードバックを提供するために,このプロジェクトに使用され,ある期間,それを運用し,それを分析,再評価できる。Copyright 2022 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： *学習 ,  簡素化 ,  *標準化 ,  プロジェクト ,  有向グラフ ,  可視化 ,  クラスタ化 ,  臨床医学 ,  *患者 ,  医療施設 ,  ドレナージ ,  危険因子 ,  *機械学習 ,  電子カルテ ,  リポジトリ

著者キーワード (5件)： 実世界データ(RWD) ,  クリニカルパス ,  健康システムの学習 ,  診断手順組合せ(DPC) ,  機械学習

分類 (1件)： 医用情報処理  (JE15030Q)

タイトルに関連する用語 (5件)： 標準化 ,  医療 ,  術後患者 ,  分類 ,  機械学習