文献

J-GLOBAL ID：202202233623072921   整理番号：22A0568999

敗血症予測のための機械学習モデルの評価:方法論の系統的レビュー【JST・京大機械翻訳】

Evaluating machine learning models for sepsis prediction: A systematic review of methodologies

著者 (24件)： Deng Hong-Fei (Institute for Emergency and Disaster Medicine, Sichuan Academy of Medical Sciences, Sichuan Provincial People’s Hospital, School of Medicine, University of Electronic Science and Technology of China, Chengdu, Sichuan 610072, China) ,  Deng Hong-Fei (School of Medicine, University of Electronic Science and Technology of China, Chengdu 610054, China) ,  Sun Ming-Wei (Emergency Center of Sichuan Provincial People’s Hospital, Sichuan Academy of Medical Sciences, Chengdu 610072, China) ,  Wang Yu (Institute for Emergency and Disaster Medicine, Sichuan Academy of Medical Sciences, Sichuan Provincial People’s Hospital, School of Medicine, University of Electronic Science and Technology of China, Chengdu, Sichuan 610072, China) ,  Wang Yu (School of Medicine, University of Electronic Science and Technology of China, Chengdu 610054, China) ,  Wang Yu (Emergency Center of Sichuan Provincial People’s Hospital, Sichuan Academy of Medical Sciences, Chengdu 610072, China) ,  Wang Yu (Sichuan Clinical Research Center for Emergency and Critical Care, Chengdu, Sichuan 610072, China) ,  Zeng Jun (Institute for Emergency and Disaster Medicine, Sichuan Academy of Medical Sciences, Sichuan Provincial People’s Hospital, School of Medicine, University of Electronic Science and Technology of China, Chengdu, Sichuan 610072, China) ,  Zeng Jun (School of Medicine, University of Electronic Science and Technology of China, Chengdu 610054, China) ,  Zeng Jun (Emergency Center of Sichuan Provincial People’s Hospital, Sichuan Academy of Medical Sciences, Chengdu 610072, China) ,  Zeng Jun (Sichuan Clinical Research Center for Emergency and Critical Care, Chengdu, Sichuan 610072, China) ,  Yuan Ting (Institute for Emergency and Disaster Medicine, Sichuan Academy of Medical Sciences, Sichuan Provincial People’s Hospital, School of Medicine, University of Electronic Science and Technology of China, Chengdu, Sichuan 610072, China) ,  Yuan Ting (School of Medicine, University of Electronic Science and Technology of China, Chengdu 610054, China) ,  Li Ting (Institute for Emergency and Disaster Medicine, Sichuan Academy of Medical Sciences, Sichuan Provincial People’s Hospital, School of Medicine, University of Electronic Science and Technology of China, Chengdu, Sichuan 610072, China) ,  Li Ting (School of Medicine, University of Electronic Science and Technology of China, Chengdu 610054, China) ,  Li Di-Huan (Institute for Emergency and Disaster Medicine, Sichuan Academy of Medical Sciences, Sichuan Provincial People’s Hospital, School of Medicine, University of Electronic Science and Technology of China, Chengdu, Sichuan 610072, China) ,  Li Di-Huan (School of Medicine, University of Electronic Science and Technology of China, Chengdu 610054, China) ,  Chen Wei (Department of Clinical Nutrition, Peking Union Medical College Hospital, Beijing 100730, China) ,  Zhou Ping (Emergency Intensive Care Unit of Sichuan Provincial People’s Hospital, Sichuan Academy of Medical Sciences, Chengdu 610072, China) ,  Wang Qi (Beijing Computational Science Research Center, Beijing 100193, China) ,  Jiang Hua (Institute for Emergency and Disaster Medicine, Sichuan Academy of Medical Sciences, Sichuan Provincial People’s Hospital, School of Medicine, University of Electronic Science and Technology of China, Chengdu, Sichuan 610072, China) ,  Jiang Hua (School of Medicine, University of Electronic Science and Technology of China, Chengdu 610054, China) ,  Jiang Hua (Emergency Center of Sichuan Provincial People’s Hospital, Sichuan Academy of Medical Sciences, Chengdu 610072, China) ,  Jiang Hua (Sichuan Clinical Research Center for Emergency and Critical Care, Chengdu, Sichuan 610072, China)
資料名： iScience  (iScience)
巻： 25  号： 1  ページ： Null  発行年： 2022年 
JST資料番号： W5512A  ISSN： 2589-0042  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： 機械学習を用いた敗血症予測の研究は,最近医学科学で急速に発展している。本レビューでは,PRISMAに基づく品質解析のための21の認定された機械学習モデルを評価するための新しい評価基準と報告基準のセットを提案した。著者らの評価は,敗血症の定義が研究間で一致していないことを示した。(2)データソースとデータ前処理法,機械学習モデル,特徴工学,および包含タイプは,研究間で広く異なる。(3)敗血症の発症に近いほど,AUROCの値は高い;4)AUROCの改善は,主に特徴工学ツールとして機械学習を用いることによる。Sepsis-3診断基準と結合した深いニューラルネットワークは敗血症患者から採取した時系列データでより良い結果をもたらす傾向がある。新しい評価基準と報告標準は,臨床応用のための改良機械学習モデルの開発を促進するであろう。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： *学習モデル ,  データ ,  研究 ,  ニューラルネットワーク ,  臨床医学 ,  *敗血症 ,  評価基準 ,  判定基準 ,  *機械学習 ,  システマティックレビュー
準シソーラス用語： Sepsis ,  時系列データ ,  診断基準 ,  臨床応用 ,  データ前処理 , 【Automatic Indexing@JST】

著者キーワード (2件)： 臨床医学 ,  機械学習

分類 (2件)： 感染症・寄生虫症の診断  (GD01020S) ,  感染症・寄生虫症一般  (GD01010H)

タイトルに関連する用語 (6件)： 敗血症 ,  予測 ,  機械学習 ,  モデル ,  評価 ,  系統的レビュー