文献

J-GLOBAL ID：202202255801360419   整理番号：22A0799734

Clostridioides difficile感染と転帰を研究するための機械学習アプローチ: 系統的レビュー【JST・京大機械翻訳】

Machine learning approaches to investigate Clostridioides difficile infection and outcomes: A systematic review

著者 (10件)： Chen Yujie (Program in Child Health Evaluative Sciences, The Hospital for Sick Children, Toronto, ON, Canada) ,  Chen Yujie (Institute of Health Policy, Management and Evaluation, University of Toronto, Toronto, ON, Canada) ,  Xi Min (Institute of Health Policy, Management and Evaluation, University of Toronto, Toronto, ON, Canada) ,  Xi Min (KITE-Toronto Rehabilitation Institute, University Health Network, Toronto, ON, Canada) ,  Johnson Alistair (Program in Child Health Evaluative Sciences, The Hospital for Sick Children, Toronto, ON, Canada) ,  Tomlinson George (Department of Medicine, University Health Network, Toronto, ON, Canada) ,  Campigotto Aaron (Division of Infectious Diseases, The Hospital for Sick Children, Toronto, ON, Canada) ,  Chen Lingxiao (Faculty of Medicine and Health, University of Sydney, Institute of Bone and Joint Research, The Kolling Institute, Sydney, Australia) ,  Sung Lillian (Program in Child Health Evaluative Sciences, The Hospital for Sick Children, Toronto, ON, Canada) ,  Sung Lillian (Division of Haematology/Oncology, The Hospital for Sick Children, Toronto, ON, Canada)
資料名： International Journal of Medical Informatics  (International Journal of Medical Informatics)
巻： 160  ページ： Null  発行年： 2022年 
JST資料番号： D0729A  ISSN： 1386-5056  資料種別： 逐次刊行物 (A)
記事区分： 文献レビュー  発行国： アイルランド (IRL)  言語： 英語 (EN)

抄録/ポイント： 機械学習(ML)は,臨床意思決定を知らせるために,Clostridioidesdifficile感染(CDI)に焦点を当てた研究を含む臨床医学においてますます使用されている。CDIまたはCDI転帰を予測するためにMLを使用した研究におけるML選択を要約することを目的とした。著者らは,Ovid MEDLINE,Ovid EMBASE,Web of Science,MedRxiv,bioRxivおよびarXivを,開始から3月18,2021日まで検索した。CDIが研究集団,曝露または結果を構成するMLを使用した完全出版研究を含めた。2人のレビュー者は,独立して研究および抽象化した結果を同定した。CDI定義とML特異的モデリングに対する研究特性とアプローチを要約した。予測(n=21),分類(n=17)または推論(n=5)の43の研究を含めた。CDIを定義するアプローチは,臨床研究またはチャートレビュー(n=21),電子表現型分類(n=13)または特定されていない(n=9)の間,ラベル付けであった。電子表現型を用いた研究はいずれも表現型検証を示さなかった。ほとんど全ての研究(n=41,95%)は監督されたMLを実施し,最も一般的なMLアルゴリズムはペナルティ化ロジスティック回帰(n=20,47%)と分類木(n=17,40%)であった。特徴選択と次元縮小に対するアプローチは不均一であった。16例(37%)の試験セットで,メトリクスを評価した。7つだけが時間ベースの分割を使用した。報告の質評価に関して,最も不十分な報告項目は,データ漏洩防止(n=0,0%),コードアベイラビリティ(n=8,19%)およびクラス不均衡管理(n=12,43%)であった。多くの研究がCDIまたはCDI結果を検討するためにMLを使用したが,CDIの電子表現型決定は稀であり,表現型検証はどの研究でも報告されなかった。方法論的アプローチは不均一であった。CDI電子表現型の検証,サイレント試験中のCDIモデルの評価および臨床診療を誘導するためのCDI分類器の展開は,重要な将来の目標である。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： アルゴリズム ,  意思決定 ,  *レビュー ,  表現型 ,  モデリング ,  特徴選択 ,  モデル ,  臨床医学 ,  次元縮小 ,  ペナルティ ,  *機械学習
準シソーラス用語： ロジスティック回帰分析 ,  分類木 ,  臨床研究 ,  クラス不均衡 , 【Automatic Indexing@JST】

著者キーワード (4件)： Clostridioides difficile感染症 ,  機械学習 ,  系統的レビュー ,  電子健康記録

分類 (1件)： 医用情報処理  (JE15030Q)

タイトルに関連する用語 (5件)： 感染 ,  転帰 ,  研究 ,  機械学習 ,  系統的レビュー