AutoScore-Survival:正しい打ち切り生存データを持つ解釈可能な機械学習ベースの時間対事象スコアの開発【JST・京大機械翻訳】

Xie Feng; Xie Feng; Ning Yilin; Yuan Han; Goldstein Benjamin Alan; Goldstein Benjamin Alan; Ong Marcus Eng Hock; Ong Marcus Eng Hock; Liu Nan; Liu Nan; Liu Nan; Liu Nan; Chakraborty Bibhas; Chakraborty Bibhas; Chakraborty Bibhas; Chakraborty Bibhas

文献

J-GLOBAL ID：202202263587662910 整理番号：22A0480433

AutoScore-Survival:正しい打ち切り生存データを持つ解釈可能な機械学習ベースの時間対事象スコアの開発【JST・京大機械翻訳】

AutoScore-Survival: Developing interpretable machine learning-based time-to-event scores with right-censored survival data

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=22A0480433&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=22A0480433&from=J-GLOBAL&jstjournalNo=B0827A") }}

著者 (16件)： , , , , , , , , , , , , , , ,
資料名：
巻： 125 ページ： Null 発行年： 2022年
JST資料番号： B0827A ISSN： 1532-0464 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)

スコアリングシステムは非常に解釈可能であり,ヘルスケア研究における時間-イベント結果を評価するために広く使われる。しかしながら,既存の時間対イベントスコアは,臨床医の知識に基づく少数の手動選択変数を用いて,主に,アドホックを生成し,ロバストで効率的な一般的スコア生成法に対する不必要性を示唆した。自動Scoreは,強力な識別可能性とアクセシビリティにおいて機械学習と点ベーススコアの両方を統合する解釈可能な機械学習スコア発生器として以前に開発された。さらに,時間からイベントまでの結果に拡張し,自己Score-Survivationを開発し,右センソード生存データによる時間対事象スコアを生成した。ランダム生存森林は変数選択のための効率的解決策を提供し,Cox回帰をスコア重みづけに用いた。提案手法をRパッケージとして実装した。集中治療室における患者に対する90日生存予測の研究で著者らの方法を説明し,他の生存モデル,ランダム生存森林,および2つの伝統的臨床スコアと比較した。従来の変数選択法(例えば,ペナルティ尤度アプローチおよび段階的変数選択)を用いて構築した生存モデルより,AutoScore-Survival誘導スコアリングシステムは,より節約的であり,その性能は,同じ変数セットを用いた生存モデルと同等であった。AutoScore-Survivalは0.782(95%CI:0.767~0.794)の曲線下で同等の統合領域を達成したが,生成された整数値時間対事象スコアは,計算および解釈が容易であるため,臨床応用において有利である。提案したAutoScore-Survivalは,時間対事象結果の研究のためのロバストで使いやすい機械学習ベースの臨床スコア発生器を提供する。それは,臨床応用のための時間対イベントスコアの将来の発展を促進する系統的ガイドラインを与える。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

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

著者キーワード (5件)： , , , ,

人工知能 , 医用情報処理

, , , , ,

前のページに戻る