文献

J-GLOBAL ID：202202265349635022   整理番号：22A0506245

機械学習由来最適分類木を用いた先天性心疾患のベンチマーキング【JST・京大機械翻訳】

Benchmarking in Congenital Heart Surgery Using Machine Learning-Derived Optimal Classification Trees

著者 (11件)： Bertsimas Dimitris (Operations Research Center and Sloan School of Management, Massachusetts Institute of Technology, Cambridge, MA, USA) ,  Zhuo Daisy (Alexandria Health, Cambridge, MA, USA) ,  Zhuo Daisy (Alexandria Health, Providence, RI, USA) ,  Levine Jordan (Alexandria Health, Cambridge, MA, USA) ,  Levine Jordan (Alexandria Health, Providence, RI, USA) ,  Dunn Jack (Alexandria Health, Cambridge, MA, USA) ,  Dunn Jack (Alexandria Health, Providence, RI, USA) ,  Tobota Zdzislaw ( Children’s Memorial Health Institute, Warsaw, Poland) ,  Maruszewski Bohdan ( Children’s Memorial Health Institute, Warsaw, Poland) ,  Fragata Jose (Hospital de Santa Marta and NOVA University, Lisbon, Portugal) ,  Sarris George E (Athens Heart Surgery Institute, Athens, Greece)
資料名： World Journal for Pediatric and Congenital Heart Surgery  (World Journal for Pediatric and Congenital Heart Surgery)
巻： 13  号： 1  ページ： 23-35  発行年： 2022年 
JST資料番号： W5434A  ISSN： 2150-1351  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 背景:著者らは以前に,最適分類木(OCT)の機械学習方法論が先天性心臓手術(CHS)後のリスクを正確に予測できることを示した。CHS後のベンチマーク基準を定義するためにこの方法を適用し,ケース調整病院特異的性能評価を可能にした。方法:10の「ベンチマーク処置グループ」一次処置を受けた欧州先天性心臓外科医協会先天性データベースデータサブセット(31792人の患者)を分析した。OCTモデルは,病院死亡率(HM)を予測し,術後機械的換気支援時間(MVST)または入院期間(LOS)を延長し,それによって,「仮想病院」として指定したすべての参加病院の全体的性能を反映する症例調整ベンチマーク基準を確立した。次に,これらのモデルを用いて,個々の病院の期待した結果(両方の集計と,重要なことに,リスク一致患者コホート)を,”仮想病院”からの集計データのOCT分析に基づいて,彼ら自身の特定の症例とケースミックスについて予測した。結果:生平均率はHM=4.4%,MVST=15.3%,LOS=15.5%であった。64の参加センターのうち,各病院の特定のケース調整ベンチマークと比較して,17.0%(90%信頼区間以下)は,自分自身の特定のケースとケースミックスに対する予測結果に関して,過少な17.0%,および26.4%の過少であった。MVSTとLOSでは,過食者はそれぞれ34.0%と26.4%であり,過少者は,それぞれ28.3%と43.4%であった。OCT分析は,過パフォーマンスまたは過小パフォーマンスのどちらかの病院特異的な患者コホートを明らかにする。結論:OCTベンチマーク分析は,CHS後の病院特異的症例調整性能を,病院自己評価および品質改善のためのツールとして役立つ,全体的および患者コホート特異的の両方で評価できる。Copyright The Author(s) 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： データベース ,  換気 ,  ヨーロッパ ,  *先天性心疾患 ,  母集団 ,  過食 ,  ベンチマーク ,  性能評価 ,  *機械学習 ,  入院期間 ,  自己評価
準シソーラス用語： *ベンチマーキング ,  品質改善 ,  *分類木 ,  心臓外科医 , 【Automatic Indexing@JST】

著者キーワード (7件)： 先天性心疾患 ,  先天性心臓手術 ,  データベース(オールタイプ) ,  転帰 ,  統計 ,  リスク分析/モデリング ,  統計-生存解析

分類 (1件)： 循環系疾患の外科療法  (GJ05030X)

タイトルに関連する用語 (4件)： 機械学習 ,  分類木 ,  先天性心疾患 ,  ベンチマーキング