文献

J-GLOBAL ID：202202266910522786   整理番号：22A1181113

急性冠症候群罹患率の予測における効果的な手段としての機械学習解析気象条件【JST・京大機械翻訳】

Machine Learning Analyzed Weather Conditions as an Effective Means in the Predicting of Acute Coronary Syndrome Prevalence

著者 (7件)： Wlodarczyk Aleksandra (Department of Coronary Artery Disease and Heart Failure, Jagiellonian University Medical College, John Paul II Hospital, Krakow, Poland) ,  Molek Patrycja (Department of Coronary Artery Disease and Heart Failure, Jagiellonian University Medical College, John Paul II Hospital, Krakow, Poland) ,  Bochenek Bogdan (Institute of Meteorology and Water Management, National Research Institute, Warsaw, Poland) ,  Wypych Agnieszka (Institute of Meteorology and Water Management, National Research Institute, Warsaw, Poland) ,  Wypych Agnieszka (Department of Climatology, Jagiellonian University, Krakow, Poland) ,  Nessler Jadwiga (Department of Coronary Artery Disease and Heart Failure, Jagiellonian University Medical College, John Paul II Hospital, Krakow, Poland) ,  Zalewski Jaroslaw (Department of Coronary Artery Disease and Heart Failure, Jagiellonian University Medical College, John Paul II Hospital, Krakow, Poland)
資料名： Frontiers in Cardiovascular Medicine (Web)  (Frontiers in Cardiovascular Medicine (Web))
巻： 9  ページ： 830823  発行年： 2022年 
JST資料番号： U7061A  ISSN： 2297-055X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 背景:個々の気候帯における気象条件に基づく急性冠症候群(ACS)の数の予測は有効ではない。人工知能システムがこの予測に有用であるかどうかを検討した。【方法】2008年から2018年の間に,ACSを有する合計105,934人の患者は,2つの気象観測所によってカバーされた1つのより少ないポーランド行政区に入院した。ACSの予測日数は,気温(°C),空気圧力(hPa),露点温度(Td)(°C),相対湿度(RH)(%),風速(m/s),およびACSの日とACSの6日から導出された日極値と範囲に基づいて,ランダム森林機械学習システムによって推定した。結果:個々の気象パラメータとACS数の間の840のペアワイズ比較のうち,128(15.2%)は有意であったが,相関係数は-0.16から0.16の範囲であった。気象パラメータはいずれも,すべての季節と観測所でACSの数と相関しなかった。ACSの数は,前部[40(29-50)対38(27-48),P<0.05]なしで,暖かい前面日対日においてより高かった。機械学習から得たACSの予測値と観察日数との間の相関は,0.80~0.84の95%CIで0.82であった(P<0.001)。パラメータ間の機械学習(範囲0~1.0)の最大の重要性は,1.00,1日範囲,0.875の圧力日範囲,0.864の圧力最大日範囲,および0.853のRH最大日範囲に達し,一方,臨床パラメータの間では,1.00および糖尿病の1日範囲が0.28で,1日範囲に達した。個々の季節と気象観測所について,ACSの予測値と観測数間の相関は,春が0.73から0.77(95%CI 0.68-0.82),秋が0.72から0.76(95%CI 0.67-0.87),秋が0.76から0.79(95%CI 0.67-0.87),冬が0.76から0.79(95%CI 0.71-0.83)(P<0.001)であった。結論:気象パラメータは,人工知能システムで分析した場合,すべての季節の温帯気候帯におけるACSの有病率の予測に有用であることが証明されている。同時に,個々の気象パラメータまたは正面シナリオの解析は弱い単変量関係のみを提供した。これらの知見は他の気候帯における検証を必要とする。Copyright 2022 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 気温 ,  風速 ,  相対湿度 ,  観測 ,  観測所 ,  相関係数 ,  糖尿病 ,  測候所 ,  気候帯 ,  *気象条件 ,  人工知能 ,  温帯 ,  人工知能システム ,  *機械学習
準シソーラス用語： 予測値 , 【Automatic Indexing@JST】

著者キーワード (6件)： 天候 ,  急性冠症候群 ,  心筋梗塞 ,  機械学習 ,  人工知能 ,  予測

分類 (1件)： 気象学一般  (DC05010D)

引用文献 (32件)：

• Wolff L, White PD. Acute coronary occlusion. The Boston Med Surg J. (1926) 195:13-25. doi: 10.1056/nejm192607011950102
• Bayentin L, El Adlouni S, Ouarda TB, Gosselin P, Doyon B, Chebana F. Spatial variability of climate effects on ischemic heart disease hospitalization rates for the period 1989-2006 in Quebec. Canada Int J Health Geogr. (2010) 9:5. doi: 10.1186/1476-072X-9-5
• Mohammad MA, Koul S, Rylance R, Fröbert O, Alfredsson J, Sahlén A, et al. Association of weather with day-to-day incidence of myocardial infarction: a swedeheart nationwide observational study. JAMA Cardiol. (2018) 3:1081-9. doi: 10.1001/jamacardio.2018.3466
• Schwartz BG, Qualls C, Kloner RA, Laskey WK. Relation of total and cardiovascular death rates to climate system, temperature, barometric pressure, and respiratory infection. Am J Cardiol. (2015) 116:1290-7. doi: 10.1016/j.amjcard.2015.07.050
• Błażejczyk K, Twardosz R, Wałach P, Czarnecka K, Błażejczyk A. Heat strain and mortality effects of prolonged central European heat wave-an example of June 2019 in Poland. Int J Biometeorol. (2022) 66:149-161. doi: 10.1007/s00484-021-02202-0

タイトルに関連する用語 (6件)： 急性冠症候群 ,  罹患率 ,  予測 ,  機械学習 ,  解析 ,  気象条件