文献

J-GLOBAL ID：202202282342030428   整理番号：22A1091301

機械学習を用いた中心線関連血流感染の早期予測【JST・京大機械翻訳】

Early prediction of central line associated bloodstream infection using machine learning

著者 (7件)： Rahmani Keyvan (Department of Research and Writing, Dascena, Inc., Houston, TX) ,  Garikipati Anurag (Department of Research and Writing, Dascena, Inc., Houston, TX) ,  Barnes Gina (Department of Research and Writing, Dascena, Inc., Houston, TX) ,  Hoffman Jana (Department of Research and Writing, Dascena, Inc., Houston, TX) ,  Calvert Jacob (Department of Research and Writing, Dascena, Inc., Houston, TX) ,  Mao Qingqing (Department of Research and Writing, Dascena, Inc., Houston, TX) ,  Das Ritankar (Department of Research and Writing, Dascena, Inc., Houston, TX)
資料名： American Journal of Infection Control  (American Journal of Infection Control)
巻： 50  号： 4  ページ： 440-445  発行年： 2022年 
JST資料番号： A1148A  ISSN： 0196-6553  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： 中心線関連血流感染症(CLABSI)は,有意な罹患率,死亡率,および医療費の増加と関連する。U.S.におけるCLABSIの高い罹患率にもかかわらず,中心線配置の結果として感染を発症する患者のリスクを層別するツールはない。この目的のために,臨床意思決定支援を提供するために,電子健康記録データのみを用いて,CLABSIを開発する患者の尤度を予測できる機械学習アルゴリズム(MLA)を開発し,検証した。27,619人の患者の遭遇から電子健康記録データを遡及的に分析した。モデルを訓練し,訓練と試験データの80:20分割を用いて検証した。疾患の国際統計分類と関連健康問題10コードに基づく中心線手順を持つ患者を含めた。XGBoostは3つのモデルの中で最も高いMLAであり,中央線配置の記録時間の48時間後にCLABSIリスク予測に対して0.762のAUROCを得た。著者らの結果は,MLAがCLABSIリスクの評価のための有効な臨床意思決定支援ツールであり,この目的のためにさらに調査されるべきであることを示す。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 ,  データ ,  死亡率 ,  層別 ,  罹患率 ,  医療費 ,  意思決定支援システム ,  *機械学習 ,  学習アルゴリズム ,  電子カルテ
準シソーラス用語： 尤度 ,  健康問題 ,  危険予測 ,  臨床意思決定支援 ,  *血流感染症 , 【Automatic Indexing@JST】

著者キーワード (4件)： 機械学習 ,  アルゴリズム ,  予測 ,  中心線関連血流感染(CLABSI)

分類 (1件)： 感染症・寄生虫症一般  (GD01010H)

タイトルに関連する用語 (4件)： 機械学習 ,  血流感染 ,  早期 ,  予測