著名医師による解説が無料で読めます
すると翻訳の精度が向上します
コロナウイルス疾患2019（Covid-19）での疾患の重症度や専用の医療サポートの必要性を予測することはできないため、最初の数日間の症状の時系列を記録していることに結果が得られるかどうかを尋ねました。症状をめぐる監視されていない時系列の症状をめぐる時系列は、Covid症状研究スマートフォンアプリケーションから早期に登録された完了したケースのトレーニングデータセットから収集されたデータで実行され、6つの異なる症状の提示が得られました。クラスタリングは、2020年5月1日から28日の間の独立した複製データセットで検証されました。症状ロギングの最初の5日間のロギングを使用して、呼吸サポートの必要性のROC -AUC（レシーバー動作特性 - 曲線の下の面積）は78.8％で、個人を大幅に上回っています。特性のみ（ROC-AUC 69.5％）。このようなアプローチは、リスクのある患者を監視し、必要な数日前に医療資源要件を予測するために使用できます。
コロナウイルス疾患2019（Covid-19）での疾患の重症度や専用の医療サポートの必要性を予測することはできないため、最初の数日間の症状の時系列を記録していることに結果が得られるかどうかを尋ねました。症状をめぐる監視されていない時系列の症状をめぐる時系列は、Covid症状研究スマートフォンアプリケーションから早期に登録された完了したケースのトレーニングデータセットから収集されたデータで実行され、6つの異なる症状の提示が得られました。クラスタリングは、2020年5月1日から28日の間の独立した複製データセットで検証されました。症状ロギングの最初の5日間のロギングを使用して、呼吸サポートの必要性のROC -AUC（レシーバー動作特性 - 曲線の下の面積）は78.8％で、個人を大幅に上回っています。特性のみ（ROC-AUC 69.5％）。このようなアプローチは、リスクのある患者を監視し、必要な数日前に医療資源要件を予測するために使用できます。
As no one symptom can predict disease severity or the need for dedicated medical support in coronavirus disease 2019 (COVID-19), we asked whether documenting symptom time series over the first few days informs outcome. Unsupervised time series clustering over symptom presentation was performed on data collected from a training dataset of completed cases enlisted early from the COVID Symptom Study Smartphone application, yielding six distinct symptom presentations. Clustering was validated on an independent replication dataset between 1 and 28 May 2020. Using the first 5 days of symptom logging, the ROC-AUC (receiver operating characteristic - area under the curve) of need for respiratory support was 78.8%, substantially outperforming personal characteristics alone (ROC-AUC 69.5%). Such an approach could be used to monitor at-risk patients and predict medical resource requirements days before they are required.
医師のための臨床サポートサービス
ヒポクラ x マイナビのご紹介
無料会員登録していただくと、さらに便利で効率的な検索が可能になります。