Nov, 2014

口述尸检的概率死因分配

PDF
TL;DR通过使用口头尸检工具，本文开发了一种名为 InSilicoVA 的新的统计工具来确定死因，并展示了它相对于目前可用方法的明显优势，能够在未完成民事登记和关键统计系统的地区帮助评估死亡率和死因分布。
verbal autopsymortality ratescause of deathinsilicovademographic indicators
发现论文，激发创造
  • 从口述验尸报告中提高死因分类的准确性

    该研究针对医疗领域中的自然语言处理技术应用挑战，提出了一种通过转移学习来改进死因分类任务的方法，实验结果表明，将病程记录的文本信息作为特征来结合分类任务，可以有效提高死因诊断准确性。

    Oct, 2022

  • 使用机器学习将口述验尸叙述和二进制特征融合在高血糖死亡分析中

    本研究旨在评估机器学习方法在分析结构化和非结构化叙述文本组成的言语验尸报告时的表现，结果表明文本特征对于确定死亡原因具有重要的信息价值，并且结合二进制和文本特征可以提高自动化 COD 分类任务的准确度。

    Apr, 2022

  • 从叙述到数字：利用语言模型推断言述性验尸报告中的预测

    该研究使用最先进的自然语言处理技术，开发了一种有效的方法，通过预测的自由文本结果从而进行推论，以处理公共卫生决策中的推断纠正问题。

    Apr, 2024

  • 利用音视频线索进行自杀评估的人工智能：评述

    该论文回顾了最近的研究，阐述了通过声音和图像来分析自杀意图和自杀行为，并讨论了人工智能在自杀风险评估中的发展前景。

    Jan, 2022

  • 通过死因调查笔记中的注解不一致检测揭示误归因的自杀原因

    通过分析 NVDRS 的注释不一致性，我们采用了一种经验性的自然语言处理方法来检测问题实例，并采用了交叉验证的模式来识别出有问题的情况，结果显示将目标州的数据纳入训练自杀危机分类器可以使 F-1 得分提高 5.4%，对其他州的测试集得分则降低了 1.1%。最后，我们提出了一种 NLP 改进方案。

    Mar, 2024

  • 现有死亡率预测模型的共识：从全因死亡到突发死亡预测

    通过使用英国国家医疗服务 (NHS) 电子健康记录 (EHR)，该研究通过构建预测模型，结合病史、血液检测、药物处方和住院情况，尝试预测突然死亡的风险，并强调了预测突然死亡的挑战和对机器学习模型在医疗应用中的理解和解释的需求。

    Aug, 2023

  • 利用大型语言模型对历史死因数据进行编码

    本研究探讨了使用预训练的生成型大语言模型 (GPT-3.5、GPT-4 和 Llama 2) 自动分配历史死因的 ICD-10 编码的可行性。研究结果显示，虽然 GPT-3.5、GPT-4 和 Llama 2 对于今天仍在使用的术语和短短的死因描述表现更好，但它们在历史 ICD-10 编码任务中的准确性仍然不足，建议进一步微调或采用其他框架以达到足够的性能。

    May, 2024

  • 深度神经网络用于过量死亡的细粒度监控

    通过深度学习命名实体识别模型，能够更准确地识别导致药物过量死亡的具体物质，进一步提高药物过量死亡监测的精确性。

    Feb, 2022

  • 增强自杀风险评估：应用语音技术的自动化方法于急症医学

    为了解决在紧急医学中对存在自杀风险的患者延迟专科精神评估和护理的问题，我们提出了一种非侵入性的基于语音的自动自杀风险评估方法，结合录音数据和元数据集成，有效提高了自动自杀风险评估的准确性。

    Apr, 2024

  • 基于贝叶斯框架的循环事件因果分析与不死风险

    利用半参数贝叶斯模型和 g - 计算框架，以医疗保险索赔数据为例，探索了在已知患有慢性背痛的病患中使用不同阿片类药物策略对住院率产生的影响，解决了再发事件速率计算中的治疗时间不精确导致的失调问题。

    Apr, 2023