Search research articles

お問い合わせ

JoVEについて

概要リーダーシップブログ JoVEヘルプセンター

著者向け

出版プロセス編集委員会範囲と方針査読よくある質問投稿

図書館員向け

推薦の声購読アクセスリソース図書館諮問委員会よくある質問

研究

JoVE Journal Methods Collections JoVE Encyclopedia of Experiments アーカイブ

教育

JoVE Core JoVE Business JoVE Science Education JoVE Lab Manual 教員リソースセンター教員サイト

プライバシーポリシー

関連する概念動画

Appendicitis-II: Diagnostic Studies and Management

Appendicitis-II: Diagnostic Studies and Management

Diagnosing and managing appendicitis requires a structured and comprehensive approach that spans from initial assessment to postoperative care. Here is an overview of the process:
Diagnosing Appendicitis
It requires a multifaceted approach, starting with a detailed physical examination to pinpoint the location and nature of the pain and identify any associated symptoms. Laboratory tests play a crucial role. A complete Blood Count (CBC) typically reveals leukocytosis (an increased number of...

こちらも読む

関連記事

共著者、ジャーナル、引用グラフによってこの研究に関連する記事。

並び替え

Same author

Extracellular Vesicles: Key Mediators of Bioactive Molecule Transport in Plant-Microbe Interactions.

Molecular plant pathology·2026

Same author

Zwitterionic Gel Electrolyte Stabilized Multivalent Tellurium Redox for High-Energy Lithium Batteries.

Angewandte Chemie (International ed. in English)·2026

Same author

Publisher Correction: Spatial transcriptomics uncovers vasculature-centered cellular interactions driving Japanese encephalitis progression in a mouse model.

Nature communications·2026

Same author

Erratum to PGK1-coupled HSP90 stabilizes GSK3β expression to regulate the stemness of breast cancer stem cells.

Cancer biology & medicine·2026

Same author

Interfacial microenvironment engineering in CO<sub>2</sub> electroreduction: mechanisms, advances, and perspectives.

Chemical communications (Cambridge, England)·2026

Same author

Balanced electrochemical reaction kinetics and mass transfer for stable zinc negative electrode.

Nature communications·2026

Search research articles

関連する実験動画

Updated: Jan 8, 2026

Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model

Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model

Published on: April 18, 2025

肛門周囲膿瘍の術後再発予測のための機械学習アルゴリズムを用いた予測モデル

Dawei Wang¹, Caixia Zhang¹, Zhiran Li²

¹National Colorectal Disease Center, Nanjing Hospital of Chinese Medicine, Affiliated to Nanjing University of Chinese Medicine, Nanjing, Jiangsu, China.

Frontiers in public health

|December 15, 2025

まとめ

この要約は機械生成です。

機械学習モデルが肛門周囲膿瘍の再発リスクを予測する。糖尿病の既往、膿瘍の空間、AISIを利用したCatBoostモデルは、術後の個別化された患者管理を提供する。

キーワード:

CatBoost Shap 機械学習肛門周囲膿瘍再発

さらに関連する動画

Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model

Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model

Published on: August 16, 2020

An Experimental Paradigm for the Prediction of Post-Operative Pain PPOP

An Experimental Paradigm for the Prediction of Post-Operative Pain PPOP

Published on: January 27, 2010

関連する実験動画

Last Updated: Jan 8, 2026

Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model

Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model

Published on: April 18, 2025

Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model

Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model

Published on: August 16, 2020

An Experimental Paradigm for the Prediction of Post-Operative Pain PPOP

An Experimental Paradigm for the Prediction of Post-Operative Pain PPOP

Published on: January 27, 2010

科学分野:

医療情報学
腫瘍外科
ヘルスケアにおける機械学習

背景:

肛門周囲膿瘍の再発は重大な課題であり、リスク層別化の改善が必要である。
術後の患者転帰を最適化するためには、個別化されたフォローアップ戦略が不可欠である。

主な方法:

737人の患者の臨床データが分析された。
LASSO回帰および多変量ロジスティック回帰により、有意な予測因子が特定された。
SMOTEによりデータセットがバランス調整された。
CatBoostを含むMLアルゴリズムが採用された。
モデル性能は、AUC、感度、特異度、精度、較正曲線、DCA、および解釈のためのSHAPを用いて評価された。

結論:

開発されたMLモデル、特にCatBoostアルゴリズムは、肛門周囲膿瘍の再発リスクを効果的に予測する。
SHAP分析は解釈可能性を提供し、個々の患者管理と標的介入を容易にする。