4.4 C
ब्रसेल्स
बिहीबार, फेब्रुअरी 6, 2025
समाचारAI ले कार्डियक अरेस्ट जोखिमको सही भविष्यवाणी गर्न समय र मौसम डेटा प्रयोग गर्दछ

AI ले कार्डियक अरेस्ट जोखिमको सही भविष्यवाणी गर्न समय र मौसम डेटा प्रयोग गर्दछ

अस्वीकरण: लेखहरूमा पुन: उत्पादन गरिएको जानकारी र विचारहरू उनीहरूलाई बताउने व्यक्तिहरूको हो र यो उनीहरूको आफ्नै जिम्मेवारी हो। मा प्रकाशन The European Times स्वचालित रूपमा दृष्टिकोणको समर्थन होइन, तर यसलाई व्यक्त गर्ने अधिकार हो।

अस्वीकरण अनुवादहरू: यस साइटका सबै लेखहरू अंग्रेजीमा प्रकाशित छन्। अनुवादित संस्करणहरू न्यूरल अनुवाद भनिने स्वचालित प्रक्रिया मार्फत गरिन्छ। यदि शंका छ भने, सधैं मूल लेखलाई सन्दर्भ गर्नुहोस्। धन्यवाद बुझ्नुभएकोमा।

अतिथि लेखक
अतिथि लेखक
अतिथि लेखकले विश्वभरका योगदानकर्ताहरूबाट लेखहरू प्रकाशित गर्दछ

मेशिन लर्निङ मोडेलले समय र मौसम डेटा संयोजन गर्दछ।

मेसिन लर्निङ भनिने आर्टिफिसियल इन्टेलिजेन्स (एआई) को एउटा शाखाले समय र मौसमको तथ्याङ्कको संयोजन प्रयोग गरी अस्पतालबाट कार्डियक अरेस्ट हुने खतराको सही भविष्यवाणी गर्न सक्छ। मुटु.

मेसिन लर्निङ कम्प्युटर एल्गोरिदमको अध्ययन हो, र प्रणालीहरूले डाटाबाट सिक्न सक्छन् र न्यूनतम हस्तक्षेपका साथ निर्णयहरू सूचित गर्न ढाँचाहरू पहिचान गर्न सक्छन् भन्ने विचारमा आधारित छ।

आइतवार, सोमबार, सार्वजनिक बिदाका दिन र केही दिन भित्र वा बीचमा तापक्रम तीव्र रूपमा घट्दा कार्डियक अरेस्टको जोखिम बढी हुन्छ, खोजहरूले देखाउँछन्।

यो जानकारी नागरिकहरूको लागि प्रारम्भिक चेतावनी प्रणालीको रूपमा प्रयोग गर्न सकिन्छ, उनीहरूको जोखिम कम गर्न र बाँच्ने सम्भावनाहरू सुधार गर्न, र आपतकालीन चिकित्सा सेवाहरूको तयारीमा सुधार गर्न, अनुसन्धानकर्ताहरू सुझाव दिन्छन्।

अस्पताल बाहिर कार्डियक अरेस्ट संसारभर सामान्य छ, तर सामान्यतया बाँच्ने को कम दर संग सम्बन्धित छ। जोखिम प्रचलित मौसम अवस्थाले प्रभावित हुन्छ।

तर मौसम सम्बन्धी तथ्याङ्कहरू व्यापक र जटिल छन्, र मेसिन लर्निङमा परम्परागत एक-आयामी सांख्यिकीय दृष्टिकोणले पहिचान नगरिएका सम्बन्धहरू उठाउन सक्ने क्षमता छ, जापानी अनुसन्धानकर्ताहरू भन्छन्।

यसलाई थप अन्वेषण गर्न, तिनीहरूले दैनिक मौसम (तापमान, सापेक्षिक आर्द्रता, वर्षा, हिमपात, बादलको आवरण, हावाको गति, र वायुमण्डलीय चाप रिडिङहरू) र समय (तापमान, सापेक्षिक आर्द्रता, वर्षा, हिमपात, प्रयोग गरी अस्पताल बाहिर कार्डियक अरेस्ट) भविष्यवाणी गर्न मेसिन लर्निङ क्षमताको मूल्याङ्कन गरे। वर्ष, मौसम, हप्ताको दिन, दिनको घण्टा, र सार्वजनिक बिदाहरू) डेटा।

1,299,784 र 2005 को बीचमा हुने 2013 मामिलाहरू मध्ये, 525,374 मा मेसिन लर्निङ लागू गरिएको थियो, मौसम वा समय डेटा वा दुवै (प्रशिक्षण डेटासेट) प्रयोग गरेर।

त्यसपछि परिणामहरू परीक्षण गर्न 135,678-2014 मा हुने 15 घटनाहरूसँग तुलना गरियो। शुद्धता अन्य वर्षहरूमा दैनिक कार्डियक अरेस्टहरूको संख्या भविष्यवाणी गर्ने मोडेलको (डेटासेट परीक्षण)।

र स्थानीय स्तरमा दृष्टिकोण कत्तिको सही हुन सक्छ भनेर हेर्न, अनुसन्धानकर्ताहरूले जनवरी 2016 र डिसेम्बर 2018 को बीच कोबे शहरमा अस्पताल बाहिर कार्डियक अरेस्टको स्थानबाट निकालिएको अर्को डेटासेट प्रयोग गरेर 'हिटम्याप विश्लेषण' गरे।

मौसम र समय डेटाको संयोजनले प्रशिक्षण र परीक्षण डेटासेटहरूमा अस्पताल बाहिर कार्डियक गिरफ्तारीको सबैभन्दा सही भविष्यवाणी गर्‍यो।

यसले आइतवार, सोमबार, सार्वजनिक बिदा, जाडो, कम तापक्रम, र दिन भित्र र बीचको तीव्र तापक्रम घट्ने मौसम वा समय डेटा मात्र भन्दा कार्डियक अरेस्टसँग बढी जोडदार रूपमा सम्बन्धित रहेको भविष्यवाणी गरेको छ।

अन्वेषकहरूले स्वीकार गर्छन् कि तिनीहरूसँग कोबे शहर बाहेक हृदयघातको स्थानको बारेमा विस्तृत जानकारी थिएन, न त उनीहरूसँग पूर्व-अवस्थित चिकित्सा अवस्थाहरूमा कुनै डाटा थिएन, ती दुबैले परिणामहरूलाई असर गरेको हुन सक्छ।

तर तिनीहरू सुझाव दिन्छन्: "हाम्रो [अस्पताल कार्डियक अरेस्टबाट बाहिर] को दैनिक घटनाहरूको लागि भविष्यवाणी गर्ने मोडेल विकसित देशहरूमा सामान्य जनसंख्याको लागि व्यापक रूपमा सामान्यीकृत छ, किनभने यो अध्ययनको नमूना आकार ठूलो थियो र व्यापक मौसम विज्ञान डेटा प्रयोग गरिएको थियो।"

तिनीहरू थप्छन्: "यस अध्ययनमा विकसित गरिएका विधिहरूले भविष्यवाणी गर्ने विश्लेषणका लागि नयाँ मोडेलको उदाहरणको रूपमा सेवा गर्दछ जुन जीवन-खतरनाक तीव्र हृदय रोगसँग सम्बन्धित चासोको अन्य क्लिनिकल परिणामहरूमा लागू गर्न सकिन्छ।"

र तिनीहरू निष्कर्षमा पुग्छन्: "यो भविष्यवाणी मोडेल [अस्पताल कार्डियक अरेस्टबाट बाहिर] रोक्न र बिरामीहरूको पूर्वानुमान सुधार गर्न उपयोगी हुन सक्छ ... नागरिकहरू र [आकस्मिक चिकित्सा सेवाहरू] भविष्यमा उच्च जोखिम दिनहरूमा चेतावनी प्रणाली मार्फत।"

एक लिङ्क गरिएको सम्पादकीयमा, थोमस जेफरसन विश्वविद्यालयको सिडनी किमेल मेडिकल कलेजका डा. डेभिड फोस्टर गायेस्की सहमत छन्।

"आउँदो हप्तामा मौसम कस्तो हुनेछ भन्ने कुरा थाहा पाउँदा जोखिममा रहेका मानिसहरूका लागि 'हृदयसम्बन्धी आपतकालीन चेतावनी' उत्पन्न गर्न सक्छ - वृद्ध र अरूलाई आगामी जोखिमको आगामी अवधिहरूको बारेमा सूचित गर्ने जसरी मौसम डेटा आगामी खतरनाक सडकका मानिसहरूलाई सूचित गर्न प्रयोग गरिन्छ। जाडो आँधीबेहरीको समयमा अवस्था, "उनी बताउँछन्।

"यी भविष्यवाणीहरू संसाधन तैनाती, समयतालिका, र योजनाको लागि प्रयोग गर्न सकिन्छ ताकि आपतकालीन चिकित्सा सेवा प्रणालीहरू, आपतकालीन विभागको पुनरुत्थान स्रोतहरू, र कार्डियक क्याथेटराइजेसन प्रयोगशालाका कर्मचारीहरू आगामी दिनहरूमा अपेक्षित [केसहरू] को संख्या बारे सचेत र तयार छन्। "उनी थप्छन्।

सन्दर्भ:

"मौसम र कालक्रमिक डेटा प्रयोग गरेर अस्पताल बाहिर कार्डियक अरेस्टको भविष्यवाणी गर्न मेसिन लर्निङ मोडेल" 17 मे 2021, मुटु.
DOI: 10.1136/heartjnl-2020-318726

"अर्को हप्ताको मौसम पूर्वानुमान: बादल, चिसो, कार्डियक अरेस्टको सम्भावना संग" 17 मे 2021, मुटु.
DOI: 10.1136/heartjnl-2021-318950

अनुदान: जापानको वातावरणीय पुनर्स्थापना र संरक्षण एजेन्सी; विज्ञान को प्रवर्द्धन को लागी जापान समाज; राष्ट्रिय सेरेब्रल र कार्डियोभास्कुलर सेन्टरको हृदय रोगको इन्ट्रामुरल अनुसन्धान कोष

The European Times

ओहो नमस्ते ???? हाम्रो न्यूजलेटरको लागि साइन अप गर्नुहोस् र हरेक हप्ता तपाईंको इनबक्समा डेलिभर गरिएका नवीनतम 15 समाचारहरू प्राप्त गर्नुहोस्।

जान्नको लागि पहिलो हुनुहोस्, र हामीलाई तपाईलाई मनपर्ने विषयहरू थाहा दिनुहोस्!

हामी स्पाम गर्दैनौं! हाम्रो पढ्नुहोस् गोपनीयता नीति(*) थप जानकारी को लागि।

- विज्ञापन -

अधिक लेखक बाट

- विशेष सामग्री -spot_img
- विज्ञापन -
- विज्ञापन -
- विज्ञापन -spot_img
- विज्ञापन -

पढनै पर्नी

नवीनतम लेखहरू

- विज्ञापन -