دانلود مقاله انگلیسی رایگان:معیار ارزش پیش بینی یادگیری عمیق قبل از عمل برای اولیه آرتروپلاستی کامل زانو: توسعه و اعتبار مدل شبکه عصبی مصنوعی - 2019
دانلود بهترین مقالات isi همراه با ترجمه فارسی
دانلود مقاله انگلیسی یادگیری عمیق رایگان
  • Deep Learning Preoperatively Predicts Value Metrics for Primary Total Knee Arthroplasty: Development and Validation of an Artificial Neural Network Model Deep Learning Preoperatively Predicts Value Metrics for Primary Total Knee Arthroplasty: Development and Validation of an Artificial Neural Network Model
    Deep Learning Preoperatively Predicts Value Metrics for Primary Total Knee Arthroplasty: Development and Validation of an Artificial Neural Network Model

    سال انتشار:

    2019


    عنوان انگلیسی مقاله:

    Deep Learning Preoperatively Predicts Value Metrics for Primary Total Knee Arthroplasty: Development and Validation of an Artificial Neural Network Model


    ترجمه فارسی عنوان مقاله:

    معیار ارزش پیش بینی یادگیری عمیق قبل از عمل برای اولیه آرتروپلاستی کامل زانو: توسعه و اعتبار مدل شبکه عصبی مصنوعی


    منبع:

    Sciencedirect - Elsevier - The Journal of Arthroplasty, 34 (2019) 2220-2228: doi:10:1016/j:arth:2019:05:034


    نویسنده:

    Prem N. Ramkumar, MD, MBA a, *, Jaret M. Karnuta, MS a, Sergio M. Navarro, MBA b, Heather S. Haeberle, BS c, Giles R. Scuderi, MD d, Michael A. Mont, MD d, Viktor E. Krebs, MD a, Brendan M. Patterson, MD, MBA


    چکیده انگلیسی:

    Background: The objective is to develop and validate an artificial neural network (ANN) that learns and predicts length of stay (LOS), inpatient charges, and discharge disposition before primary total knee arthroplasty (TKA). The secondary objective applied the ANN to propose a risk-based, patient-specific payment model (PSPM) commensurate with case complexity. Methods: Using data from 175,042 primary TKAs from the National Inpatient Sample and an institutional database, an ANN was developed to predict LOS, charges, and disposition using 15 preoperative variables. Outcome metrics included accuracy and area under the curve for a receiver operating characteristic curve. Model uncertainty was stratified by All Patient Refined comorbidity indices in establishing a riskbased PSPM. Results: The dynamic model demonstrated “learning” in the first 30 training rounds with areas under the curve of 74.8%, 82.8%, and 76.1% for LOS, charges, and discharge disposition, respectively. The PSPM demonstrated that as patient comorbidity increased, risk increased by 2.0%, 21.8%, and 82.6% for moderate, major, and severe comorbidities, respectively. Conclusion: Our deep learning model demonstrated “learning” with acceptable validity, reliability, and responsiveness in predicting value metrics, offering the ability to preoperatively plan for TKA episodes of care. This model may be applied to a PSPM proposing tiered reimbursements reflecting case complexity.
    Keywords: machine learning | total knee arthroplasty (TKA) | artificial neural network | deep learning | artificial intelligence


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 9
    حجم فایل: 858 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی