Outlier detection of vital sign trajectories from COVID-19 patients

要約

タイトル：COVID-19患者の生体情報トラジェクトリーの異常検出
要約：
– COVID-19患者の生体情報を監視するために、個人の連続測定に興味が高まっている。
– この論文では、異常な生体情報の変化を特定するための新しいトラジェクトリー比較アルゴリズムを提案している。
– 通常、アラートシステムには、生体情報の中でも増加傾向などのパターンがあるが、異常と認識されるほどの情報は組み込まれていない。
– 多変量生体情報時系列を180分の非重複エポックに分割し、エポック間の距離を測定し、クラスタを形成する。
– この方法は、合成されたデータと実世界のCOVID-19患者から得られたデータで正確に異常エポックを特定することができることが証明された。

要約(オリジナル)

In this work, we present a novel trajectory comparison algorithm to identify abnormal vital sign trends, with the aim of improving recognition of deteriorating health. There is growing interest in continuous wearable vital sign sensors for monitoring patients remotely at home. These monitors are usually coupled to an alerting system, which is triggered when vital sign measurements fall outside a predefined normal range. Trends in vital signs, such as increasing heart rate, are often indicative of deteriorating health, but are rarely incorporated into alerting systems. We introduce a dynamic time warp distance-based measure to compare time series trajectories. We split each multi-variable sign time series into 180 minute, non-overlapping epochs. We then calculate the distance between all pairs of epochs. Each epoch is characterized by its mean pairwise distance (average link distance) to all other epochs, with clusters forming with nearby epochs. We demonstrate in synthetically generated data that this method can identify abnormal epochs and cluster epochs with similar trajectories. We then apply this method to a real-world data set of vital signs from 8 patients who had recently been discharged from hospital after contracting COVID-19. We show how outlier epochs correspond well with the abnormal vital signs and identify patients who were subsequently readmitted to hospital.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI