論文の概要: Identifying physical health comorbidities in a cohort of individuals with severe mental illness: An application of SemEHR

• arxiv url: http://arxiv.org/abs/2002.08901v1
• Date: Fri, 7 Feb 2020 13:14:58 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-03 03:42:47.527037
• Title: Identifying physical health comorbidities in a cohort of individuals with severe mental illness: An application of SemEHR
• Title（参考訳）: 重度精神疾患患者のコホートにおける身体的健康悪化の同定:SemEHRの応用
• Authors: Rebecca Bendayan, Honghan Wu, Zeljko Kraljevic, Robert Stewart, Tom Searle, Jaya Chaturvedi, Jayati Das-Munshi, Zina Ibrahim, Aurelie Mascio, Angus Roberts, Daniel Bean, Richard Dobson
• Abstract要約: 南ロンドンのクリニカル・レコード・インタラクティブ・サーチ(CRIS)システムとモーズリーバイオメディカル・リサーチ・センター(SLaM BRC)からデータを抽出した。 3組のアノテーターが2403の文書に注釈を付け、平均的なコーエンのカッパは0.757である。 以上の結果から,NLPは病域によって異なることが明らかとなった。
• 参考スコア（独自算出の注目度）: 1.128318918179115
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multimorbidity research in mental health services requires data from physical health conditions which is traditionally limited in mental health care electronic health records. In this study, we aimed to extract data from physical health conditions from clinical notes using SemEHR. Data was extracted from Clinical Record Interactive Search (CRIS) system at South London and Maudsley Biomedical Research Centre (SLaM BRC) and the cohort consisted of all individuals who had received a primary or secondary diagnosis of severe mental illness between 2007 and 2018. Three pairs of annotators annotated 2403 documents with an average Cohen's Kappa of 0.757. Results show that the NLP performance varies across different diseases areas (F1 0.601 - 0.954) suggesting that the language patterns or terminologies of different condition groups entail different technical challenges to the same NLP task.
• Abstract（参考訳）: メンタルヘルスサービスのマルチモービルディティー研究は、伝統的にメンタルヘルスの電子健康記録に制限された物理的健康状態のデータを必要とする。 本研究では,SemEHRを用いた臨床ノートから健康状態からデータを抽出することを目的とした。 データは、南ロンドンのcrisシステムとmaudsley biomedical research centre(slam brc)から抽出され、2007年から2018年にかけて重度の精神疾患の一次診断または二次診断を受けたすべての個人からなる。 3組のアノテーターが2403の文書に注釈を付け、平均的なコーエンのカッパは0.757である。 その結果,NLPの性能は異なる疾患領域 (F1 0.601 - 0.954) で異なる条件群の言語パターンや用語が同一のNLPタスクに異なる技術的課題を伴っていることが示唆された。

関連論文リスト

• Still Not Quite There! Evaluating Large Language Models for Comorbid Mental Health Diagnosis [9.738105623317601]
  我々は、ソーシャルメディア投稿からの抑うつ不安のコorbidity分類のための、新しいファースト・オブ・イットのベンチマークであるAN GSTを紹介する。 我々は、メンタル-BERT から GPT-4 まで、様々な最先端言語モデルを用いてAN GSTをベンチマークする。 GPT-4は一般に他のモデルより優れているが、F1スコアが72%を超えるようなマルチクラスのコンコービッド分類は達成していない。
  論文  参考訳（メタデータ） (2024-10-04T20:24:11Z)
• Handwriting and Drawing for Depression Detection: A Preliminary Study [53.11777541341063]
  精神健康に対する短期的コビデンスの影響は、不安や抑うつ症状の顕著な増加であった。 本研究の目的は、健康な人とうつ病患者を識別するために、オンライン手書き・図面解析という新しいツールを使用することである。
  論文  参考訳（メタデータ） (2023-02-05T22:33:49Z)
• Automated speech- and text-based classification of neuropsychiatric conditions in a multidiagnostic setting [2.0972270756982536]
  音声パターンは神経精神疾患の診断マーカーとして認識されている。 我々は,機械学習モデルと高度なトランスフォーマーモデルの性能を,二進分類と多進分類の両方で検証した。 以上の結果から,二項分類で訓練したモデルは,臨床と非臨床の集団間の一般的な差異のマーカーに依存することが示唆された。
  論文  参考訳（メタデータ） (2023-01-13T08:24:21Z)
• The state-of-the-art 3D anisotropic intracranial hemorrhage segmentation on non-contrast head CT: The INSTANCE challenge [19.72232714668029]
  INSTANCE 2022は、2022年の医用画像コンピューティングとコンピュータ支援介入に関する国際会議(MICCAI)と共同で開催された大きな課題である。 以上の課題を解決し,脳内出血セグメンテーションと異方性データ処理の開発を促進することを目的としている。 勝者法は平均DSC0.6925を達成し,提案法よりも有意な成長を示した。
  論文  参考訳（メタデータ） (2023-01-09T11:48:05Z)
• GDPR Compliant Collection of Therapist-Patient-Dialogues [48.091760741427656]
  我々は、欧州連合の一般データプライバシ規則の下で、精神医学クリニックでセラピストと患者との対話の収集を始める際に直面した課題について詳しく述べる。 本稿では、手順の各ステップの概要を述べ、この分野でのさらなる研究を動機付ける潜在的な落とし穴を指摘した。
  論文  参考訳（メタデータ） (2022-11-22T15:51:10Z)
• Intelligent Sight and Sound: A Chronic Cancer Pain Dataset [74.77784420691937]
  本稿では,Intelligent Sight and Sound (ISS) 臨床試験の一環として収集された,最初の慢性ガン痛データセットを紹介する。 これまで収集されたデータは29の患者、509のスマートフォンビデオ、189,999のフレーム、そして自己報告された感情と活動の痛みのスコアから成っている。 静的画像とマルチモーダルデータを用いて、自己報告された痛みレベルを予測する。
  論文  参考訳（メタデータ） (2022-04-07T22:14:37Z)
• A Study of Social and Behavioral Determinants of Health in Lung Cancer Patients Using Transformers-based Natural Language Processing Models [23.68697811086486]
  社会的および行動的健康決定因子(SBDoH)は、人々の健康を形作る上で重要な役割を担っている。 現在の電子カルテシステムにおける構造化SBDoH情報の欠如による臨床成績におけるSBDoH因子の検討は限られている。 したがって、自然言語処理(NLP)は、構造化されていない臨床テキストからそのような情報を抽出する鍵となる技術である。
  論文  参考訳（メタデータ） (2021-08-10T22:11:31Z)
• Identification of Ischemic Heart Disease by using machine learning technique based on parameters measuring Heart Rate Variability [50.591267188664666]
  本研究は,243名の非侵襲的特徴(年齢,性別,左室容積率,HRV15)を用いて,一連のANNの訓練と評価を行った。 最高の結果は、7つの入力パラメータと7つの隠れノードを使用して、トレーニングと検証データセットに対して98.9%と82%の精度で得られた。
  論文  参考訳（メタデータ） (2020-10-29T19:14:41Z)
• Predicting Clinical Diagnosis from Patients Electronic Health Records Using BERT-based Neural Networks [62.9447303059342]
  医療コミュニティにおけるこの問題の重要性を示す。 本稿では,変換器 (BERT) モデルによる2方向表現の分類順序の変更について述べる。 約400万人のユニークな患者訪問からなる、大規模なロシアのEHRデータセットを使用します。
  論文  参考訳（メタデータ） (2020-07-15T09:22:55Z)
• COMPOSE: Cross-Modal Pseudo-Siamese Network for Patient Trial Matching [70.08786840301435]
  本稿では, CrOss-Modal PseudO-SiamEse Network (COMPOSE) を提案する。 実験の結果,患者基準マッチングでは98.0%,患者基準マッチングでは83.7%の精度でAUCに到達できることがわかった。
  論文  参考訳（メタデータ） (2020-06-15T21:01:33Z)
• MODMA dataset: a Multi-modal Open Dataset for Mental-disorder Analysis [22.766963176531338]
  本稿では,精神障害分析のためのマルチモーダルオープンデータセットを提案する。 このデータセットには、臨床症状のある患者の脳波と音声データが含まれ、正常なコントロールと一致する。 EEGデータセットには、従来の128電極搭載弾性キャップを使用して収集されたデータだけでなく、普及したアプリケーションのための新しいウェアラブルな3電極EEGコレクタも含まれている。
  論文  参考訳（メタデータ） (2020-02-20T09:40:39Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。