Fugu-MT 論文翻訳(概要): Personal Health Knowledge Graphs for Patients

論文の概要: Personal Health Knowledge Graphs for Patients

arxiv url: http://arxiv.org/abs/2004.00071v2
Date: Thu, 7 May 2020 10:40:21 GMT
ステータス: 処理完了
システム内更新日: 2022-12-18 01:42:43.615760
Title: Personal Health Knowledge Graphs for Patients
Title（参考訳）: 患者の健康に関する知識グラフ
Authors: Nidhi Rastogi and Mohammed J. Zaki
Abstract要約: 既存の患者データ分析プラットフォームは、コンテキストを持ち、個人的であり、患者にとってトピックである情報を組み込むことができない。質問に対する適切な回答を与えるためのレコメンデーションシステムは、患者の健康状態に関する個人情報を考慮すべきである。
参考スコア（独自算出の注目度）: 18.71820749477523
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Existing patient data analytics platforms fail to incorporate information that has context, is personal, and topical to patients. For a recommendation system to give a suitable response to a query or to derive meaningful insights from patient data, it should consider personal information about the patient's health history, including but not limited to their preferences, locations, and life choices that are currently applicable to them. In this review paper, we critique existing literature in this space and also discuss the various research challenges that come with designing, building, and operationalizing a personal health knowledge graph (PHKG) for patients.
Abstract（参考訳）: 既存の患者データ分析プラットフォームは、コンテキストを持ち、個人的で、患者にとってトピックな情報を取り込んでいない。質問に対して適切な回答をしたり、患者データから有意義な洞察を導き出すための推薦システムは、患者の健康履歴に関する個人情報を考慮すべきである。本稿では,この分野での既存の文献を批判するとともに,患者のための個人保健知識グラフ(PHKG)の設計,構築,運用に関わる様々な研究課題について論じる。

関連論文リスト

Transforming Wearable Data into Health Insights using Large Language Model Agents [25.92023580781527]
本稿では,ウェアラブルの行動保健データを分析・解釈するエージェントシステムであるPersonal Health Insights Agent(PHIA)を紹介する。 650時間の人間と専門家による評価に基づいて、PHIAは事実の数値的な質問の84%以上と、クラウドソーシングされたオープンエンドな質問の83%以上に正確に対処することができる。
論文参考訳（メタデータ） (2024-06-10T17:00:54Z)
Patient-Centric Knowledge Graphs: A Survey of Current Methods, Challenges, and Applications [2.913761513290171]
患者中心知識グラフ(PCKG)は、個別の患者ケアに焦点を当てた医療における重要なシフトである。 PCKGは様々な種類の健康データを統合し、患者の健康を包括的に理解する医療専門家に提供します。本稿はPCKGに関する方法論,課題,機会について概説する。
論文参考訳（メタデータ） (2024-02-20T00:07:55Z)
Recent Advances in Predictive Modeling with Electronic Health Records [71.19967863320647]
EHRデータを予測モデリングに利用すると、その特徴からいくつかの課題が生じる。深層学習は、医療を含む様々な応用においてその優位性を示している。
論文参考訳（メタデータ） (2024-02-02T00:31:01Z)
RECAP-KG: Mining Knowledge Graphs from Raw GP Notes for Remote COVID-19 Assessment in Primary Care [45.43645878061283]
本稿では,患者相談の前後に書かれた生のGP医療ノートから知識グラフ構築を行うフレームワークを提案する。私たちの知識グラフには、既存の患者の症状、その持続時間、重症度に関する情報が含まれています。本フレームワークを英国における新型コロナウイルス患者の相談ノートに適用する。
論文参考訳（メタデータ） (2023-06-17T23:35:51Z)
Developing a Robust Computable Phenotype Definition Workflow to Describe Health and Disease in Observational Health Research [0.6465251961564604]
健康情報学は患者の健康データに基づいて構築される。標準化は、疫学などの分野で使われる一般的な指標である人口統計を計算するために必要である。患者データを構造化・分析するための標準は存在するが、厳格に定義するための類似のベストプラクティスは存在しない。
論文参考訳（メタデータ） (2023-03-30T15:29:54Z)
SPeC: A Soft Prompt-Based Calibration on Performance Variability of Large Language Model in Clinical Notes Summarization [50.01382938451978]
本稿では,ソフトプロンプトを用いたモデルに依存しないパイプラインを導入し,確率に基づく要約の利点を保ちながら分散を減少させる。実験結果から,本手法は性能を向上するだけでなく,様々な言語モデルの分散を効果的に抑制することが明らかとなった。
論文参考訳（メタデータ） (2023-03-23T04:47:46Z)
Informing clinical assessment by contextualizing post-hoc explanations of risk prediction models in type-2 diabetes [50.8044927215346]
本研究は, 合併症リスク予測のシナリオを考察し, 患者の臨床状態に関する文脈に焦点を当てる。我々は、リスク予測モデル推論に関する文脈を提示し、その受容性を評価するために、最先端のLLMをいくつか採用する。本論文は,実世界における臨床症例における文脈説明の有効性と有用性を明らかにする最初のエンドツーエンド分析の1つである。
論文参考訳（メタデータ） (2023-02-11T18:07:11Z)
Doctor Recommendation in Online Health Forums via Expertise Learning [12.264865055778388]
本稿では,患者を専門知識を持つ医師に自動ペア化するための,医師推薦の新たな課題について検討する。本研究は, 他患者とのプロフィールと過去の対話の併用効果について検討し, 自己学習による対話を探求するものである。実験のためには、中国のオンライン健康フォーラムであるChunyu Yishengから大規模なデータセットが収集されている。
論文参考訳（メタデータ） (2022-03-06T10:39:48Z)
Optimal discharge of patients from intensive care via a data-driven policy learning framework [58.720142291102135]
退院課題は、退院期間の短縮と退院決定後の退院や死亡のリスクとの不確実なトレードオフに対処することが重要である。本研究は、このトレードオフを捉えるためのエンドツーエンドの汎用フレームワークを導入し、最適放電タイミング決定を推奨する。データ駆動型アプローチは、患者の生理的状態を捉えた同種で離散的な状態空間表現を導出するために用いられる。
論文参考訳（メタデータ） (2021-12-17T04:39:33Z)
Assessing the Severity of Health States based on Social Media Posts [62.52087340582502]
ユーザの健康状態の重症度を評価するために,テキストコンテンツとコンテキスト情報の両方をモデル化する多視点学習フレームワークを提案する。多様なNLUビューは、ユーザの健康を評価するために、タスクと個々の疾患の両方に効果を示す。
論文参考訳（メタデータ） (2020-09-21T03:45:14Z)

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。