論文の概要: Automatically Assessing Quality of Online Health Articles
- arxiv url: http://arxiv.org/abs/2004.05113v1
- Date: Tue, 7 Apr 2020 02:57:35 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-15 23:31:16.542400
- Title: Automatically Assessing Quality of Online Health Articles
- Title（参考訳）: オンライン健康記事の品質自動評価
- Authors: Fariha Afsana, Muhammad Ashad Kabir, Naeemul Hassan, Manoranjan Paul
- Abstract要約: 現在、広範囲にわたるオンライン健康情報の品質を評価する汎用的な自動化ツールは存在しない。
データマイニング手法を適用し,10項目の品質基準に基づいてオンライン健康記事の品質を自動評価した。
我々の発見は、高品質な健康記事の特定に役立ち、ユーザーが正しい選択をするために意見を形成するのに役立つだろう。
- 参考スコア（独自算出の注目度）: 14.136862418249764
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The information ecosystem today is overwhelmed by an unprecedented quantity
of data on versatile topics are with varied quality. However, the quality of
information disseminated in the field of medicine has been questioned as the
negative health consequences of health misinformation can be life-threatening.
There is currently no generic automated tool for evaluating the quality of
online health information spanned over a broad range. To address this gap, in
this paper, we applied a data mining approach to automatically assess the
quality of online health articles based on 10 quality criteria. We have
prepared a labeled dataset with 53012 features and applied different feature
selection methods to identify the best feature subset with which our trained
classifier achieved an accuracy of 84%-90% varied over 10 criteria. Our
semantic analysis of features shows the underpinning associations between the
selected features & assessment criteria and further rationalize our assessment
approach. Our findings will help in identifying high-quality health articles
and thus aiding users in shaping their opinion to make the right choice while
picking health-related help from online.
- Abstract（参考訳）: 今日の情報エコシステムは、多彩なトピックに関する前例のない量のデータに圧倒されている。
しかし、医療分野に普及する情報の質は、健康上の誤情報の悪影響は生命を脅かす可能性があるとして疑問視されている。
現在、広範囲にわたるオンライン健康情報の品質を評価する汎用的な自動化ツールは存在しない。
このギャップに対処するために,本論文では,10の品質基準に基づいてオンライン健康記事の品質を自動評価するデータマイニング手法を適用した。
53012の機能を持つラベル付きデータセットを作成し,10の基準で84%～90%の精度で分類できる最善の機能サブセットを識別するために,特徴選択法を適用した。
特徴のセマンティック分析は,選択した特徴と評価基準の相互関係を示し,評価アプローチをさらに合理化する。
われわれの発見は、高品質な健康記事の特定に役立ち、ユーザーがオンラインから健康関連のヘルプを選びながら正しい選択をするのを助ける。
関連論文リスト
- Question answering systems for health professionals at the point of care
-- a systematic review [2.446313557261822]
質問応答システム(QA)は、医療専門家に最新の最も関係のある証拠を提供することで、医療の質を向上させる可能性がある。
この体系的なレビューは、現在の医療QAシステムを特徴づけ、医療への適合性を評価し、改善の領域を特定することを目的としている。
論文 参考訳（メタデータ） (2024-01-24T13:47:39Z) - Classification of Dysarthria based on the Levels of Severity. A
Systematic Review [1.7624130429860712]
本研究は,重症度に基づく変形性関節症分類手法の体系的検討を目的としている。
変形性関節症の重症度自動分類に関する文献を体系的にレビューする。
論文 参考訳（メタデータ） (2023-10-11T07:40:46Z) - HealthFC: Verifying Health Claims with Evidence-Based Medical Fact-Checking [5.065947993017158]
HealthFCは、ドイツ語と英語で750件の健康関連クレームのデータセットで、医療専門家による正確さをラベル付けしている。
データセットの分析を行い、その特性と課題を強調します。
データセットは、将来の使用の可能性が高い、挑戦的なテストベッドであることを示す。
論文 参考訳（メタデータ） (2023-09-15T16:05:48Z) - Revisiting Automatic Question Summarization Evaluation in the Biomedical
Domain [45.78632945525459]
我々は,生物医学的質問要約タスクの4つの側面から,要約品質の人間による評価を行う。
人間の判断に基づいて、現在の自動メトリクスと要約システムで注目すべき特徴を識別する。
論文 参考訳（メタデータ） (2023-03-18T04:28:01Z) - Explainable AI for clinical and remote health applications: a survey on
tabular and time series data [3.655021726150368]
XAIは、特に医療において、さまざまな研究領域やデータタイプに同じ関心を集めていない点に注意が必要だ。
本稿は,過去5年間の文献を概観し,生成した説明のタイプと,それらの関連性や品質を評価するための取り組みについて述べる。
論文 参考訳（メタデータ） (2022-09-14T10:01:29Z) - Human Evaluation and Correlation with Automatic Metrics in Consultation
Note Generation [56.25869366777579]
近年,機械学習モデルによる臨床相談ノートの作成が急速に進んでいる。
5人の臨床医が57件のモック・コンサルテーションを聴き、自作のノートを書き、自動的に生成されたノートを編集し、全てのエラーを抽出する、広範囲にわたる人的評価研究を行った。
単純な文字ベースのLevenshtein距離測定は、BertScoreのような一般的なモデルベースの測定値に比較して、同等に動作します。
論文 参考訳（メタデータ） (2022-04-01T14:04:16Z) - Multi-class versus One-class classifier in spontaneous speech analysis
oriented to Alzheimer Disease diagnosis [58.720142291102135]
本研究の目的は,音声信号から抽出した新しいバイオマーカーを用いて自動解析を行うことにより,ADの早期診断と重症度評価の改善に寄与することである。
外付け器とフラクタル次元の機能に関する情報を使用することで、システムの性能が向上する。
論文 参考訳（メタデータ） (2022-03-21T09:57:20Z) - The Medkit-Learn(ing) Environment: Medical Decision Modelling through
Simulation [81.72197368690031]
医用シーケンシャルな意思決定に特化して設計された新しいベンチマークスイートを提案する。
Medkit-Learn(ing) Environmentは、高忠実度合成医療データに簡単かつ簡単にアクセスできるPythonパッケージである。
論文 参考訳（メタデータ） (2021-06-08T10:38:09Z) - Towards objectively evaluating the quality of generated medical
summaries [70.09940409175998]
我々は,評価者に対して,生数から事実,計算精度,リコール,fスコア,精度を数えるように依頼する。
本研究は,主観的品質と精度の測定が最重要事項である医療報告要約の課題に適用する。
論文 参考訳（メタデータ） (2021-04-09T15:02:56Z) - Variational Knowledge Distillation for Disease Classification in Chest
X-Rays [102.04931207504173]
我々は,X線に基づく疾患分類のための新しい確率的推論フレームワークである反復的知識蒸留(VKD)を提案する。
提案手法の有効性を,X線画像とEHRを用いた3つの公開ベンチマークデータセットに示す。
論文 参考訳（メタデータ） (2021-03-19T14:13:56Z) - Image Based Artificial Intelligence in Wound Assessment: A Systematic
Review [0.0]
急性および慢性の創傷の評価は、創傷治療チームが診断を改善し、治療計画を最適化し、作業負荷を緩和し、患者の健康関連品質を達成するのに役立つ。
人工知能は、健康関連科学やテクノロジーに広く応用されているが、AIベースのシステムは、高品質な創傷治療のために、臨床および計算的に開発され続けている。
論文 参考訳（メタデータ） (2020-09-15T14:52:14Z)
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。
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。