論文の概要: Pill Identification using a Mobile Phone App for Assessing Medication
Adherence and Post-Market Drug Surveillance
- arxiv url: http://arxiv.org/abs/2004.11479v1
- Date: Thu, 23 Apr 2020 22:24:01 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-10 12:38:22.671397
- Title: Pill Identification using a Mobile Phone App for Assessing Medication
Adherence and Post-Market Drug Surveillance
- Title(参考訳): 携帯電話アプリによる薬剤付着度評価と市販薬物サーベイランスのための錠剤識別
- Authors: david Prokop, Joseph Babigumira, Ashleigh Lewis
- Abstract要約: メディケイト非アドヒアランス(英語版)は臨床実践と研究手法において重要な要素である。
ここでは,携帯電話アプリの有用性と有効性に関するソフトウェア研究を行い,薬剤の付着度を測定した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Objectives: Medication non-adherence is an important factor in clinical
practice and research methodology. There have been many methods of measuring
adherence yet no recognized standard for adherence. Here we conduct a software
study of the usefulness and efficacy of a mobile phone app to measure
medication adherence using photographs taken by a phone app of medications and
self-reported health measures.
Results: The participants were asked by the app 'would help to keep track of
your medication', their response indicated 92.9% felt the app 'would you use
this app every day' to improve their medication adherence. The subjects were
also asked by the app if they 'would photograph their pills on a daily basis'.
Subject responses indicated 63% would use the app on a daily basis. By using
the data collected, we determined that subjects who used the app on daily basis
were more likely to adhere to the prescribed regimen.
Conclusions: Pill photographs are a useful measure of adherence, allowing
more accurate time measures and more frequent adherence assessment. Given the
ubiquity of mobile telephone use, and the relative ease of this adherence
measurement method, we believe it is a useful and cost-effective approach.
However we feel the 'manual' nature of using the phone for taking a photograph
of a pill has individual variability and an 'automatic' method is needed to
reduce data inconsistency.
- Abstract(参考訳): 目的: 薬物非依存は臨床および研究手法において重要な要素である。
付着度を測定する方法は数多くあるが、付着度に関する標準は認められていない。
本稿では,携帯電話アプリの有用性と有効性に関するソフトウェア研究を行い,薬物および自己申告された健康対策の写真を用いて薬剤の付着度を測定する。
結果: 被験者はアプリから「薬の追跡を手伝う」よう依頼され、反応は92.9%が「毎日このアプリを使っている」と感じて、服薬を順守した。
被験者はまた、アプリから「毎日、薬を写真に撮る」かどうか尋ねられた。
被験者の回答によると、毎日63%がアプリを使う。
収集したデータを用いて,日常的に利用した被験者が所定の体制に順応する可能性が高かった。
結論: ピル写真は、より正確な時間測定とより頻繁な順応性評価を可能にする、定着性の有用な尺度である。
携帯電話の利用の多様さと,この着信測定方法の比較的容易さを考えると,これは有用かつ費用対効果の高い手法であると考えられる。
しかし, 錠剤の撮影に携帯電話を使用する「手動」の性質は個人差があり, データの一貫性を低下させる「自動」手法が必要である。
関連論文リスト
- A Comprehensive Picture of Factors Affecting User Willingness to Use
Mobile Health Applications [62.60524178293434]
本研究の目的は,mHealthアプリのユーザ受け入れに影響を与える要因を検討することである。
利用者のデジタルリテラシーは、個人情報を共有するオンライン習慣に続き、使用意欲に最も強い影響を与える。
居住国、年齢、民族、教育などの利用者の人口統計学的背景は、顕著な緩和効果がある。
論文 参考訳(メタデータ) (2023-05-10T08:11:21Z) - A Novel Approach for Pill-Prescription Matching with GNN Assistance and
Contrastive Learning [6.226781755452289]
モバイル画像から薬の処方を正しく識別するシステムを開発した。
PIMAはグラフニューラルネットワーク(GNN)とコントラスト学習を用いた新しいアプローチである。
PIMAは、他のベースラインと比較して精度を19.09%から46.95%に改善している。
論文 参考訳(メタデータ) (2022-09-02T16:18:36Z) - Image-based Contextual Pill Recognition with Medical Knowledge Graph
Assistance [3.4123736336071864]
創薬精度を高めるために外部知識を活用するPIKAという新しいアプローチを導入する。
具体的には,患者が服薬を摂取した写真から薬を識別することを目的とした現実的なシナリオ(文脈的錠剤認識)に対処する。
このフレームワーク内では、各錠剤の視覚的表現をグラフ埋め込み空間にマッピングし、グラフ表現に注意を向けるために使用される。
論文 参考訳(メタデータ) (2022-08-04T03:55:53Z) - Remote Medication Status Prediction for Individuals with Parkinson's
Disease using Time-series Data from Smartphones [75.23250968928578]
本稿では,パーキンソン病患者のmPowerデータセットを用いて薬剤状態を予測する方法を提案する。
提案手法は,3つの薬物状態を客観的に予測する上で有望な結果を示す。
論文 参考訳(メタデータ) (2022-07-26T02:08:08Z) - Medicinal Boxes Recognition on a Deep Transfer Learning Augmented
Reality Mobile Application [23.693329212391845]
我々は,このフレームドメディカルに関する重要な詳細をユーザに提示できる拡張現実モバイルアプリケーションを紹介した。
特に、アプリはディープニューラルネットワークに基づく推論エンジン、すなわち、そのパッケージから薬品を認識するように微調整されたディープネットを実装している。
論文 参考訳(メタデータ) (2022-03-26T09:21:56Z) - Learning Language and Multimodal Privacy-Preserving Markers of Mood from
Mobile Data [74.60507696087966]
精神状態は、先進医療に共通する国でも診断されていない。
人間の行動を監視するための有望なデータソースのひとつは、日々のスマートフォンの利用だ。
本研究では,自殺行動のリスクが高い青少年集団の移動行動のデータセットを用いて,日常生活の行動マーカーについて検討した。
論文 参考訳(メタデータ) (2021-06-24T17:46:03Z) - Automatic Social Distance Estimation From Images: Performance
Evaluation, Test Benchmark, and Algorithm [78.88882860340797]
新型コロナウイルスは2020年3月から世界的なパンデミックを引き起こしている。
感染リスクを低減するため、他者から最低1メートルの距離を維持することが強く示唆されている。
このようなアルゴリズムには適切なテストベンチマークは存在しない。
論文 参考訳(メタデータ) (2021-03-11T16:15:20Z) - Emerging App Issue Identification via Online Joint Sentiment-Topic
Tracing [66.57888248681303]
本稿では,MERITという新しい問題検出手法を提案する。
AOBSTモデルに基づいて、1つのアプリバージョンに対するユーザレビューに否定的に反映されたトピックを推測する。
Google PlayやAppleのApp Storeで人気のアプリに対する実験は、MERITの有効性を実証している。
論文 参考訳(メタデータ) (2020-08-23T06:34:05Z) - Anxiety Detection Leveraging Mobile Passive Sensing [53.11661460916551]
不安障害は、子供と成人の両方に影響を及ぼす最も一般的な精神医学的問題である。
スマートフォンから受動的かつ控えめなデータ収集を活用することは、古典的な方法の代替となるかもしれない。
eWellnessは、個人デバイスのセンサとユーザログデータの完全な適合性を、連続的かつ受動的に追跡するために設計された、実験的なモバイルアプリケーションである。
論文 参考訳(メタデータ) (2020-08-09T20:22:52Z) - ePillID Dataset: A Low-Shot Fine-Grained Benchmark for Pill
Identification [5.914780964919123]
我々は、9804の出現クラスを表す13k画像からなる、ピル画像認識における最大の公開ベンチマークであるePillIDを紹介する。
ほとんどの外観クラスでは、参照画像は1つしか存在せず、ローショットの認識設定に挑戦する。
論文 参考訳(メタデータ) (2020-05-28T20:53:36Z)
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。