論文の概要: Trialstreamer: Mapping and Browsing Medical Evidence in Real-Time

• arxiv url: http://arxiv.org/abs/2005.10865v1
• Date: Thu, 21 May 2020 19:32:04 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-30 22:52:38.818878
• Title: Trialstreamer: Mapping and Browsing Medical Evidence in Real-Time
• Title（参考訳）: Trialstreamer: リアルタイムな医療エビデンスマッピングとブラウジング
• Authors: Benjamin E. Nye, Ani Nenkova, Iain J. Marshall, Byron C. Wallace
• Abstract要約: 臨床治験報告のデータベースであるTrialstreamerを紹介する。 このシステムでは、被験者の記載、各腕で比較した治療、測定結果について抽出する。 個々の試行を要約することに加えて、これらの抽出されたデータ要素は、同じトピックに関する多くの試行で結果の自動合成を可能にする。
• 参考スコア（独自算出の注目度）: 35.15631358690484
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce Trialstreamer, a living database of clinical trial reports. Here we mainly describe the evidence extraction component; this extracts from biomedical abstracts key pieces of information that clinicians need when appraising the literature, and also the relations between these. Specifically, the system extracts descriptions of trial participants, the treatments compared in each arm (the interventions), and which outcomes were measured. The system then attempts to infer which interventions were reported to work best by determining their relationship with identified trial outcome measures. In addition to summarizing individual trials, these extracted data elements allow automatic synthesis of results across many trials on the same topic. We apply the system at scale to all reports of randomized controlled trials indexed in MEDLINE, powering the automatic generation of evidence maps, which provide a global view of the efficacy of different interventions combining data from all relevant clinical trials on a topic. We make all code and models freely available alongside a demonstration of the web interface.
• Abstract（参考訳）: 臨床試験レポートのリビングデータベースであるtrialstreamerを紹介する。 ここでは, バイオメディカルから抽出したエビデンス抽出成分について概説し, 文献評価において臨床医が必要とする重要な情報を抽出し, それらの関係について述べる。 具体的には、治験参加者の記述、各腕における治療の比較(介入)、どの結果が測定されたかを抽出する。 このシステムは、どの介入が最善であると報告されたかを、特定された試行結果指標との関係を判断することで推測しようとする。 個々の試行を要約することに加えて、抽出されたデータ要素は、同じトピックに関する多くの試行で結果の自動合成を可能にする。 本研究は,medlineで索引づけされた無作為化試験の報告すべてに大規模システムを適用し,エビデンスマップの自動生成を可能にし,関連するすべての臨床試験のデータを組み合わせたさまざまな介入の有効性をグローバルに把握する。 すべてのコードとモデルをWebインターフェースのデモと一緒に自由に利用できます。

関連論文リスト

• Multi-task Explainable Skin Lesion Classification [54.76511683427566]
  少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。 提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
  論文  参考訳（メタデータ） (2023-10-11T05:49:47Z)
• Jointly Extracting Interventions, Outcomes, and Findings from RCT Reports with LLMs [21.868871974136884]
  本研究では,命令調整型大規模言語モデルに基づくテキスト・テキスト・モデルの提案と評価を行う。 我々は,2022年中頃に公開されたRCTのコレクションにモデルを適用し,構造化された結果の検索可能なデータベースをリリースする。
  論文  参考訳（メタデータ） (2023-05-05T16:02:06Z)
• SPOT: Sequential Predictive Modeling of Clinical Trial Outcome with Meta-Learning [67.8195828626489]
  臨床試験は薬物開発に不可欠であるが、時間を要する、費用がかかる、失敗する傾向がある。 本稿では,まず,複数ソースの臨床試験データを関連するトライアルトピックにクラスタリングするために,臨床トライアル結果の逐次予測mOdeling(SPOT)を提案する。 タスクとして各トライアルシーケンスを考慮して、メタ学習戦略を使用して、モデルが最小限のアップデートで新しいタスクに迅速に適応できるポイントを達成する。
  論文  参考訳（メタデータ） (2023-04-07T23:04:27Z)
• Development and validation of a natural language processing algorithm to pseudonymize documents in the context of a clinical data warehouse [53.797797404164946]
  この研究は、この領域でツールやリソースを共有する際に直面する困難を浮き彫りにしている。 臨床文献のコーパスを12種類に分類した。 私たちは、ディープラーニングモデルと手動ルールの結果をマージして、ハイブリッドシステムを構築します。
  論文  参考訳（メタデータ） (2023-03-23T17:17:46Z)
• Predicting Intervention Approval in Clinical Trials through Multi-Document Summarization [0.30458514384586405]
  臨床試験における介入の有効性を予測するための新しい手法を提案する。 本手法は,研究中の介入に関する文献から,複数の資料から情報的要約を生成することに依存している。
  論文  参考訳（メタデータ） (2022-04-01T08:45:39Z)
• Automated tabulation of clinical trial results: A joint entity and relation extraction approach with transformer-based language representations [5.825190876052148]
  本稿では,2つの言語処理タスク間で問題を分解し,エビデンス表の自動生成について検討する。 本稿では,実践成果を報告するRCT要約文の自動集計に着目する。 これらのモデルを訓練し、試験するために、6つの疾患領域から600近い結果文を含む新しいゴールドスタンダードコーパスが開発された。
  論文  参考訳（メタデータ） (2021-12-10T15:26:43Z)
• CREATe: Clinical Report Extraction and Annotation Technology [53.731999072534876]
  臨床症例報告は、特定の臨床症例の特異な側面を記述した記述である。 これらのレポートを注釈付け、インデックス付け、あるいはキュレートするエンドツーエンドシステムを開発する試みはない。 本稿では,新たな計算資源プラットフォームを提案し,臨床事例レポートの内容の抽出,索引付け,照会を行う。
  論文  参考訳（メタデータ） (2021-02-28T16:50:14Z)
• HINT: Hierarchical Interaction Network for Trial Outcome Prediction Leveraging Web Data [56.53715632642495]
  臨床試験は、有効性、安全性、または患者採用の問題により、不確実な結果に直面する。 本稿では,より一般的な臨床試験結果予測のための階層型Interaction Network(HINT)を提案する。
  論文  参考訳（メタデータ） (2021-02-08T15:09:07Z)
• Understanding Clinical Trial Reports: Extracting Medical Entities and Their Relations [33.30381080306156]
  医療専門家は、意思決定を知らせるために、手動で記事から情報を取り出す必要がある。 本研究は, (a) 臨床試験を記載した全文記事から治療結果と成果を抽出し, (b) 後者に関して, 前者に対して報告された結果の推測を行うことの両目的について考察する。
  論文  参考訳（メタデータ） (2020-10-07T17:50:58Z)
• Evidence Inference 2.0: More Data, Better Models [22.53884716373888]
  Evidence Inferenceデータセットは、この目的に向けた研究を促進するために最近リリースされた。 本稿では、エビデンス推論データセットを25%拡張するための追加アノテーションを収集する。 新しいベースラインと評価のための更新されたコーパス、ドキュメント、コードはhttp://evidence-inference.ebm-nlp.com/で公開されている。
  論文  参考訳（メタデータ） (2020-05-08T17:16:35Z)

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。