論文の概要: Understanding Reflection Needs for Personal Health Data in Diabetes
- arxiv url: http://arxiv.org/abs/2007.12761v1
- Date: Fri, 24 Jul 2020 20:29:33 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-08 08:20:10.133605
- Title: Understanding Reflection Needs for Personal Health Data in Diabetes
- Title（参考訳）: 糖尿病患者の健康データに対するリフレクションニーズの理解
- Authors: Temiloluwa Prioleau, Ashutosh Sabharwal, Madhuri M. Vasudevan
- Abstract要約: 患者,介護者,臨床医を対象に,現在のアプローチのギャップを理解するために2段階のユーザスタディを行った。
結果は、ユーザが特定の要約メトリクス、認知活動を最小限にするソリューション、データ統合を可能にするソリューションを欲しがっていることを示している。
- 参考スコア（独自算出の注目度）: 13.69476235657677
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: To empower users of wearable medical devices, it is important to enable
methods that facilitate reflection on previous care to improve future outcomes.
In this work, we conducted a two-phase user-study involving patients,
caregivers, and clinicians to understand gaps in current approaches that
support reflection and user needs for new solutions. Our results show that
users desire to have specific summarization metrics, solutions that minimize
cognitive effort, and solutions that enable data integration to support
meaningful reflection on diabetes management. In addition, we developed and
evaluated a visualization called PixelGrid that presents key metrics in a
matrix-based plot. Majority of users (84%) found the matrix-based approach to
be useful for identifying salient patterns related to certain times and days in
blood glucose data. Through our evaluation we identified that users desire data
visualization solutions with complementary textual descriptors, concise and
flexible presentation, contextually-fitting content, and informative and
actionable insights. Directions for future research on tools that automate
pattern discovery, detect abnormalities, and provide recommendations to improve
care were also identified.
- Abstract（参考訳）: ウェアラブル医療機器のユーザを力づけるためには、以前のケアのリフレクションを容易にし、今後の成果を改善する方法が重要である。
本研究では,患者,介護者,臨床医による2段階のユーザスタディを行い,リフレクションと新しいソリューションに対するユーザニーズをサポートする現在のアプローチのギャップを理解する。
以上の結果から,ユーザは特定の要約指標,認知的労力を最小限に抑えるためのソリューション,および糖尿病管理に有意義なリフレクションをサポートするためのデータ統合ソリューションを欲しがっていることが示された。
さらに,行列ベースのプロットに重要な指標を示すPixelGridという視覚化手法を開発し,評価した。
大部分のユーザー(84%)は、マトリックスベースのアプローチが、特定の時間と日ごとの血糖値データに関係したサルエントパターンを特定するのに有用であると考えた。
評価の結果,ユーザは補足的なテキスト記述子,簡潔で柔軟なプレゼンテーション,文脈に適合したコンテンツ,情報的かつ行動的な洞察を備えたデータ可視化ソリューションを希望することが分かった。
パターン発見を自動化し、異常を検出し、ケアを改善するためのレコメンデーションを提供するツールに関する今後の研究の方向性も明らかにした。
関連論文リスト
- Granularity Matters in Long-Tail Learning [62.30734737735273]
より粒度の細かいデータセットは、データの不均衡の影響を受けにくい傾向があります。
既存のクラスと視覚的に類似したオープンセット補助クラスを導入し、頭と尾の両方の表現学習を強化することを目的とした。
補助授業の圧倒的な存在がトレーニングを混乱させるのを防ぐために,近隣のサイレンシング障害を導入する。
論文 参考訳（メタデータ） (2024-10-21T13:06:21Z) - Unsupervised Model Diagnosis [49.36194740479798]
本稿では,ユーザガイドを使わずに,意味論的対実的説明を生成するために,Unsupervised Model Diagnosis (UMO)を提案する。
提案手法は意味論における変化を特定し可視化し,その変化を広範囲なテキストソースの属性と照合する。
論文 参考訳（メタデータ） (2024-10-08T17:59:03Z) - Exploring LLM-based Data Annotation Strategies for Medical Dialogue Preference Alignment [22.983780823136925]
本研究は、医療対話モデルを改善するために、AIフィードバック(RLAIF)技術を用いた強化学習(Reinforcement Learning)について検討する。
医療におけるRLAIF研究の主な課題は、自動評価手法の限界である。
標準化された患者診査に基づく新しい評価枠組みを提案する。
論文 参考訳（メタデータ） (2024-10-05T10:29:19Z) - From Classification to Clinical Insights: Towards Analyzing and Reasoning About Mobile and Behavioral Health Data With Large Language Models [21.427976533706737]
我々は,多センサデータから臨床的に有用な知見を合成するために,大規模言語モデルを活用する新しいアプローチを採っている。
うつ病や不安などの症状とデータの傾向がどのように関連しているかを,LSMを用いて推論する思考促進手法の連鎖を構築した。
GPT-4のようなモデルでは数値データの75%を正確に参照しており、臨床参加者は、この手法を用いて自己追跡データを解釈することへの強い関心を表明している。
論文 参考訳（メタデータ） (2023-11-21T23:53:27Z) - Leveraging Semi-Supervised Graph Learning for Enhanced Diabetic
Retinopathy Detection [0.0]
糖尿病網膜症(DR: Diabetic Retinopathy)は、早期発見と治療の急激な必要性を浮き彫りにしている。
機械学習(ML)技術の最近の進歩は、DR検出における将来性を示しているが、ラベル付きデータの可用性は、しばしばパフォーマンスを制限している。
本研究では,DR検出に適したSemi-Supervised Graph Learning SSGLアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-09-02T04:42:08Z) - Deep Learning and Computer Vision for Glaucoma Detection: A Review [0.8379286663107844]
緑内障は世界中で不可逆的な盲目の原因となっている。
コンピュータビジョンとディープラーニングの最近の進歩は、自動評価の可能性を示している。
眼底,光コヒーレンス断層撮影,視野画像を用いたAIによる緑内障の診断に関する最近の研究について調査した。
論文 参考訳（メタデータ） (2023-07-31T09:49:51Z) - Information-Theoretic Odometry Learning [83.36195426897768]
生体計測推定を目的とした学習動機付け手法のための統合情報理論フレームワークを提案する。
提案フレームワークは情報理論言語の性能評価と理解のためのエレガントなツールを提供する。
論文 参考訳（メタデータ） (2022-03-11T02:37:35Z) - Deep Co-Attention Network for Multi-View Subspace Learning [73.3450258002607]
マルチビューサブスペース学習のための深層コアテンションネットワークを提案する。
共通情報と相補情報の両方を敵意で抽出することを目的としている。
特に、新しいクロス再構成損失を使用し、ラベル情報を利用して潜在表現の構築を誘導する。
論文 参考訳（メタデータ） (2021-02-15T18:46:44Z) - Proactive Pseudo-Intervention: Causally Informed Contrastive Learning
For Interpretable Vision Models [103.64435911083432]
PPI(Proactive Pseudo-Intervention)と呼ばれる新しい対照的な学習戦略を提案する。
PPIは、因果関係のない画像の特徴を保護するために積極的に介入する。
また,重要な画像画素を識別するための,因果的に通知された新たなサリエンスマッピングモジュールを考案し,モデル解釈の容易性を示す。
論文 参考訳（メタデータ） (2020-12-06T20:30:26Z) - Understanding Failures of Deep Networks via Robust Feature Extraction [44.204907883776045]
本研究では,視覚的特徴を識別し,不在や不在がパフォーマンスの低下を招き,失敗を特徴づけ,説明することを目的とした手法を紹介し,検討する。
我々は、分離されたロバストモデルの表現を活用して、解釈可能な特徴を抽出し、これらの特徴を利用して障害モードを特定します。
論文 参考訳（メタデータ） (2020-12-03T08:33:29Z) - Explaining Clinical Decision Support Systems in Medical Imaging using
Cycle-Consistent Activation Maximization [112.2628296775395]
ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。
臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。
そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
論文 参考訳（メタデータ） (2020-10-09T14:39:27Z)
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。