論文の概要: COVID-19 Tests Gone Rogue: Privacy, Efficacy, Mismanagement and Misunderstandings

• arxiv url: http://arxiv.org/abs/2101.01693v3
• Date: Fri, 7 May 2021 14:25:18 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-17 19:48:18.990550
• Title: COVID-19 Tests Gone Rogue: Privacy, Efficacy, Mismanagement and Misunderstandings
• Title（参考訳）: 新型コロナウイルスの検査結果:プライバシー、効力性、ミス管理、誤解
• Authors: Manuel Morales, Rachel Barbar, Darshan Gandhi, Sanskruti Landage, Joseph Bae, Arpita Vats, Jil Kothari, Sheshank Shankar, Rohan Sukumaran, Himi Mathur, Krutika Misra, Aishwarya Saxena, Parth Patwa, Sethuraman T. V., Maurizio Arseni, Shailesh Advani, Kasia Jakimowicz, Sunaina Anand, Priyanshi Katiyar, Ashley Mehra, Rohan Iyer, Srinidhi Murali, Aryan Mahindra, Mikhail Dmitrienko, Saurish Srivastava, Ananya Gangavarapu, Steve Penrod, Vivek Sharma, Abhishek Singh and Ramesh Raskar
• Abstract要約: 新型コロナウイルス(COVID-19)検査の現状を概観し、4つの主要な課題を特定し、これらの課題に対処できない結果について論じる。 テストと情報伝達に関する現在のインフラストラクチャは、非常にプライバシーを侵害し、スケーラブルなデジタルコンポーネントを利用できない。
• 参考スコア（独自算出の注目度）: 8.154109462429988
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: COVID-19 testing, the cornerstone for effective screening and identification of COVID-19 cases, remains paramount as an intervention tool to curb the spread of COVID-19 both at local and national levels. However, the speed at which the pandemic struck and the response was rolled out, the widespread impact on healthcare infrastructure, the lack of sufficient preparation within the public health system, and the complexity of the crisis led to utter confusion among test-takers. Invasion of privacy remains a crucial concern. The user experience of test takers remains low. User friction affects user behavior and discourages participation in testing programs. Test efficacy has been overstated. Test results are poorly understood resulting in inappropriate follow-up recommendations. Herein, we review the current landscape of COVID-19 testing, identify four key challenges, and discuss the consequences of the failure to address these challenges. The current infrastructure around testing and information propagation is highly privacy-invasive and does not leverage scalable digital components. In this work, we discuss challenges complicating the existing covid-19 testing ecosystem and highlight the need to improve the testing experience for the user and reduce privacy invasions. Digital tools will play a critical role in resolving these challenges.
• Abstract（参考訳）: 新型コロナウイルス(covid-19)の感染者を効果的にスクリーニングし、特定するための基礎となるcovid-19検査は、地域レベルと全国レベルの両方でのcovid-19の感染を抑制するための介入ツールとして、依然として最重要視されている。 しかし、パンデミック発生の速さと対応の展開、医療インフラへの広範な影響、公衆衛生システムにおける十分な準備の欠如、危機の複雑化により、受験者の間で混乱が生じている。 プライバシーの侵害は依然として重要な問題だ。 テストテイクのユーザエクスペリエンスは低いままである。 ユーザの摩擦はユーザの行動に影響を与え、テストプログラムへの参加を妨げます。 テストの有効性は誇張されている。 テスト結果の理解が不十分なため、フォローアップの推奨が不適切になる。 ここでは,covid-19テストの現状を振り返り,4つの重要な課題を特定し,これらの課題への対処に失敗した結果について議論する。 テストと情報伝達に関する現在のインフラストラクチャは、非常にプライバシーを侵害し、スケーラブルなデジタルコンポーネントを利用できない。 本研究では,既存のcovid-19テストエコシステムを複雑化する課題について議論し,ユーザのテストエクスペリエンスの向上とプライバシ侵害の低減の必要性を強調する。 デジタルツールはこれらの課題を解決する上で重要な役割を果たします。

関連論文リスト

• Engaging Developers in Exploratory Unit Testing through Gamification [11.077232808482128]
  我々は、Gamekinsシステムによって生成される課題とクエストを示し、テストをより魅力的でシームレスに、通常のコーディングタスクとブレンドできるようにします。 60分間の実験では、Gamekinsがテストスイートの品質とバグ検出に与える影響を評価した。 その結果、参加者は積極的にツールと対話し、90%近いラインカバレッジを達成し、14のバグのうち11が検出された。
  論文  参考訳（メタデータ） (2024-08-09T08:00:41Z)
• TrialBench: Multi-Modal Artificial Intelligence-Ready Clinical Trial Datasets [57.067409211231244]
  本稿では,マルチモーダルデータ(例えば,薬物分子,疾患コード,テキスト,分類・数値的特徴)と臨床治験設計における8つの重要な予測課題をカバーするAIreadyデータセットを精巧にキュレートした。 データセットのユーザビリティと信頼性を確保するため、各タスクに基本的な検証方法を提供する。 このようなオープンアクセスデータセットが利用可能になることは、臨床試験設計のための高度なAIアプローチの開発を促進することを期待する。
  論文  参考訳（メタデータ） (2024-06-30T09:13:10Z)
• COVID-Net USPro: An Open-Source Explainable Few-Shot Deep Prototypical Network to Monitor and Detect COVID-19 Infection from Point-of-Care Ultrasound Images [66.63200823918429]
  COVID-Net USProは、最小限の超音波画像から高精度で新型コロナウイルス陽性の患者を監視し、検出する。 ネットワーク全体では99.65%の精度、99.7%のリコール、99.67%の精度で5発の撮影で訓練された。
  論文  参考訳（メタデータ） (2023-01-04T16:05:51Z)
• When Accuracy Meets Privacy: Two-Stage Federated Transfer Learning Framework in Classification of Medical Images on Limited Data: A COVID-19 Case Study [77.34726150561087]
  新型コロナウイルスのパンデミックが急速に広がり、世界の医療資源が不足している。 CNNは医療画像の解析に広く利用され、検証されている。
  論文  参考訳（メタデータ） (2022-03-24T02:09:41Z)
• Reducing Risk and Uncertainty of Deep Neural Networks on Diagnosing COVID-19 Infection [1.3701366534590498]
  本研究は,専門家参照の混乱事例を検出するために不確実性推定を導入する。 医療専門家との協働により, 臨床実践における最善の実施方法の実現可能性を確保するために, 結果をさらに検証する。
  論文  参考訳（メタデータ） (2021-04-28T21:36:25Z)
• 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)
• Digital Landscape of COVID-19 Testing: Challenges and Opportunities [8.445546861208243]
  現在新型コロナウイルス(COVID-19)検査に使われているデジタル技術には、特定のモバイルアプリ、Webダッシュボード、オンライン自己評価ツールなどがある。 これらのツールを使用して経験した課題を、情報の品質、プライバシ、ユーザ中心の問題の観点から要約する。
  論文  参考訳（メタデータ） (2020-12-03T09:01:51Z)
• A Partially Observable MDP Approach for Sequential Testing for Infectious Diseases such as COVID-19 [29.84897273754802]
  本研究では,制約付き逐次学習に基づく資源配分問題として,テスト問題をキャストできることを示す。 そして、感染した個体数を最小化する効率的な学習戦略を開発する。
  論文  参考訳（メタデータ） (2020-07-25T22:13:37Z)
• Challenges in Combating COVID-19 Infodemic -- Data, Tools, and Ethics [36.203933386216534]
  我々は、研究者や実践者が本能的に貢献と支援を望んでいる新型コロナウイルスのインフォデミックとの戦いにおいて、3つの重要な課題を提示する。 これら3つの課題が,集団知恵やクラウドソーシング,共同研究によって効果的に対処できることを実証する。
  論文  参考訳（メタデータ） (2020-05-27T22:41:02Z)
• Noisy Adaptive Group Testing using Bayesian Sequential Experimental Design [63.48989885374238]
  病気の感染頻度が低い場合、Dorfman氏は80年前に、人のテストグループは個人でテストするよりも効率が良いことを示した。 本研究の目的は,ノイズの多い環境で動作可能な新しいグループテストアルゴリズムを提案することである。
  論文  参考訳（メタデータ） (2020-04-26T23:41:33Z)
• A Study of Knowledge Sharing related to Covid-19 Pandemic in Stack Overflow [69.5231754305538]
  主に2020年2月と3月に投稿された464のStack Overflowに関する質問と、テキストマイニングの力を活用した調査。 事実、この世界的な危機はStack Overflowにおける活動の激化を招き、ほとんどのトピックは、Covid-19データ分析に対する強い関心を反映している。
  論文  参考訳（メタデータ） (2020-04-18T08:19:46Z)

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。