論文の概要: Social determinants of health in the era of artificial intelligence with
electronic health records: A systematic review
- arxiv url: http://arxiv.org/abs/2102.04216v1
- Date: Fri, 22 Jan 2021 09:03:39 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-20 17:19:18.302202
- Title: Social determinants of health in the era of artificial intelligence with
electronic health records: A systematic review
- Title（参考訳）: 電子健康記録を用いた人工知能時代の健康の社会的決定要因:体系的レビュー
- Authors: Anusha Bompelli, Yanshan Wang, Ruyuan Wan, Esha Singh, Yuqi Zhou, Lin
Xu, David Oniani, Bhavani Singh Agnikula Kshatriya, Joyce (Joy) E.
Balls-Berry, and Rui Zhang
- Abstract要約: 電子健康記録(EHR)から健康の社会的決定要因(SDOH)情報を最大限に活用する方法はまだ研究されていません。
2010年から2020年にかけて、文献から合計1250の論文が抽出され、74の論文がこのレビューに含まれた。
本稿では,EHRのSDOHの現在の動向,課題,今後の方向性について論じる。
- 参考スコア（独自算出の注目度）: 12.944415086215708
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: There is growing evidence showing the significant role of social determinant
of health (SDOH) on a wide variety of health outcomes. In the era of artificial
intelligence (AI), electronic health records (EHRs) have been widely used to
conduct observational studies. However, how to make the best of SDOH
information from EHRs is yet to be studied. In this paper, we systematically
reviewed recently published papers and provided a methodology review of AI
methods using the SDOH information in EHR data. A total of 1250 articles were
retrieved from the literature between 2010 and 2020, and 74 papers were
included in this review after abstract and full-text screening. We summarized
these papers in terms of general characteristics (including publication years,
venues, countries etc.), SDOH types, disease areas, study outcomes, AI methods
to extract SDOH from EHRs and AI methods using SDOH for healthcare outcomes.
Finally, we conclude this paper with discussion on the current trends,
challenges, and future directions on using SDOH from EHRs.
- Abstract（参考訳）: 健康の社会的決定因子(SDOH)が様々な健康結果に重要な役割を果たすことを示す証拠が増えている。
人工知能(AI)の時代には、電子健康記録(EHR)が観察研究に広く用いられてきた。
しかし、EHRからSDOH情報を最大限に活用する方法はまだ研究されていない。
本稿では、最近発表された論文を体系的にレビューし、EHRデータにおけるSDOH情報を用いたAI手法の方法論的レビューを行った。
2010年から2020年にかけて、文献から合計1250の論文が抽出され、74の論文が要約と全文スクリーニングの後にこのレビューに含まれた。
我々は,これらの論文を,出版年,会場,国など,一般的な特徴の観点から要約した。
) SDOHタイプ, 疾患領域, 研究成果, EHRからSDOHを抽出するAIメソッド, 医療結果にSDOHを用いたAIメソッド。
最後に,EHRからSDOHを使用する際の現在の傾向,課題,今後の方向性について論じる。
関連論文リスト
- A survey of recent methods for addressing AI fairness and bias in
biomedicine [48.46929081146017]
人工知能システムは、人種や性別に基づくような社会的不平等を永続するか、偏見を示すことができる。
バイオメディカル自然言語処理 (NLP) やコンピュータビジョン (CV) の分野での様々な脱バイアス法に関する最近の論文を調査した。
我々は,2018年1月から2023年12月にかけて,複数のキーワードの組み合わせを用いて,PubMed,ACMデジタルライブラリ,IEEE Xploreに関する文献検索を行った。
バイオメディシンに応用可能な一般領域からの他の方法について検討し, バイアスに対処し, 公平性を向上する方法について検討した。
論文 参考訳（メタデータ） (2024-02-13T06:38:46Z) - Recent Advances in Predictive Modeling with Electronic Health Records [71.19967863320647]
EHRデータを予測モデリングに利用すると、その特徴からいくつかの課題が生じる。
深層学習は、医療を含む様々な応用においてその優位性を示している。
論文 参考訳（メタデータ） (2024-02-02T00:31:01Z) - De-identification of clinical free text using natural language
processing: A systematic review of current approaches [48.343430343213896]
自然言語処理は、その非識別プロセスの自動化の可能性を繰り返し示してきた。
本研究の目的は,過去13年間に臨床自由テキストの非識別化が進展したことを示す体系的な証拠を提供することである。
論文 参考訳（メタデータ） (2023-11-28T13:20:41Z) - Question Answering for Electronic Health Records: A Scoping Review of
datasets and models [7.759719313292494]
患者関連データに関する質問回答システム(QA)は、臨床医と患者の両方を支援することができる。
患者データはElectronic Health Records(EHRs)に保存される。
本研究は, EHRに対するQAに関する既存研究の方法論的検討を目的としたものである。
論文 参考訳（メタデータ） (2023-10-12T22:56:53Z) - Evaluating the Impact of Social Determinants on Health Prediction in the
Intensive Care Unit [10.764842579064636]
健康の社会的決定因子(SDOH)は、人の健康と幸福に重要な役割を果たす。
電子健康記録に基づくリスク予測モデルの多くは、包括的なSDOH機能群を含まない。
我々の研究は、公開のEHRデータベースMIMIC-IVをドキュメント化されたSDOH機能にリンクしています。
論文 参考訳（メタデータ） (2023-05-22T01:27:51Z) - Leveraging Natural Language Processing to Augment Structured Social
Determinants of Health Data in the Electronic Health Record [1.7812428873698403]
健康の社会的決定因子(SDOH)は健康に影響を及ぼす。
臨床ノートにはより包括的なSDOH情報が含まれていることが多い。
我々は,ディープラーニングエンティティと関係抽出アーキテクチャを用いた新しいSDOH抽出器を開発した。
論文 参考訳（メタデータ） (2022-12-14T22:51:49Z) - The Role of AI in Drug Discovery: Challenges, Opportunities, and
Strategies [97.5153823429076]
この分野でのAIのメリット、課題、欠点についてレビューする。
データ拡張、説明可能なAIの使用、従来の実験手法とAIの統合についても論じている。
論文 参考訳（メタデータ） (2022-12-08T23:23:39Z) - An Analysis of a BERT Deep Learning Strategy on a Technology Assisted
Review Task [91.3755431537592]
文書検診はEvidenced Based Medicineにおける中心的な課題である。
本稿では,BERT や PubMedBERT を組み込んだ DL 文書分類手法と DL 類似性検索経路を提案する。
2017年と2018年のCLEF eHealth コレクションにおいて,私の DL 戦略の検索の有効性を検証し,評価した。
論文 参考訳（メタデータ） (2021-04-16T19:45:27Z) - Digital personal health libraries: a systematic literature review [15.392783869176778]
本稿では,デジタル・パーソナル・ヘルス・ライブラリ(PHL)の開発に関する最近の文献について述べる。
多様な臨床専門分野における消費者健康情報学の潜在的な応用に関する洞察を提供する。
論文 参考訳（メタデータ） (2020-06-21T01:11:38Z) - Opportunities and Challenges of Deep Learning Methods for
Electrocardiogram Data: A Systematic Review [62.490310870300746]
心電図(Electrocardiogram、ECG)は、医学および医療において最も一般的に用いられる診断ツールの1つである。
深層学習法は心電図信号を用いた予測医療タスクにおいて有望な結果を得た。
本稿では、モデリングとアプリケーションの観点から、ECGデータに対するディープラーニング手法の体系的なレビューを行う。
論文 参考訳（メタデータ） (2019-12-28T02:44:29Z)
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。