論文の概要: Distributed Application of Guideline-Based Decision Support through
Mobile Devices: Implementation and Evaluation
- arxiv url: http://arxiv.org/abs/2102.11314v1
- Date: Mon, 22 Feb 2021 19:20:03 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-24 13:50:44.378829
- Title: Distributed Application of Guideline-Based Decision Support through
Mobile Devices: Implementation and Evaluation
- Title（参考訳）: モバイルデバイスによるガイドラインに基づく意思決定支援の分散適用:実装と評価
- Authors: Erez Shalom, Ayelet Goldstein, Elior Ariel, Moshe Sheinberger, Valerie
Jones, Boris Van Schooten, and Yuval Shahar
- Abstract要約: 本研究では,分散dssのための新しいアーキテクチャの実現可能性の設計,実装,実証を目的としている。
本研究では,中央DSSサーバから患者モバイルデバイス上のローカルDSSに,GL手続き知識に基づく証拠のごく一部を投影する,新規なプロジェクションおよびコールバック(PCB)モデルを設計し,実装した。
スペインにおけるGestational Diabetes Mellitus患者とイタリアにおけるAtrial Fibrillation患者を管理することにより,MobiGuide EUプロジェクトにおけるPCBモデルの評価に成功した。
- 参考スコア（独自算出の注目度）: 0.879504058268139
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Traditionally Guideline(GL)based Decision Support Systems (DSSs) use a
centralized infrastructure to generate recommendations to care providers.
However, managing patients at home is preferable, reducing costs and empowering
patients. We aimed to design, implement, and demonstrate the feasibility of a
new architecture for a distributed DSS that provides patients with
personalized, context-sensitive, evidence based guidance through their mobile
device, and increases the robustness of the distributed application of the GL,
while maintaining access to the patient longitudinal record and to an up to
date evidence based GL repository. We have designed and implemented a novel
projection and callback (PCB) model, in which small portions of the evidence
based GL procedural knowledge, adapted to the patient preferences and to their
current context, are projected from a central DSS server, to a local DSS on the
patient mobile device that applies that knowledge. When appropriate, as defined
by a temporal pattern within the projected plan, the local DSS calls back the
central DSS, requesting further assistance, possibly another projection. Thus,
the GL specification includes two levels: one for the central DSS, one for the
local DSS. We successfully evaluated the PCB model within the MobiGuide EU
project by managing Gestational Diabetes Mellitus patients in Spain, and Atrial
Fibrillation patients in Italy. Significant differences exist between the two
GL representations, suggesting additional ways to characterize GLs. Mean time
between the central and local interactions was quite different for the two GLs:
3.95 days for gestational diabetes, 23.80 days for atrial fibrillation. Most
interactions, 83%, were due to projections to the mDSS. Others were data
notifications, mostly to change context. Robustness was demonstrated through
successful recovery from multiple local DSS crashes.
- Abstract（参考訳）: 従来のガイドライン(GL)ベースの意思決定支援システム(DSS)は、中央集権型インフラストラクチャを使用してケアプロバイダーにレコメンデーションを生成します。
しかし、在宅患者の管理が望ましいため、コストを削減し、患者を力づける。
本研究の目的は,患者にパーソナライズされた,文脈に敏感なエビデンスベースのガイダンスをモバイルデバイスを通じて提供し,患者長手記録へのアクセスと最新のエビデンスベースのGLリポジトリへのアクセスを維持しつつ,GLの分散アプリケーションの堅牢性を高める分散DSSのための新しいアーキテクチャの設計,実装,実現可能性の実現である。
私たちは、患者の好みや現在の状況に適応した証拠ベースのGL手続き的知識のごく一部が、中央DSSサーバーから、その知識を適用する患者モバイルデバイス上のローカルDSSに投影される新しい投影およびコールバック(PCB)モデルを設計し、実装しました。
計画中の時間パターンによって適切に定義された場合、ローカルDSSは中央DSSを呼び戻し、さらなる支援を要求する。
したがって、GL仕様には2つのレベルがある: 1つは中央DSS、1つは局所DSSである。
スペインにおけるGestational Diabetes Mellitus患者とイタリアにおけるAtrial Fibrillation患者を管理することにより,MobiGuide EUプロジェクトにおけるPCBモデルの評価に成功した。
2つのGL表現の間には大きな違いがあり、GLを特徴付ける追加の方法が示唆されている。
中央と局所の相互作用の平均時間は2つのGLでかなり異なっていた:3.95日間の妊娠糖尿病、23.80日間の心房細動である。
ほとんどの相互作用は83%がmDSSへの投射によるものだった。
他にも、主にコンテキスト変更のためのデータ通知があった。
ロバスト性は、複数のローカルDSSクラッシュからの回復の成功によって実証された。
関連論文リスト
- Development of a Large Language Model-based Multi-Agent Clinical Decision Support System for Korean Triage and Acuity Scale (KTAS)-Based Triage and Treatment Planning in Emergency Departments [0.0]
本研究は, 患者トリアージ, 治療計画, 救急管理全般において, LLM駆動型CDSSを用いて, ED医師や看護師を支援することを目的とするものである。
このシステムは、Triage Nuurse、救急医、薬剤師、EDコーディネーターの4つのAIエージェントで構成されている。
トリアージアセスメントにはKTAS(Korea Triage and Acuity Scale)が組み込まれ、医薬品管理にはRxNorm APIが組み込まれている。
論文 参考訳（メタデータ） (2024-08-14T13:03:41Z) - Automatic Prediction of Amyotrophic Lateral Sclerosis Progression using Longitudinal Speech Transformer [56.17737749551133]
ニューラルネットワークを用いたALS病進行自動予測器であるALS長手音声変換器(ALST)を提案する。
録音における高品質な事前訓練音声特徴と長手情報を活用することで、最良のモデルが91.0%のAUCを達成できる。
ALSTはALS進行の細粒度で解釈可能な予測が可能で、特に稀な症例と重篤な症例の区別が可能である。
論文 参考訳（メタデータ） (2024-06-26T13:28:24Z) - Improving Multiple Sclerosis Lesion Segmentation Across Clinical Sites:
A Federated Learning Approach with Noise-Resilient Training [75.40980802817349]
深層学習モデルは、自動的にMS病変を分節する約束を示しているが、正確な注釈付きデータの不足は、この分野の進歩を妨げている。
我々は,MS病変の不均衡分布とファジィ境界を考慮したDecoupled Hard Label Correction(DHLC)戦略を導入する。
また,集約型中央モデルを利用したCELC(Centrally Enhanced Label Correction)戦略も導入した。
論文 参考訳（メタデータ） (2023-08-31T00:36:10Z) - Learning Personalized Brain Functional Connectivity of MDD Patients from
Multiple Sites via Federated Bayesian Networks [9.873532358701803]
我々は,複数のベイズネットワークの同時学習のための連合型共同推定器NOTEARS-PFLを提案する。
合成および実世界のマルチサイトRS-fMRIデータセットにおける提案手法の性能評価を行った。
論文 参考訳（メタデータ） (2023-01-06T08:58:06Z) - Agent with Tangent-based Formulation and Anatomical Perception for
Standard Plane Localization in 3D Ultrasound [56.7645826576439]
3D USにおけるSP自動位置決めのための新しい強化学習フレームワークを提案する。
まず、RLにおける接点に基づく問題として、3D USにおけるSP局所化を定式化し、作用空間を再構成する。
第2に、平面探索における非SPとSPの交差する微妙な違いを認識するモデルの能力を高めるための補助的タスク学習戦略を設計する。
論文 参考訳（メタデータ） (2022-07-01T14:53:27Z) - Subgroup discovery of Parkinson's Disease by utilizing a multi-modal
smart device system [63.20765930558542]
われわれはスマートウォッチとスマートフォンを使って、PD患者、DD、HCを含む504人の参加者のマルチモーダルデータを収集した。
様々なモダリティを組み合わせることで,分類精度が向上し,さらにPDクラスタが発見された。
論文 参考訳（メタデータ） (2022-05-12T08:59:57Z) - An Activity Recognition Framework for Continuous Monitoring of
Non-Steady-State Locomotion of Individuals with Parkinson's Disease [0.9137554315375922]
ユーザに依存しない, ユーザに依存しないトレーニングパラダイムを用いて, 様々な下/上/上/下/上からの加速度情報およびジャイロスコープ情報の性能を検証した。
LSTMを用いて、主観非依存トレーニングにおける情報のサブセット(例えば足のデータ)でさえ、F1スコア > 0.8 を提供するように見えた。
論文 参考訳（メタデータ） (2021-10-08T20:35:45Z) - TOHAN: A One-step Approach towards Few-shot Hypothesis Adaptation [73.75784418508033]
少数ショットドメイン適応(FDA)では、ターゲットドメインの分類器は、ソースドメイン(SD)内のラベル付きデータとターゲットドメイン(TD)内のラベル付きデータとで訓練される。
データは通常、現在の時代の個人情報(例えば、携帯電話に分散されたデータ)を含んでいる。
本稿では,その問題を解決するために,目標指向仮説適応ネットワーク(TOHAN)を提案する。
論文 参考訳（メタデータ） (2021-06-11T11:46:20Z) - An ordinal CNN approach for the assessment of neurological damage in
Parkinson's disease patients [0.0]
3D画像スキャンはパーキンソン病(PD)患者の神経学的損傷を評価するツールである。
本稿では,PD患者の神経障害レベルを評価するための3次元CNNオーディナルモデルを提案する。
論文 参考訳（メタデータ） (2021-05-31T15:38:59Z) - Interpretable Deep Learning for the Remote Characterisation of
Ambulation in Multiple Sclerosis using Smartphones [3.5547766520356547]
スマートフォンの慣性センサデータに適用した深層畳み込みニューラルネットワーク (dcnn) は, 健常者とms群との区別が良好であった。
同様の大規模オープンソースデータセットからの転送学習(tl)モデルを提案した。
ブラックボックス」深層ネットワークの透明性の欠如は、臨床応用における深層学習の広く受け入れられる最大の障害の1つである。
論文 参考訳（メタデータ） (2021-03-16T16:15:49Z) - Adversarial Sample Enhanced Domain Adaptation: A Case Study on
Predictive Modeling with Electronic Health Records [57.75125067744978]
ドメイン適応を容易にするデータ拡張手法を提案する。
逆生成したサンプルはドメイン適応時に使用される。
その結果,本手法の有効性とタスクの一般性が確認された。
論文 参考訳（メタデータ） (2021-01-13T03:20:20Z)
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。