論文の概要: 14 Years of Self-Tracking Technology for mHealth -- Literature Review:
Lessons Learnt and the PAST SELF Framework
- arxiv url: http://arxiv.org/abs/2104.11483v3
- Date: Fri, 29 Apr 2022 14:11:38 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-02 15:10:05.210346
- Title: 14 Years of Self-Tracking Technology for mHealth -- Literature Review:
Lessons Learnt and the PAST SELF Framework
- Title(参考訳): 健康管理のための14年間のセルフトラッキング技術 --文献レビュー:学びと過去の自己フレームワーク
- Authors: Sofia Yfantidou, Pavlos Sermpezis, Athena Vakali
- Abstract要約: mHealthと自己追跡技術の有効性の証拠は少ない。
人々の身体活動と健康への影響を評価するための標準化された方法はない。
- 参考スコア(独自算出の注目度): 4.31190520655287
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In today's connected society, many people rely on mHealth and self-tracking
(ST) technology to help them adopt healthier habits with a focus on breaking
their sedentary lifestyle and staying fit. However, there is scarce evidence of
such technological interventions' effectiveness, and there are no standardized
methods to evaluate their impact on people's physical activity (PA) and health.
This work aims to help ST practitioners and researchers by empowering them with
systematic guidelines and a framework for designing and evaluating
technological interventions to facilitate health behavior change (HBC) and user
engagement (UE), focusing on increasing PA and decreasing sedentariness. To
this end, we conduct a literature review of 129 papers between 2008 and 2022,
which identifies the core ST HCI design methods and their efficacy, as well as
the most comprehensive list to date of UE evaluation metrics for ST. Based on
the review's findings, we propose PAST SELF, a framework to guide the design
and evaluation of ST technology that has potential applications in industrial
and scientific settings. Finally, to facilitate researchers and practitioners,
we complement this paper with an open corpus and an online, adaptive
exploration tool for the PAST SELF data.
- Abstract(参考訳): 今日のコネクテッド・ソサエティでは、多くの人々がmhealth(mhealth and self-tracking, 自己追跡)技術を利用して、より健康的な習慣を身につけ、自給自足のライフスタイルを損なうことに集中している。
しかし、このような技術介入の有効性の証拠は乏しく、人々の身体活動や健康への影響を評価するための標準化された手法は存在しない。
本研究の目的は,ST実践者や研究者に対して,健康行動変化(HBC)とユーザエンゲージメント(UE)を促進するための技術介入を設計・評価する枠組みと,組織的ガイドラインを付与することで支援することである。
この目的のために,2008年から2022年までの129の論文の文献レビューを行い,ST HCIのコア設計手法とその有効性,およびSTのUE評価指標の最も包括的なリストを明らかにした。
最後に、研究者や実践者を支援するために、オープンコーパスとPAST SELFデータのためのオンライン適応探索ツールを用いて、本論文を補完する。
関連論文リスト
- Demystifying Large Language Models for Medicine: A Primer [50.83806796466396]
大規模言語モデル(LLM)は、医療のさまざまな側面に革命をもたらすことのできる、変革的なAIツールのクラスである。
本チュートリアルは、LSMを臨床実践に効果的に統合するために必要なツールを医療専門家に提供することを目的としている。
論文 参考訳(メタデータ) (2024-10-24T15:41:56Z) - SouLLMate: An Application Enhancing Diverse Mental Health Support with Adaptive LLMs, Prompt Engineering, and RAG Techniques [9.146311285410631]
メンタルヘルスの問題は個人の日常生活に大きな影響を及ぼすが、多くの人は利用可能なオンラインリソースでも必要な支援を受けていない。
この研究は、最先端のAI技術を通じて、多様な、アクセス可能な、スティグマのない、パーソナライズされた、リアルタイムのメンタルヘルスサポートを提供することを目的としている。
論文 参考訳(メタデータ) (2024-10-17T22:04:32Z) - SouLLMate: An Adaptive LLM-Driven System for Advanced Mental Health Support and Assessment, Based on a Systematic Application Survey [9.146311285410631]
メンタルヘルスの問題は個人の日常生活に大きな影響を及ぼすが、多くの人は利用可能なオンラインリソースでも必要な支援を受けていない。
この研究は、最先端のAI技術を通じて、アクセス可能で、スティグマフリーで、パーソナライズされ、リアルタイムなメンタルヘルスサポートを提供することを目的としている。
論文 参考訳(メタデータ) (2024-10-06T17:11:29Z) - Applying and Evaluating Large Language Models in Mental Health Care: A Scoping Review of Human-Assessed Generative Tasks [16.099253839889148]
大規模言語モデル(LLM)はメンタルヘルスのための有望なツールとして登場し、人間のような反応を生成する能力を通じてスケーラブルなサポートを提供する。
しかし, 臨床環境におけるこれらのモデルの有効性は明らかになっていない。
このスコーピングレビューは、これらのモデルが現実世界のシナリオで人間の参加者とテストされた研究に焦点を当てている。
論文 参考訳(メタデータ) (2024-08-21T02:21:59Z) - FUTURE-AI: International consensus guideline for trustworthy and deployable artificial intelligence in healthcare [73.78776682247187]
医療AIに関連する技術的、臨床的、倫理的、法的リスクに関する懸念が高まっている。
この研究は、Future-AIガイドラインを、医療における信頼できるAIツールの開発とデプロイを導くための最初の国際コンセンサスフレームワークとして説明している。
論文 参考訳(メタデータ) (2023-08-11T10:49:05Z) - A Survey on Computer Vision based Human Analysis in the COVID-19 Era [58.79053747159797]
新型コロナウイルスの出現は、社会全体だけでなく、個人の生活にも大きく影響している。
マスクやソーシャルディスタンシングの義務、公共空間での定期消毒、スクリーニングアプリケーションの使用など、さまざまな予防策が世界中で導入されている。
これらの発展は、(i)視覚データの自動解析による予防対策の支援、(ii)生体認証などの既存の視覚ベースのサービスの正常な操作を容易にする、新しいコンピュータビジョン技術の必要性を喚起した。
論文 参考訳(メタデータ) (2022-11-07T17:20:39Z) - MedPerf: Open Benchmarking Platform for Medical Artificial Intelligence
using Federated Evaluation [110.31526448744096]
この可能性を解き明かすには、大規模な異種データに対して医療AIモデルの性能を測定する体系的な方法が必要である、と私たちは主張する。
MedPerfは、医療分野で機械学習をベンチマークするためのオープンフレームワークです。
論文 参考訳(メタデータ) (2021-09-29T18:09:41Z) - Benefits, Challenges and Contributors to Success for National eHealth
Systems Implementation: A Scoping Review [3.441021278275805]
成功に影響を及ぼす主な要因は、システムの信頼の促進、ユーザ間の広く受け入れられること、法的要件によるシステムの整合性、適応可能な技術プラットフォームの確保である。
本研究は、eHealthシステム実装の成功に挑戦し、貢献する主要な社会技術的、法的、倫理的要因を明らかにする。
論文 参考訳(メタデータ) (2021-06-16T12:25:54Z) - Automated Lay Language Summarization of Biomedical Scientific Reviews [16.01452242066412]
健康リテラシーは適切な健康判断と治療結果の確保において重要な要素として浮上している。
医療用語とこのドメインの専門言語の複雑な構造は、健康情報を解釈するのが特に困難にします。
本稿では,生物医学的レビューの要約を自動生成する新しい課題について紹介する。
論文 参考訳(メタデータ) (2020-12-23T10:01:18Z) - MET: Multimodal Perception of Engagement for Telehealth [52.54282887530756]
ビデオから人間のエンゲージメントレベルを知覚する学習ベースアルゴリズムMETを提案する。
我々はメンタルヘルス患者のエンゲージメント検出のための新しいデータセットMEDICAをリリースした。
論文 参考訳(メタデータ) (2020-11-17T15:18:38Z) - Assessing the Severity of Health States based on Social Media Posts [62.52087340582502]
ユーザの健康状態の重症度を評価するために,テキストコンテンツとコンテキスト情報の両方をモデル化する多視点学習フレームワークを提案する。
多様なNLUビューは、ユーザの健康を評価するために、タスクと個々の疾患の両方に効果を示す。
論文 参考訳(メタデータ) (2020-09-21T03:45:14Z)
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。