論文の概要: Whether the Health Care Practices For the Patients With Comorbidities
Have Changed After the Outbreak of COVID-19; Big Data Public Sentiment
Analysis
- arxiv url: http://arxiv.org/abs/2104.12559v1
- Date: Tue, 20 Apr 2021 04:51:33 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-03 02:21:08.324930
- Title: Whether the Health Care Practices For the Patients With Comorbidities
Have Changed After the Outbreak of COVID-19; Big Data Public Sentiment
Analysis
- Title（参考訳）: 新型コロナウイルス(covid-19)の流行後、同義者の医療慣行が変化したか : ビッグデータ公開感情分析
- Authors: Bilal Ahmad, Sun Jun
- Abstract要約: われわれはTwitterから60万件以上の関連ツイートを集め、世界中のがん患者の感情を分析した。
その結果、正のツイートの極性範囲は0から0.5の範囲内であることが判明した。
これは、がん患者の定期的な管理を組織化するためのより良い決断を、医療専門家に促すかもしれない。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: After the pandemic of SARS-CoV-2, it has influenced the health care practices
around the world. Initial investigations indicate that patients with
comorbidities are more fragile to this SARS-CoV-2 infection. They suggested
postponing the routine treatment of cancer patients. However, few meta-analyses
suggested evidences are not sufficient to hold the claim of the frailty of
cancer patients to COVID-19, and they are not in favour of shelving the
scheduled procedures. There are recent studies in which medical professionals,
according to their competence, are referring to change the routine practices on
how to manage the applicable therapeutic resources judiciously to combat this
vital infection. This is a different study that reveals the cancer patients'
viewpoint about how health care practices have been changed in their opinion
during this pandemic year? Are they satisfied with their treatment or not? To
serve the purpose, we gathered more than 60000 relevant tweets from Twitter to
analyse the sentiment of cancer patients around the world. Our findings
demonstrate that there is a surge in argument about cancer and its treatment
after the outbreak of COVID-19. Most of the tweets are reasonable (52.6%)
compared to the negative ones (24.3). We developed polarity and subjectivity
distribution to better recognise the positivity/negativity in the sentiment.
Results reveal that the polarity range of positive tweets is within the range
of 0 to 0.5. Which means the tendency in the tweets is not so much positive but
surely not negative. It is a piece of modest statistical evidence in support of
how natural language processing (NLP) can be accepted to better understand the
patient's behaviour in real-time, and it may facilitate the medical
professional to make better decision to organise the routine management of
cancer patients.
- Abstract（参考訳）: SARS-CoV-2のパンデミックの後、世界中の医療実践に影響を及ぼした。
初期の調査では、このSARS-CoV-2感染より合併症のある患者の方が脆弱であることが示されている。
彼らはがん患者の定期治療の延期を提案した。
しかし、一部のメタアナリシスは、がん患者のcovid-19への弱体性の主張を維持するには十分な証拠がないと示唆しており、それらは予定された手続きを棚上げすることを望んでいない。
近年では、医療従事者が、この重要な感染症に対処するために、適用可能な治療資源の管理方法を変えることを指している研究がある。
本研究は, がん患者が今年のパンデミックで, 医療慣行がどう変化したかという視点を明らかにする別の研究である。
彼らは治療に満足していますか?
目的を達成するために、世界中のがん患者の感情を分析するために、twitterから60000以上の関連ツイートを集めました。
以上の結果から,covid-19流行後のがんとその治療に関する議論が急増していることが判明した。
ほとんどのツイート(52.6%)は、否定的なツイート(24.3)と比べて妥当である。
我々は,感情の肯定性/否定性をよりよく認識するために,極性と主観性分布を開発した。
その結果,ポジティブツイートの極性範囲は0～0.5の範囲内であることが判明した。
つまり、ツイートの傾向はそれほどポジティブではないが、確実にネガティブではない。
これは、自然言語処理(nlp)が患者の行動をリアルタイムでよりよく理解するためにどのように受け入れられるかを裏付ける控えめな統計証拠であり、がん患者の日常的な管理を組織するためのより良い判断を医療専門家に促す可能性がある。
関連論文リスト
- Cancer-Net BCa-S: Breast Cancer Grade Prediction using Volumetric Deep
Radiomic Features from Synthetic Correlated Diffusion Imaging [82.74877848011798]
乳がんの流行は成長を続けており、2023年には米国で約30万人の女性に影響を及ぼした。
金標準のScarff-Bloom-Richardson(SBR)グレードは、化学療法に対する患者の反応を一貫して示すことが示されている。
本稿では,合成相関拡散(CDI$s$)画像を用いた乳がん鑑定における深層学習の有効性について検討する。
論文 参考訳（メタデータ） (2023-04-12T15:08:34Z) - Doctors vs. Nurses: Understanding the Great Divide in Vaccine Hesitancy
among Healthcare Workers [64.1526243118151]
医者は新型コロナウイルスワクチンに対して全体的に陽性であることがわかりました。
医師は新型ワクチンよりもワクチンの有効性を懸念している。
看護婦は子供に対する潜在的な副作用にもっと注意を払う。
論文 参考訳（メタデータ） (2022-09-11T14:22:16Z) - Deep Learning-Based Sentiment Analysis of COVID-19 Vaccination Responses
from Twitter Data [2.6256839599007273]
この研究は、新型コロナウイルスワクチンに関する世論の理解を助け、われわれの美しい世界からコロナウイルスを根絶する目的に影響を及ぼすだろう。
ソーシャルメディアは、現在感情や感情を表現する最良の方法であり、その助けを借りて、特にTwitterは、トレンドと人々の心の中で何が起きているのかをよりよく理解することができる。
論文 参考訳（メタデータ） (2022-08-26T18:07:37Z) - American Twitter Users Revealed Social Determinants-related Oral Health
Disparities amid the COVID-19 Pandemic [72.44305630014534]
新型コロナウイルス(COVID-19)パンデミックの期間中に、26州で9,104人のTwitterユーザーから、口腔の健康関連ツイートを収集しました。
女性や若年者(19-29)は口腔の健康問題について話す傾向が強い。
新型コロナウイルス(COVID-19)のリスクが高い郡の人々は、歯の腐敗や歯の出血、歯の破折について語っています。
論文 参考訳（メタデータ） (2021-09-16T01:10:06Z) - COVID-19 Vaccine and Social Media: Exploring Emotions and Discussions on
Twitter [9.834635805575582]
新型コロナウイルスワクチンに対する公衆の反応は、新型コロナウイルスのパンデミックを抑える上で重要な成功要因だ。
伝統的な調査は高価で時間を要するもので、限られた健康問題に対処し、小規模なデータを取得する。
本研究では,多数のつぶやきを収集・解析するために,計算的および人為的符号化手法を用いた手法を提案する。
論文 参考訳（メタデータ） (2021-07-29T17:31:11Z) - COVID-19 Outbreak Prediction and Analysis using Self Reported Symptoms [12.864257751458712]
新型コロナウイルスの流行状況を把握するために、自己報告型症状調査データを用いています。
本研究は、自己申告された症状に基づいて、新型コロナウイルス陽性の集団の確率%を予測しようと試みた。
人口の%がcovid-19ライクな疾患(cli)を患っており、それぞれ0.15%と1.14%が絶対エラーであった。
論文 参考訳（メタデータ） (2020-12-21T00:37:24Z) - An early prediction of covid-19 associated hospitalization surge using
deep learning approach [3.0092635615052385]
本研究は,4つの繰り返しニューラルネットワークを用いて,次の週の入院率の変化を推定することを提案する。
その結果, 注意を伴うシーケンス・ツー・シークエンス・モデルの精度は0.938, AUCは0.850であった。
論文 参考訳（メタデータ） (2020-09-17T06:26:50Z) - Integrative Analysis for COVID-19 Patient Outcome Prediction [53.11258640541513]
我々は、集中治療室入院の必要性を予測するために、人口統計、バイタルサイン、実験室の所見から、肺不透明度の放射能と非画像の特徴を組み合わせる。
また, 地域性肺炎を含む他の肺疾患にも適用できるが, 地域性肺炎に限らない。
論文 参考訳（メタデータ） (2020-07-20T19:08:50Z) - CovidCare: Transferring Knowledge from Existing EMR to Emerging Epidemic
for Interpretable Prognosis [20.701122594508675]
新興感染症患者の予後を高めるための深層学習型アプローチであるCovidCareを提案する。
CovidCareは、トランスファーラーニングを通じて、大量の既存のEMRデータに基づいて、新型コロナウイルス関連の医療機能を組み込むことを学ぶ。
実際のCOVID-19データセット上で、患者に対する滞在予測実験の期間を延ばす。
論文 参考訳（メタデータ） (2020-07-17T09:20:56Z) - Remote health monitoring and diagnosis in the time of COVID-19 [51.01158603315544]
コロナウイルス(COVID-19)は重症急性呼吸器症候群ウイルス(SARS-CoV-2)によって引き起こされる
パンデミックは、遠隔医療サービスを提供するための新しいルートを革新し、拡張し、創り出すインセンティブを駆り立ててきた。
論文 参考訳（メタデータ） (2020-05-18T08:54:38Z) - COVID-DA: Deep Domain Adaptation from Typical Pneumonia to COVID-19 [92.4955073477381]
新型コロナウイルス感染症(COVID-19)の流行はすでに何百万人もの人々に感染しており、今でも世界中で急速に拡大している。
近年,ディープラーニングを効果的なコンピュータ支援手法として利用し,診断効率を向上している。
本稿では,新たな深部ドメイン適応手法,すなわちCOVID-DAを提案する。
論文 参考訳（メタデータ） (2020-04-30T03:13:40Z)
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。