Fugu-MT 論文翻訳(概要): Forecasting Health and Wellbeing for Shift Workers Using Job-role Based Deep Neural Network

論文の概要: Forecasting Health and Wellbeing for Shift Workers Using Job-role Based Deep Neural Network

arxiv url: http://arxiv.org/abs/2106.12081v1
Date: Tue, 22 Jun 2021 22:13:17 GMT
ステータス: 処理完了
システム内更新日: 2021-06-24 15:18:41.290725
Title: Forecasting Health and Wellbeing for Shift Workers Using Job-role Based Deep Neural Network
Title（参考訳）: ジョブロール型深層ニューラルネットワークを用いたシフト作業者の健康・健康予測
Authors: Han Yu, Asami Itoh, Ryota Sakamoto, Motomu Shimaoka, Akane Sano
Abstract要約: 転勤看護婦や医師の生理的・行動的ウェアラブルセンサデータを分析した。我々は、翌日の自己報告型健康と幸福状態を予測するために、ジョブロールベースのマルチタスクとマルチラベルディープラーニングモデルを提案した。
参考スコア（独自算出の注目度）: 8.976669574400995
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Shift workers who are essential contributors to our society, face high risks of poor health and wellbeing. To help with their problems, we collected and analyzed physiological and behavioral wearable sensor data from shift working nurses and doctors, as well as their behavioral questionnaire data and their self-reported daily health and wellbeing labels, including alertness, happiness, energy, health, and stress. We found the similarities and differences between the responses of nurses and doctors. According to the differences in self-reported health and wellbeing labels between nurses and doctors, and the correlations among their labels, we proposed a job-role based multitask and multilabel deep learning model, where we modeled physiological and behavioral data for nurses and doctors simultaneously to predict participants' next day's multidimensional self-reported health and wellbeing status. Our model showed significantly better performances than baseline models and previous state-of-the-art models in the evaluations of binary/3-class classification and regression prediction tasks. We also found features related to heart rate, sleep, and work shift contributed to shift workers' health and wellbeing.
Abstract（参考訳）: 社会に不可欠な貢献者であるシフトワーカーは、健康と幸福のリスクが高い。これらの問題に対処するため、シフト看護婦や医師からの生理的・行動的ウェアラブルセンサーデータと、その行動アンケートデータと、アラート、幸福、エナジー、健康、ストレスなどの日常生活および健康に関するラベルを収集、分析した。看護師と医師の反応の類似点と相違点を見出した。看護婦と医師の自己申告健康と健康ラベルの差異と,そのラベル間の相関から,看護婦と医師の生理的・行動的データをモデル化し,翌日の多次元自己申告健康と健康状態を予測するジョブロール型多タスク・多ラベル深層学習モデルを提案した。提案モデルは,バイナリ/3クラス分類と回帰予測タスクの評価において,ベースラインモデルや最先端モデルよりも有意に優れた性能を示した。また、心拍数、睡眠、仕事のシフトに関連する特徴が、労働者の健康と健康の変化に寄与することを発見した。

関連論文リスト

MentalArena: Self-play Training of Language Models for Diagnosis and Treatment of Mental Health Disorders [59.515827458631975]
メンタルヘルス障害は世界で最も深刻な病気の1つである。プライバシーに関する懸念は、パーソナライズされた治療データのアクセシビリティを制限する。 MentalArenaは、言語モデルをトレーニングするためのセルフプレイフレームワークである。
論文参考訳（メタデータ） (2024-10-09T13:06:40Z)
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)
Developing a Robust Computable Phenotype Definition Workflow to Describe Health and Disease in Observational Health Research [0.6465251961564604]
健康情報学は患者の健康データに基づいて構築される。標準化は、疫学などの分野で使われる一般的な指標である人口統計を計算するために必要である。患者データを構造化・分析するための標準は存在するが、厳格に定義するための類似のベストプラクティスは存在しない。
論文参考訳（メタデータ） (2023-03-30T15:29:54Z)
Handwriting and Drawing for Depression Detection: A Preliminary Study [53.11777541341063]
精神健康に対する短期的コビデンスの影響は、不安や抑うつ症状の顕著な増加であった。本研究の目的は、健康な人とうつ病患者を識別するために、オンライン手書き・図面解析という新しいツールを使用することである。
論文参考訳（メタデータ） (2023-02-05T22:33:49Z)
Multi-task Learning for Personal Health Mention Detection on Social Media [70.23889100356091]
本研究では、マルチタスク学習フレームワークを用いて、利用可能な注釈付きデータを活用し、メインタスクのパフォーマンスを向上させる。我々は、感情検出を補助タスクとして利用することで、感情情報を対象タスクに組み込むことに重点を置いている。
論文参考訳（メタデータ） (2022-12-09T23:49:00Z)
Heterogeneous Hidden Markov Models for Sleep Activity Recognition from Multi-Source Passively Sensed Data [67.60224656603823]
精神科患者の受動的活動監視は、リアルタイムでの行動変化を検出するために不可欠である。睡眠行動認識は、患者の活動サイクルを表現する行動マーカーである。スマートフォンから受動的に検出されたデータは、患者の生体リズムに優れた代替手段である。
論文参考訳（メタデータ） (2022-11-08T17:29:40Z)
Bias Reducing Multitask Learning on Mental Health Prediction [18.32551434711739]
メンタルヘルスの検出や予測のための機械学習モデルの開発では、研究が増加している。本研究では,マルチタスク学習に基づくバイアス緩和手法を不安予測モデルに適用し,公平性分析を行うことを目的とする。分析の結果、我々の不安予測ベースモデルでは、年齢、収入、民族性、そして参加者が米国で生まれたかどうかに偏りが生じていた。
論文参考訳（メタデータ） (2022-08-07T02:28:32Z)
Interpretable machine learning for high-dimensional trajectories of aging health [0.0]
我々は、健康と生存の個人的高齢軌跡の計算モデルを構築した。身体的、機能的、生物学的な変数を含み、人口動態、生活様式、医学的背景情報に依存する。我々のモデルは大規模縦型データセットにスケーラブルであり、健康変数間の有向相互作用の解釈可能なネットワークを推定する。
論文参考訳（メタデータ） (2021-05-07T17:42:15Z)
BiteNet: Bidirectional Temporal Encoder Network to Predict Medical Outcomes [53.163089893876645]
本稿では,患者の医療旅行におけるコンテキスト依存と時間的関係を捉える,新たな自己注意機構を提案する。エンド・ツー・エンドの双方向時間エンコーダネットワーク(BiteNet)が患者の旅路の表現を学習する。実世界のEHRデータセットを用いた2つの教師付き予測と2つの教師なしクラスタリングタスクにおける手法の有効性を評価した。
論文参考訳（メタデータ） (2020-09-24T00:42:36Z)
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)
TILES-2018, a longitudinal physiologic and behavioral data set of hospital workers [39.23595343167787]
病院の職場における臨床提供者から収集した生理的・行動的データの経時的多モーダルコーパスについて報告する。本研究は,作業性能や対人インタラクション,幸福感など,個人固有の構成要素を理解するために,市販のウェアラブルおよび環境センサを用いた研究を設計した。データセットの既定使用に加えて、マルチモーダルおよびマルチタスクの振る舞いモデリング、バイオメトリックスによる認証、プライバシ認識およびプライバシ保護機械学習など、いくつかの新しい研究機会と潜在的な応用を想定しています。
論文参考訳（メタデータ） (2020-03-18T21:07:16Z)

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。