Fugu-MT 論文翻訳(概要): From Personalized Medicine to Population Health: A Survey of mHealth Sensing Techniques

論文の概要: From Personalized Medicine to Population Health: A Survey of mHealth Sensing Techniques

arxiv url: http://arxiv.org/abs/2107.00948v1
Date: Fri, 2 Jul 2021 10:16:21 GMT
ステータス: 処理完了
システム内更新日: 2021-07-05 21:51:55.134137
Title: From Personalized Medicine to Population Health: A Survey of mHealth Sensing Techniques
Title（参考訳）: パーソナライズ医療から人口健康へ:mヘルスセンシング技術に関する調査
Authors: Zhiyuan Wang, Haoyi Xiong, Jie Zhang, Sijia Yang, Mehdi Boukhechba, Laura E. Barnes, Daqing Zhang
Abstract要約: モバイルセンシングアプリは、個人から行動や健康に関する情報を収集するための実践的アプローチとして広く利用されている。モバイルセンシングアプリは、個人のためのemph(a)パーソナライズされた医療、または人口のためのemph(b)公衆衛生である。アプリケーション/システムを特定し分類できる2つの主要なコンポーネントを持つ新しい分類システムを提案する。
参考スコア（独自算出の注目度）: 22.64620575294969
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Mobile Sensing Apps have been widely used as a practical approach to collect behavioral and health-related information from individuals and provide timely intervention to promote health and well-beings, such as mental health and chronic cares. As the objectives of mobile sensing could be either \emph{(a) personalized medicine for individuals} or \emph{(b) public health for populations}, in this work we review the design of these mobile sensing apps, and propose to categorize the design of these apps/systems in two paradigms -- \emph{(i) Personal Sensing} and \emph{(ii) Crowd Sensing} paradigms. While both sensing paradigms might incorporate with common ubiquitous sensing technologies, such as wearable sensors, mobility monitoring, mobile data offloading, and/or cloud-based data analytics to collect and process sensing data from individuals, we present a novel taxonomy system with two major components that can specify and classify apps/systems from aspects of the life-cycle of mHealth Sensing: \emph{(1) Sensing Task Creation \& Participation}, \emph{(2) Health Surveillance \& Data Collection}, and \emph{(3) Data Analysis \& Knowledge Discovery}. With respect to different goals of the two paradigms, this work systematically reviews this field, and summarizes the design of typical apps/systems in the view of the configurations and interactions between these two components. In addition to summarization, the proposed taxonomy system also helps figure out the potential directions of mobile sensing for health from both personalized medicines and population health perspectives.
Abstract（参考訳）: モバイルセンシングアプリは、個人から行動や健康関連の情報を収集し、メンタルヘルスや慢性ケアのような健康や健康を促進するためのタイムリーな介入を提供するための実用的なアプローチとして広く使われている。モバイルセンシングの目的は,個人用個別医療(emph{(a))と人口用公衆衛生(emph{(b))のいずれかであり,これらのモバイルセンシングアプリの設計を概観し,これらのアプリやシステムの設計を2つのパラダイム –\emph{(i) Personal Sensing} と \emph{(ii) Crowd Sensing} のパラダイムに分類することを提案する。 While both sensing paradigms might incorporate with common ubiquitous sensing technologies, such as wearable sensors, mobility monitoring, mobile data offloading, and/or cloud-based data analytics to collect and process sensing data from individuals, we present a novel taxonomy system with two major components that can specify and classify apps/systems from aspects of the life-cycle of mHealth Sensing: \emph{(1) Sensing Task Creation \& Participation}, \emph{(2) Health Surveillance \& Data Collection}, and \emph{(3) Data Analysis \& Knowledge Discovery}. 2つのパラダイムの異なる目標に関して、この研究はこの分野を体系的にレビューし、これらの2つのコンポーネント間の構成と相互作用の観点から、典型的なアプリ/システムの設計を要約します。要約に加えて, 個人化医療と人口健康の両面から, モバイルセンシングの健康への方向性を明らかにする上でも有効である。

関連論文リスト

A State-of-the-Art Review of Computational Models for Analyzing Longitudinal Wearable Sensor Data in Healthcare [1.7872597573698263]
長期追跡は、数ヶ月のタイムスケールで定義されており、健康変化の指標としてパターンや変化の洞察を与えることができる。これらの知見は、医療と医療をより予測し、予防し、パーソナライズし、参加しやすくする(The 4P's)。
論文参考訳（メタデータ） (2024-07-31T15:08:15Z)
Clairvoyance: A Pipeline Toolkit for Medical Time Series [95.22483029602921]
時系列学習は、データ駆動の*クリニカルな意思決定支援のパンとバターである* Clairvoyanceは、ソフトウェアツールキットとして機能する、統合されたエンドツーエンドのオートMLフレンドリなパイプラインを提案する。 Clairvoyanceは、臨床時系列MLのための包括的で自動化可能なパイプラインの生存可能性を示す最初のものである。
論文参考訳（メタデータ） (2023-10-28T12:08:03Z)
A Comprehensive Picture of Factors Affecting User Willingness to Use Mobile Health Applications [62.60524178293434]
本研究の目的は,mHealthアプリのユーザ受け入れに影響を与える要因を検討することである。利用者のデジタルリテラシーは、個人情報を共有するオンライン習慣に続き、使用意欲に最も強い影響を与える。居住国、年齢、民族、教育などの利用者の人口統計学的背景は、顕著な緩和効果がある。
論文参考訳（メタデータ） (2023-05-10T08:11:21Z)
An Urban Population Health Observatory for Disease Causal Pathway Analysis and Decision Support: Underlying Explainable Artificial Intelligence Model [0.966840768820136]
本研究は,既存の都市人口健康観測所(UPHO)を拡充することを目的としている。機械学習とセマンティック/論理的推論を利用する凝集的なアプローチは、疾患につながる経路を明らかにする。 UPHOの応用は、健康格差を減らし、都市住民の健康を改善するのに役立つ。
論文参考訳（メタデータ） (2022-07-26T15:59:22Z)
User Engagement in Mobile Health Applications [0.0]
モバイルヘルスアプリは、コミュニケーション、効率、サービスの品質を改善することで、医療エコシステムに革命をもたらしている。低所得国や中所得国では、患者や医療従事者の健康状態や行動に関する情報の源泉としての役割も担っている。本稿では,医療従事者や医療従事者を支援するデジタルヘルスアプリに焦点をあて,モバイルヘルスへのユーザエンゲージメントを研究するためのフレームワークを提案する。
論文参考訳（メタデータ） (2022-06-16T13:45:00Z)
Towards Integrative Multi-Modal Personal Health Navigation Systems: Framework and Application [3.9021888281943173]
一般化されたPersonal Health Navigation (PHN) フレームワークを提案する。 PHNは個人を、データストリームを永久に消化するシステムを通じて、個人の健康目標に向かっている。我々は、心臓科領域における2つの実験でPHNシステムをテストする。
論文参考訳（メタデータ） (2021-11-16T09:34:54Z)
TRiPOD: Human Trajectory and Pose Dynamics Forecasting in the Wild [77.59069361196404]
TRiPODは、グラフの注目ネットワークに基づいて身体のダイナミクスを予測する新しい方法です。実世界の課題を取り入れるために,各フレームで推定された身体関節が可視・視認可能かどうかを示す指標を学習する。評価の結果,TRiPODは,各軌道に特化して設計され,予測タスクに特化している。
論文参考訳（メタデータ） (2021-04-08T20:01:00Z)
Health Status Prediction with Local-Global Heterogeneous Behavior Graph [69.99431339130105]
ウェアラブルセンサから継続的に収集される各種データストリームにより、健康状態の推定が可能です。行動関連マルチソースデータストリームをローカル・グローバル・グラフでモデル化することを提案する。学生生活データセットを用いて実験を行い,提案モデルの有効性を実証した。
論文参考訳（メタデータ） (2021-03-23T11:10:04Z)
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)
Urban Sensing based on Mobile Phone Data: Approaches, Applications and Challenges [67.71975391801257]
モバイルデータ分析における多くの関心は、人間とその行動に関連している。本研究の目的は,携帯電話データから知識を発見するために実装された手法や手法をレビューすることである。
論文参考訳（メタデータ） (2020-08-29T15:14:03Z)
Health State Estimation [2.463876252896007]
論文は、個人モデルを構築し、個人の健康状態を動的に推定するアプローチを提示します。システムは4つの重要な抽象要素から縫合される。実験では、個々の心臓血管の健康状態を監視するために、高密度で均一な現実世界のデータを使用することが示されている。
論文参考訳（メタデータ） (2020-03-16T21:06:32Z)

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。