論文の概要: Reflections, Learnings and Proposed Interventions on Data Validation and Data Use for Action in Health: A Case of Mozambique

• arxiv url: http://arxiv.org/abs/2108.09731v1
• Date: Sun, 22 Aug 2021 14:11:47 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-17 19:11:27.253885
• Title: Reflections, Learnings and Proposed Interventions on Data Validation and Data Use for Action in Health: A Case of Mozambique
• Title（参考訳）: データ検証と健康行動のためのデータ利用に関するリフレクション、学習および提案する介入--モザンビークを事例として
• Authors: Nilza Collinson, Zeferino Saugene, J{\o}rn Braa, Sundeep Sahay and Emilio Mosse
• Abstract要約: 著者らは、モザンビークで健康情報システムを実装する15年以上の経験を描いている。 それらは、データ品質、ギャップと必要な修正ステップに関して、デジタルプラットフォームがどのように実現されたかを示している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The ideal of a country's health information system (HIS) is to develop processes that ensure easy collection of relevant data and enable their conversion to useful health indicators, which guide decision making and support health interventions. In many Low- and Middle-Income Countries (LMICs), actively engaged in health reform efforts, the role of HIS is crucial, particularly in terms of quality of data and its ability to inspire trust in decision makers to actively use routine HIS data. Recognizing digital platforms potential to support those efforts, several interventions have been implemented in many LMICs. In turn, while the transition from paper registers to digital platforms carries the promise of improving data quality processes, this promise has been notoriously complex to materialize in practice. The authors draw upon more than 15 years of experience implementing HIS in Mozambique to understand how the potential of digital platforms have been realized with respect to data quality, what are the gaps and required remedial steps.
• Abstract（参考訳）: 我が国の保健情報システム(HIS)の理想は、関連するデータの収集を容易にし、医療介入の意思決定と支援を支援する有用な健康指標への変換を可能にするプロセスを開発することである。 多くの低所得国や中所得国では、医療改革に積極的に取り組んでおり、HISの役割は特にデータの品質や意思決定者への信頼を刺激し、日常的なHISデータを積極的に活用する能力において重要である。 デジタルプラットフォームがこれらの取り組みをサポートする可能性を認識し、多くのlmicでいくつかの介入が行われている。 紙のレジスタからデジタルプラットフォームへの移行は、データ品質のプロセスを改善するという約束を果たすが、この約束は、実際に実現するには非常に複雑である。 著者らはモザンビークで15年以上の経験を積み重ねて、デジタルプラットフォームのポテンシャルがデータ品質に関してどのように実現されているか、ギャップと修正に必要なステップは何なのかを理解した。

関連論文リスト

• A Federated Learning Platform as a Service for Advancing Stroke Management in European Clinical Centers [37.285731240749904]
  本稿では,FLプロセスの構成,監視,管理を支援するための新しいFLプラットフォームを提案する。 臨床環境に固有の生産感度を考慮し,提案するFLアーキテクチャの安全性を強調した。 このプラットフォームは、公開データセットを使用して、さまざまな運用環境でのテストに成功している。
  論文  参考訳（メタデータ） (2024-10-02T09:24:05Z)
• Platform for generating medical datasets for machine learning in public health [0.0]
  本稿では,マルチモーダル医療データの品質と信頼性を持続的に生成するプラットフォームの概念を実証する。 異なる外部ソースからデータを収集し、特別なサービスを使用して調和させ、調和したデータを匿名化し、処理されたデータをラベル付けする。
  論文  参考訳（メタデータ） (2023-10-12T17:23:52Z)
• QI2 -- an Interactive Tool for Data Quality Assurance [63.379471124899915]
  欧州委員会による計画されたAI法では、データ品質に関する法的要件が規定されている。 複数のデータ品質面におけるデータ品質保証プロセスをサポートする新しいアプローチを導入する。
  論文  参考訳（メタデータ） (2023-07-07T07:06:38Z)
• Multi-Site Clinical Federated Learning using Recursive and Attentive Models and NVFlare [13.176351544342735]
  本稿では、データプライバシと規制コンプライアンスの課題に対処する統合フレームワークを開発する。 これには、データのプライバシと規制コンプライアンスの課題に対処し、高い精度を維持し、提案されたアプローチの有効性を実証する統合フレームワークの開発が含まれている。
  論文  参考訳（メタデータ） (2023-06-28T17:00:32Z)
• The Design and Implementation of a National AI Platform for Public Healthcare in Italy: Implications for Semantics and Interoperability [62.997667081978825]
  イタリア国立衛生局は、その技術機関を通じて人工知能を採用している。 このような広大なプログラムには、知識領域の形式化に特別な注意が必要である。 AIが患者、開業医、健康システムに与える影響について疑問が投げかけられている。
  論文  参考訳（メタデータ） (2023-04-24T08:00:02Z)
• Large Language Models for Healthcare Data Augmentation: An Example on Patient-Trial Matching [49.78442796596806]
  患者-心電図マッチング(LLM-PTM)のための革新的なプライバシ対応データ拡張手法を提案する。 本実験では, LLM-PTM法を用いて平均性能を7.32%向上させ, 新しいデータへの一般化性を12.12%向上させた。
  論文  参考訳（メタデータ） (2023-03-24T03:14:00Z)
• SPeC: A Soft Prompt-Based Calibration on Performance Variability of Large Language Model in Clinical Notes Summarization [50.01382938451978]
  本稿では,ソフトプロンプトを用いたモデルに依存しないパイプラインを導入し,確率に基づく要約の利点を保ちながら分散を減少させる。 実験結果から,本手法は性能を向上するだけでなく,様々な言語モデルの分散を効果的に抑制することが明らかとなった。
  論文  参考訳（メタデータ） (2023-03-23T04:47:46Z)
• "My nose is running.""Are you also coughing?": Building A Medical Diagnosis Agent with Interpretable Inquiry Logics [80.55587329326046]
  本稿では,DSMDの対話マネージャを実装するための,より解釈可能な意思決定プロセスを提案する。 推論を行うために、非常に透明なコンポーネントを持つモデルを考案する。 実験の結果,診断精度は7.7%,10.0%,3.0%向上した。
  論文  参考訳（メタデータ） (2022-04-29T09:02:23Z)
• A Data-Centric Behavioral Machine Learning Platform to Reduce Health Inequalities [0.0]
  我々は、低所得国と中所得国で動作する幅広いモバイルヘルスアプリケーションの行動ログを活用する、データ中心の機械学習プラットフォームを開発している。 ここでは、プラットフォームアーキテクチャを説明し、プロセス全体を通してデータの品質と組織を最大化するのに役立つ詳細に焦点を当てます。
  論文  参考訳（メタデータ） (2021-11-17T09:53:35Z)
• The Medkit-Learn(ing) Environment: Medical Decision Modelling through Simulation [81.72197368690031]
  医用シーケンシャルな意思決定に特化して設計された新しいベンチマークスイートを提案する。 Medkit-Learn(ing) Environmentは、高忠実度合成医療データに簡単かつ簡単にアクセスできるPythonパッケージである。
  論文  参考訳（メタデータ） (2021-06-08T10:38:09Z)
• The Future of Digital Health with Federated Learning [15.45906320465105]
  データ駆動機械学習は、医療データから正確で堅牢な統計モデルを構築するための有望なアプローチとして登場した。 既存の医療データは、主にデータサイロに置かれており、プライバシの懸念によってデータへのアクセスが制限されているため、MLによって完全に利用されていない。 本稿では、フェデレートラーニングがデジタルヘルスの未来にどのように解決策をもたらすかを考察し、対処すべき課題と考察を強調する。
  論文  参考訳（メタデータ） (2020-03-18T09:40:56Z)

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。