論文の概要: Medical Graphs in Patient Information Systems in Primary Care

• arxiv url: http://arxiv.org/abs/2108.10092v1
• Date: Mon, 23 Aug 2021 11:44:35 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-17 11:58:45.780045
• Title: Medical Graphs in Patient Information Systems in Primary Care
• Title（参考訳）: プライマリケアにおける患者情報システムにおける医療グラフ
• Authors: Thea Hvalen Thodesen, Uy Tran, Jens Kaasboll, Chipo Kanjo and Tiwonge Manda
• Abstract要約: ほとんどの発展途上国では、子どもの成長を監視するためにグラフが使われている。 電子健康記録データの情報可視化に関する文献の多くは、集計データ可視化ツールに焦点を当てている。 この研究は、ユーザ中心のアプローチを用いて、ユーザ要求に適合するように、インタビューとWeb検索が使用されたデータ収集を解釈した。
• 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: Graphs are very effective tools in visualizing information and are used in many fields including the medical field. In most developing countries primary care, graphs are used to monitor child growth. These measures are therefore often displayed using line graphs, basing it on three indicators (stunting, underweight and wasting) based on the WHO 2006 Child Growth Standard. Most literature on information visualization of electronic health record data focuses on aggregate data visualization tools. This research therefore, was set out to provide such an overview of requirements for computerized graphs for individual patient data, implemented in a way that all kinds of medical graphs showing the development of medical measures over time can be displayed. This research was interpretive, using a user-centric approach for data collection where interviews and web search was used to ensure that the graphs developed are fit the user requirements. This followed prototype development using one of the three free, open source software libraries for Android that were evaluated. The prototype was then used to refine the user requirements. The health workers interpreted the graphs developed flawlessly.
• Abstract（参考訳）: グラフは情報を視覚化するための非常に効果的なツールであり、医療分野を含む多くの分野で使われている。 ほとんどの発展途上国では、グラフは子供の成長を監視するために使われる。 したがって、これらの指標はしばしば線グラフを用いて表示され、who 2006子育て標準に基づく3つの指標(チューン、アンダーウェイト、ムダ)に基づいている。 電子カルテデータの情報可視化に関する文献のほとんどは、集約データ可視化ツールに焦点をあてている。 そこで, 本研究は, 個々の患者データに対するコンピュータ化されたグラフの要件を概観し, 時間とともに医療対策の展開を示すあらゆる種類の医用グラフを表示できるようにした。 この研究は、ユーザ中心のアプローチを用いて、ユーザ要求に適合するように、インタビューとWeb検索が使用されたデータ収集を解釈した。 この後、android向けの3つのフリーのオープンソースソフトウェアライブラリの1つを使ってプロトタイプの開発が進められた。 プロトタイプはその後、ユーザ要件の洗練に使用された。 健康労働者はグラフが完璧に発達したと解釈した。

関連論文リスト

• Medical Graph RAG: Towards Safe Medical Large Language Model via Graph Retrieval-Augmented Generation [9.286509119104563]
  我々は、MedGraphRAGと呼ばれる医療領域向けに設計された新しいグラフベースのRetrieval-Augmented Generationフレームワークを紹介する。 提案手法は,9つの医療用Q&Aベンチマーク,2つの健康用ファクトチェックベンチマーク,および1つの収集データセットで検証した。
  論文  参考訳（メタデータ） (2024-08-08T03:11:12Z)
• Medical Vision-Language Pre-Training for Brain Abnormalities [96.1408455065347]
  本稿では,PubMedなどの公共リソースから,医用画像・テキスト・アライメントデータを自動的に収集する方法を示す。 特に,まず大きな脳画像テキストデータセットを収集することにより,事前学習プロセスの合理化を図るパイプラインを提案する。 また,医療領域におけるサブフィギュアをサブキャプションにマッピングするというユニークな課題についても検討した。
  論文  参考訳（メタデータ） (2024-04-27T05:03:42Z)
• Towards Data-centric Graph Machine Learning: Review and Outlook [120.64417630324378]
  データ中心グラフ機械学習(DC-GML)という,グラフデータライフサイクルのすべての段階を包含する体系的なフレームワークを導入する。 各段階の完全な分類法が示され、3つの重要なグラフ中心の質問に答える。 我々は、DC-GMLドメインの将来展望を指摘し、その進歩と応用をナビゲートするための洞察を提供する。
  論文  参考訳（メタデータ） (2023-09-20T00:40:13Z)
• Multimodal brain age estimation using interpretable adaptive population-graph learning [58.99653132076496]
  下流タスクに最適化された人口グラフ構造を学習するフレームワークを提案する。 注意機構は、画像と非画像の特徴のセットに重みを割り当てる。 グラフ構築において最も重要な注意重みを可視化することにより、グラフの解釈可能性を高める。
  論文  参考訳（メタデータ） (2023-07-10T15:35:31Z)
• Dynamic Graph Enhanced Contrastive Learning for Chest X-ray Report Generation [92.73584302508907]
  コントラスト学習を用いた医療レポート作成を支援するために,動的構造とノードを持つ知識グラフを提案する。 詳しくは、グラフの基本構造は一般知識から事前構築される。 各イメージ機能は、レポート生成のためにデコーダモジュールに入力する前に、独自の更新グラフに統合される。
  論文  参考訳（メタデータ） (2023-03-18T03:53:43Z)
• Curriculum Graph Machine Learning: A Survey [51.89783017927647]
  カリキュラムグラフ機械学習(Graph CL)は、グラフ機械学習とカリキュラム学習の強みを統合する。 本稿では,グラフCLのアプローチを概観し,最近の研究動向を概観する。
  論文  参考訳（メタデータ） (2023-02-06T16:59:25Z)
• Graph Lifelong Learning: A Survey [6.545297572977323]
  本稿では,グラフ生涯学習のモチベーション,ポテンシャル,最先端のアプローチ,オープンな課題について論じる。 我々はこの新興分野に対する広範な研究と開発への関心を期待する。
  論文  参考訳（メタデータ） (2022-02-22T06:14:07Z)
• Visual Distant Supervision for Scene Graph Generation [66.10579690929623]
  シーングラフモデルは通常、大量のラベル付きデータを人間のアノテーションで教師付き学習する必要がある。 本研究では,人間ラベルデータを用いずにシーングラフモデルを訓練できる視覚関係学習の新しいパラダイムである視覚遠方監視を提案する。 包括的な実験結果から、我々の遠隔監視モデルは、弱い監督と半監督のベースラインよりも優れています。
  論文  参考訳（メタデータ） (2021-03-29T06:35:24Z)
• A Literature Review of Recent Graph Embedding Techniques for Biomedical Data [36.446560017794845]
  このようなデータを分析するために,グラフに基づく学習法が数多く提案されている。 主な困難は、バイオメディカルグラフの高次元性と空間性を扱う方法である。 グラフ埋め込みメソッドは、上記の問題に対処するための効率的かつ効率的な方法を提供する。
  論文  参考訳（メタデータ） (2021-01-17T01:53:50Z)
• Latent-Graph Learning for Disease Prediction [44.26665239213658]
  我々は,GCNの下流における疾患分類の課題に向けて,一つの最適なグラフを学習することが可能であることを示す。 一般的に用いられているスペクトルGCNアプローチとは異なり、我々のGCNは空間的かつ誘導的であり、これまで見られなかった患者も推測できる。
  論文  参考訳（メタデータ） (2020-03-27T08:18:01Z)

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。