論文の概要: Tipping the Scales: A Corpus-Based Reconstruction of Adjective Scales in
the McGill Pain Questionnaire
- arxiv url: http://arxiv.org/abs/2109.14788v1
- Date: Thu, 30 Sep 2021 01:20:55 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-02 05:38:41.234262
- Title: Tipping the Scales: A Corpus-Based Reconstruction of Adjective Scales in
the McGill Pain Questionnaire
- Title（参考訳）: ティッピング・ザ・スケールズ(tiping the scales) : mcgill pain questionnaireにおける形容詞尺度のコーパスによる再構成
- Authors: Miriam Stern
- Abstract要約: McGill Pain Questionnaire (MPQ) は、患者に痛みを量させるために、20のカテゴリーで異なる強度の78の形容詞を利用する臨床的痛み評価技術である。
本研究は,患者フォーラムや現代のNLP技術から収集したデータを用いて,MPQの形容詞強度順序を再現する。
以上の結果から, 苦しむ人による形容詞使用の予測可能なパターンが示唆されるが, 形容詞をグループ化するMPQのカテゴリーに疑問を投げかける。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Modern medical diagnosis relies on precise pain assessment tools in
translating clinical information from patient to physician. The McGill Pain
Questionnaire (MPQ) is a clinical pain assessment technique that utilizes 78
adjectives of different intensities in 20 different categories to quantity a
patient's pain. The questionnaire's efficacy depends on a predictable pattern
of adjective use by patients experiencing pain. In this study, I recreate the
MPQ's adjective intensity orderings using data gathered from patient forums and
modern NLP techniques. I extract adjective intensity relationships by searching
for key linguistic contexts, and then combine the relationship information to
form robust adjective scales. Of 17 adjective relationships predicted by this
research, 10 show agreement with the MPQ, which is statistically significant at
the .1 alpha level. The results suggest predictable patterns of adjective use
by people experiencing pain, but call into question the MPQ's categories for
grouping adjectives.
- Abstract（参考訳）: 現代の医療診断は、患者から医師に臨床情報を翻訳するための正確な痛み評価ツールに依存している。
McGill Pain Questionnaire (MPQ) は、患者に痛みを量させるために、20のカテゴリーで異なる強度の78の形容詞を利用する臨床的痛み評価技術である。
アンケートの有効性は、痛みを経験する患者による予測可能な形容詞の使用パターンに依存する。
本研究では,患者フォーラムや現代のNLP技術から収集したデータを用いて,MPQの形容詞強度順序を再現する。
主言語文脈を検索して形容詞強度関係を抽出し,その関係情報を結合して頑健な形容詞尺度を形成する。
この研究によって予測される17の形容詞関係のうち、10はMPQとの合意を示し、.1アルファレベルで統計的に有意である。
以上の結果から, 苦しむ人による形容詞使用の予測可能なパターンが示唆されるが, 形容詞をグループ化するMPQのカテゴリーに疑問を投げかける。
関連論文リスト
- RaTEScore: A Metric for Radiology Report Generation [59.37561810438641]
本稿では,Radiological Report (Text) Evaluation (RaTEScore) として,新しい実体認識尺度を提案する。
RaTEScoreは、診断結果や解剖学的詳細などの重要な医療機関を強調し、複雑な医学的同義語に対して堅牢であり、否定表現に敏感である。
我々の評価は、RaTEScoreが既存の指標よりも人間の嗜好とより密接に一致していることを示し、確立された公開ベンチマークと、新たに提案したRaTE-Evalベンチマークの両方で検証した。
論文 参考訳（メタデータ） (2024-06-24T17:49:28Z) - Personality Style Recognition via Machine Learning: Identifying
Anaclitic and Introjective Personality Styles from Patients' Speech [6.3042597209752715]
自然言語処理(NLP)と機械学習ツールを使って分類する。
大うつ病(MDD)と診断された79人の患者を対象に、記録された臨床診断面接(CDI)のデータセットでこれを検証した。
言語由来の特徴(LIWCに基づく)による自動分類は,アンケートに基づく分類モデルよりも有意に優れていることがわかった。
論文 参考訳（メタデータ） (2023-11-07T15:56:19Z) - CliniDigest: A Case Study in Large Language Model Based Large-Scale
Summarization of Clinical Trial Descriptions [58.720142291102135]
2022年には、毎日100件以上の臨床試験がCricerTrials.govに提出された。
CliniDigestは、私たちの知る限り、臨床試験のリアルタイム、真実、そして包括的な要約を提供するための最初のツールです。
それぞれのフィールドに対して、CliniDigestは$mu=153, igma=69$の要約を生成し、それぞれが$mu=54%, sigma=30%のソースを使用する。
論文 参考訳（メタデータ） (2023-07-26T21:49:14Z) - Chronic pain patient narratives allow for the estimation of current pain
intensity [0.9459979060644313]
患者の物語から得られる言語特徴は、実際に痛みの強さを推定する情報を伝える。
以上の結果より,軽度痛の患者は動詞の使用に集中し,中等度・重度痛の患者は副詞,名詞,形容詞が中心であった。
論文 参考訳（メタデータ） (2022-10-31T16:59:21Z) - PainPoints: A Framework for Language-based Detection of Chronic Pain and
Expert-Collaborative Text-Summarization [9.429043279361148]
PainPointsは、サブタイプの痛みを検出し、患者のインタビューを要約することで臨床メモを生成するフレームワークである。
PainPointsは、FMおよびNP患者のインタビューから得られたテキストの文レベルの分類を行うために、大きな言語モデルを使用している。
フェースベースの新しいアプローチを導入することにより、専門家による介入を通じて、これらのインタビューの要約を生成する。
論文 参考訳（メタデータ） (2022-09-14T06:08:13Z) - Towards more patient friendly clinical notes through language models and
ontologies [57.51898902864543]
本稿では,単語の単純化と言語モデリングに基づく医療用テキストの自動作成手法を提案する。
我々は,公開医療文のデータセットペアと,臨床医による簡易化版を用いている。
本手法は,医学フォーラムデータに基づく言語モデルを用いて,文法と本来の意味の両方を保存しながら,より単純な文を生成する。
論文 参考訳（メタデータ） (2021-12-23T16:11:19Z) - Clinical Named Entity Recognition using Contextualized Token
Representations [49.036805795072645]
本稿では,各単語の意味的意味をより正確に把握するために,文脈型単語埋め込み手法を提案する。
言語モデル(C-ELMo)とC-Flair(C-Flair)の2つの深い文脈型言語モデル(C-ELMo)を事前訓練する。
明示的な実験により、静的単語埋め込みとドメインジェネリック言語モデルの両方と比較して、我々のモデルは劇的に改善されている。
論文 参考訳（メタデータ） (2021-06-23T18:12:58Z) - NUVA: A Naming Utterance Verifier for Aphasia Treatment [49.114436579008476]
失語症(PWA)患者の治療介入に対する反応の診断とモニタリングの両立のための画像命名タスクを用いた音声性能評価
本稿では,失語症脳卒中患者の「正しい」と「正しくない」を分類する深層学習要素を組み込んだ発話検証システムであるNUVAについて述べる。
イギリス系英語8ヶ国語でのテストでは、システムの性能精度は83.6%から93.6%の範囲であり、10倍のクロスバリデーション平均は89.5%であった。
論文 参考訳（メタデータ） (2021-02-10T13:00:29Z) - Unifying Relational Sentence Generation and Retrieval for Medical Image
Report Composition [142.42920413017163]
現在の手法は、個々のケースのデータセットバイアスにより、しばしば最も一般的な文を生成する。
テンプレート検索と文生成を一体化し、共通およびまれな異常に対処する新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2021-01-09T04:33:27Z) - Labeling of Multilingual Breast MRI Reports [1.8374319565577157]
LAMBRと呼ばれるカスタム言語表現を用いた多言語乳房MRIレポート分類器の開発のためのフレームワークを提案する。
提案手法は,臨床現場で直面する実践的課題を克服し,医療報告からラベルを抽出する際の性能向上を実証する。
論文 参考訳（メタデータ） (2020-07-06T19:22:44Z)
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。