論文の概要: Visualization and Analysis of Wearable Health Data From COVID-19
Patients
- arxiv url: http://arxiv.org/abs/2201.07698v1
- Date: Wed, 19 Jan 2022 16:32:01 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-20 14:57:06.693691
- Title: Visualization and Analysis of Wearable Health Data From COVID-19
Patients
- Title（参考訳）: 新型コロナウイルス患者のウェアラブル健康データの可視化と分析
- Authors: Susanne K. Suter and Georg R. Spinner and Bianca Hoelz and Sofia Rey
and Sujeanthraa Thanabalasingam and Jens Eckstein and Sven Hirsch
- Abstract要約: リアルタイムウェアラブルデバイスは、新型コロナウイルス(COVID-19)で入院した患者から重要な兆候が記録された。
熱地図とバーチャートは、重要な兆候の医学的関連パターンを強調するために用いられた。
ビジュアライゼーションは、患者の健康状態を評価するのに効果的で、シンプルで、直感的であることが示されている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Effective visualizations were evaluated to reveal relevant health patterns
from multi-sensor real-time wearable devices that recorded vital signs from
patients admitted to hospital with COVID-19. Furthermore, specific challenges
associated with wearable health data visualizations, such as fluctuating data
quality resulting from compliance problems, time needed to charge the device
and technical problems are described. As a primary use case, we examined the
detection and communication of relevant health patterns visible in the vital
signs acquired by the technology. Customized heat maps and bar charts were used
to specifically highlight medically relevant patterns in vital signs. A survey
of two medical doctors, one clinical project manager and seven health data
science researchers was conducted to evaluate the visualization methods. From a
dataset of 84 hospitalized COVID-19 patients, we extracted one typical COVID-19
patient history and based on the visualizations showcased the health history of
two noteworthy patients. The visualizations were shown to be effective, simple
and intuitive in deducing the health status of patients. For clinical staff who
are time-constrained and responsible for numerous patients, such visualization
methods can be an effective tool to enable continuous acquisition and
monitoring of patients' health statuses even remotely.
- Abstract（参考訳）: 新型コロナウイルスの入院患者からバイタルサインが記録されたマルチセンサーリアルタイムウェアラブルデバイスから、関連する健康パターンを明らかにするために、効果的な視覚化が評価された。
さらに、コンプライアンス問題によるデータ品質の変動、デバイスの充電に要する時間、技術的な問題など、ウェアラブルの健康データ可視化に関連する具体的な課題について述べる。
主なユースケースとして,本技術が取得したバイタルサインで見る健康パターンの検出とコミュニケーションについて検討した。
カスタマイズされたヒートマップとバーチャートは、医療関連パターンを重要な兆候として強調するために使用された。
2名の医師、1名の臨床プロジェクトマネージャー、7名の健康データサイエンス研究者による可視化手法の評価を行った。
入院した84人の患者のデータセットから、典型的な1つのCOVID-19患者履歴を抽出し、2人の注目すべき患者の健康史を視覚化した。
ビジュアライゼーションは,患者の健康状態を推定する上で効果的で,シンプルで,直感的であった。
時間に制約され、多くの患者に責任がある臨床スタッフにとって、このような可視化手法は患者の健康状態の継続的な獲得と監視を可能にする効果的なツールとなる。
関連論文リスト
- CO2Wounds-V2: Extended Chronic Wounds Dataset From Leprosy Patients [57.31670527557228]
本稿では,レプロシー患者のRGB創傷画像の拡張コレクションであるCO2Wounds-V2データセットについて紹介する。
医療分野における画像処理アルゴリズムの開発とテストを強化することを目的としている。
論文 参考訳（メタデータ） (2024-08-20T13:21:57Z) - Graph-Augmented LLMs for Personalized Health Insights: A Case Study in Sleep Analysis [2.303486126296845]
大規模言語モデル(LLM)は、インタラクティブなヘルスアドバイスを提供する上で、有望であることを示している。
Retrieval-Augmented Generation (RAG) やファインチューニングのような従来の手法は、複雑で多次元で時間的に関係のあるデータを完全に活用できないことが多い。
本稿では,健康意識のパーソナライズと明確性を高めるために,グラフ拡張LDMフレームワークを提案する。
論文 参考訳（メタデータ） (2024-06-24T01:22:54Z) - Detecting Visual Cues in the Intensive Care Unit and Association with Patient Clinical Status [0.9867627975175174]
ICUの既存の患者評価は散発的であり、手動で管理されている。
我々はデータ不均衡問題に対処する新しい「マスケッド損失計算」手法を開発した。
634,054フレームのAU推論を行い,顔面AUと臨床的に重要な患者状況との関連性について検討した。
論文 参考訳（メタデータ） (2023-11-01T15:07:03Z) - 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) - Modelling Patient Trajectories Using Multimodal Information [0.0]
本稿では,異なる種類の情報を組み合わせて臨床データの時間的側面を考慮した患者軌跡のモデル化手法を提案する。
本手法は, 予期せぬ患者寛解と疾患進行の2つの異なる臨床結果に基づいて検討した。
論文 参考訳（メタデータ） (2022-09-09T10:20:54Z) - Intelligent Sight and Sound: A Chronic Cancer Pain Dataset [74.77784420691937]
本稿では,Intelligent Sight and Sound (ISS) 臨床試験の一環として収集された,最初の慢性ガン痛データセットを紹介する。
これまで収集されたデータは29の患者、509のスマートフォンビデオ、189,999のフレーム、そして自己報告された感情と活動の痛みのスコアから成っている。
静的画像とマルチモーダルデータを用いて、自己報告された痛みレベルを予測する。
論文 参考訳（メタデータ） (2022-04-07T22:14:37Z) - Predicting Patient Readmission Risk from Medical Text via Knowledge
Graph Enhanced Multiview Graph Convolution [67.72545656557858]
本稿では,電子健康記録の医用テキストを予測に用いる新しい手法を提案する。
外部知識グラフによって強化された多視点グラフを有する患者の退院サマリーを表現している。
実験により,本手法の有効性が証明され,最先端の性能が得られた。
論文 参考訳（メタデータ） (2021-12-19T01:45:57Z) - COVIDx-US -- An open-access benchmark dataset of ultrasound imaging data
for AI-driven COVID-19 analytics [116.6248556979572]
COVIDx-USは、新型コロナウイルス関連超音波画像データのオープンアクセスベンチマークデータセットです。
肺超音波93本と,SARS-CoV-2肺炎,非SARS-CoV-2肺炎,健康管理症例10,774本からなる。
論文 参考訳（メタデータ） (2021-03-18T03:31:33Z) - 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) - Ontology-driven weak supervision for clinical entity classification in
electronic health records [6.815543071244677]
医用および専門的ルールを用いた弱教師付きエンティティ分類のためのフレームワークであるTroveを提案する。
手書きのメモとは異なり、私たちのアプローチは共有や修正が容易ですが、手動でラベル付けされたトレーニングデータに匹敵するパフォーマンスを提供しています。
論文 参考訳（メタデータ） (2020-08-05T07:42:09Z)
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。