論文の概要: Access to care: analysis of the geographical distribution of healthcare
using Linked Open Data
- arxiv url: http://arxiv.org/abs/2204.05206v1
- Date: Mon, 11 Apr 2022 15:51:56 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-12 18:03:08.929944
- Title: Access to care: analysis of the geographical distribution of healthcare
using Linked Open Data
- Title(参考訳): ケアへのアクセス:Linked Open Dataを用いた医療の地理的分布の分析
- Authors: Selene Baez Santamaria, Emmanouil Manousogiannis, Guusje Boomgaard,
Linh P. Tran, Zoltan Szlavik and Robert-Jan Sips
- Abstract要約: 本研究は,世界中の医療施設の包括的セマンティックデータセットの作成に焦点を当てている。
我々は、各データソースを、完全性、正確性、および他のソースとの相互接続など、さまざまな次元に沿って評価する。
- 参考スコア(独自算出の注目度): 0.03670008893193884
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Background: Access to medical care is strongly dependent on resource
allocation, such as the geographical distribution of medical facilities.
Nevertheless, this data is usually restricted to country official
documentation, not available to the public. While some medical facilities' data
is accessible as semantic resources on the Web, it is not consistent in its
modeling and has yet to be integrated into a complete, open, and specialized
repository. This work focuses on generating a comprehensive semantic dataset of
medical facilities worldwide containing extensive information about such
facilities' geo-location.
Results: For this purpose, we collect, align, and link various open-source
databases where medical facilities' information may be present. This work
allows us to evaluate each data source along various dimensions, such as
completeness, correctness, and interlinking with other sources, all critical
aspects of current knowledge representation technologies.
Conclusions: Our contributions directly benefit stakeholders in the
biomedical and health domain (patients, healthcare professionals, companies,
regulatory authorities, and researchers), who will now have a better overview
of the access to and distribution of medical facilities.
- Abstract(参考訳): 背景:医療へのアクセスは,医療施設の地理的分布などの資源配分に強く依存している。
しかしながら、このデータは一般には公開されていない国の公式文書に制限されている。
一部の医療施設のデータはWeb上のセマンティックリソースとしてアクセス可能であるが、そのモデリングには一貫性がなく、完全にオープンで特別なリポジトリに統合されていない。
本研究は, 世界中の医療施設の総合的なセマンティック・セマンティック・セマンティック・データセットの作成に焦点をあてる。
結果: この目的のために, 医療施設の情報が存在する可能性のある各種オープンソースデータベースを収集, 調整, リンクする。
この研究により、各データソースを、完全性、正確性、および他のソースとの相互接続など、様々な次元に沿って評価することができる。
結論:我々の貢献は、医療施設へのアクセスと配布に関するより優れた概要を提供する、医療・医療分野(患者、医療専門家、企業、規制当局、研究者)の利害関係者に直接貢献します。
関連論文リスト
- 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) - A Review on Knowledge Graphs for Healthcare: Resources, Applications,
and Promises [53.48844796428081]
この研究は、医療知識グラフ(HKG)の最初の包括的なレビューを提供する。
HKG構築のためのパイプラインと重要なテクニックを要約し、一般的な利用方法も示す。
アプリケーションレベルでは、さまざまなヘルスドメインにわたるHKGの正常な統合を検討します。
論文 参考訳(メタデータ) (2023-06-07T21:51:56Z) - Patchwork Learning: A Paradigm Towards Integrative Analysis across
Diverse Biomedical Data Sources [40.32772510980854]
パッチワーク学習(PL)とは、異なるデータモダリティからなる異なるデータセットからの情報を統合するパラダイムである。
PLはデータのプライバシを保持しながら、補完的なデータソースの同時利用を可能にする。
本稿では、パッチワーク学習の概念とその医療における実装について紹介し、潜在的な機会と適用可能なデータソースを探求する。
論文 参考訳(メタデータ) (2023-05-10T14:50:33Z) - PMC-LLaMA: Towards Building Open-source Language Models for Medicine [62.39105735933138]
大規模言語モデル(LLM)は、自然言語理解において顕著な能力を示した。
LLMは、ドメイン固有の知識が不足しているため、医学的応用のような正確性を必要とする領域で苦労している。
PMC-LLaMAと呼ばれる医療応用に特化した強力なオープンソース言語モデルの構築手順について述べる。
論文 参考訳(メタデータ) (2023-04-27T18:29:05Z) - EBOCA: Evidences for BiOmedical Concepts Association Ontology [55.41644538483948]
本論文は,生物医学領域の概念とそれらの関連性を記述するオントロジーであるEBOCAと,それらの関連性を支持するエビデンスを提案する。
DISNETのサブセットから得られるテストデータとテキストからの自動アソシエーション抽出が変換され、実際のシナリオで使用できる知識グラフが作成されるようになった。
論文 参考訳(メタデータ) (2022-08-01T18:47:03Z) - Lightweight Mobile Automated Assistant-to-physician for Global
Lower-resource Areas [9.978987200997686]
我々は、低リソース地域の医療提供者を支援する人工知能アシスタントを設計し、人口統計と医療サイン/症状データを文書化しました。
このアプリケーションは患者から基本情報を収集し、プライマリ・ケア・プロバイダーに診断と処方薬の提案を提供する。
論文 参考訳(メタデータ) (2021-10-28T14:02:16Z) - Cross-Domain Data Integration for Named Entity Disambiguation in
Biomedical Text [5.008513565240167]
本稿では,一般的なテキスト知識ベースから医療領域へ構造的知識を伝達するクロスドメインデータ統合手法を提案する。
我々は,我々の統合手法を利用して構造資源を増強し,事前学習のための大規模なバイオメディカルNEDデータセットを生成する。
MedMentions と BC5CDR という2つのベンチマーク医学NEDデータセット上で, 最先端のパフォーマンスを実現するために, 構造知識を注入した事前学習モデルを構築した。
論文 参考訳(メタデータ) (2021-10-15T17:38:16Z) - MedPerf: Open Benchmarking Platform for Medical Artificial Intelligence
using Federated Evaluation [110.31526448744096]
この可能性を解き明かすには、大規模な異種データに対して医療AIモデルの性能を測定する体系的な方法が必要である、と私たちは主張する。
MedPerfは、医療分野で機械学習をベンチマークするためのオープンフレームワークです。
論文 参考訳(メタデータ) (2021-09-29T18:09:41Z) - 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) - Learning Contextualized Document Representations for Healthcare Answer
Retrieval [68.02029435111193]
コンテキスト談話ベクトル(英: Contextual Discourse Vectors、CDV)は、長文からの効率的な回答検索のための分散文書表現である。
本モデルでは,階層型LSTMレイヤとマルチタスクトレーニングを併用したデュアルエンコーダアーキテクチャを用いて,臨床エンティティの位置と文書の談話に沿った側面をエンコードする。
我々の一般化モデルは、医療パスランキングにおいて、最先端のベースラインを著しく上回っていることを示す。
論文 参考訳(メタデータ) (2020-02-03T15:47:19Z)
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。