論文の概要: Discovering adoption barriers of Clinical Decision Support Systems in primary health care sector

• arxiv url: http://arxiv.org/abs/2207.11713v1
• Date: Sun, 24 Jul 2022 10:49:35 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-19 10:03:26.838738
• Title: Discovering adoption barriers of Clinical Decision Support Systems in primary health care sector
• Title（参考訳）: プライマリ・ヘルス・セクターにおける臨床意思決定支援システム導入障壁の発見
• Authors: Soliman S M Aljarboa and Shah J Miah
• Abstract要約: 本稿では,CDSS導入に伴う問題に寄与する障害の発見に焦点をあてる。 サウジアラビアの主要医療センターから30人の一般開業医がインタビューを受けた。 その結果、時間的リスク、使用したシステムの品質、インターネット速度の遅い、ユーザインターフェース、トレーニング不足、高コスト、患者満足度、使用した複数のシステム、技術サポート、コンピュータスキル、柔軟性の欠如、システムの更新、専門的スキルと知識、コンピュータ効率と品質、データの正確性といった側面に影響を与える障害があることが確認された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Adopting a good health information system (HIS) is essential for providing high-quality healthcare. With rapid advances in technology in the healthcare industry in recent years, healthcare providers seek effective options to deal with numerous diseases and a growing number of patients, adopting advanced HIS such as for clinical decision support. While the clinical decision support systems (CDSS) can help medical personnel make better decisions, they may bring negative results due to a lack of understanding of the elements that influence GP's adoption of CDSS. This paper focuses on discovering obstacles that may contribute to the problems surrounding CDSS adoption. Thirty general practitioners were interviewed from different primary health centers in Saudi Arabia in order to determine the challenges and obstacles in the sector. While the outcome confirms that there are obstacles that affect the aspects, such as time risk, quality of the system used, slow Internet speed, user interface, lack of training, high costs, patient satisfaction, multiple systems used, technical support, computer skills, lack of flexibility, system update, professional skills and knowledge, computer efficiency and quality and accuracy of data.
• Abstract（参考訳）: 優れた医療情報システム(HIS)の採用は、高品質な医療を提供する上で不可欠である。 近年の医療産業における技術の急速な進歩により、医療提供者は、多くの疾患や患者の増加に対応する効果的な選択肢を求め、臨床決定支援などの先進的なhisを採用している。 臨床意思決定支援システム(CDSS)は、医療従事者がより良い意思決定を行うのに役立つが、GPのCDSS導入に影響を与える要素の理解の欠如により、否定的な結果をもたらす可能性がある。 本稿では,CDSS導入に伴う問題に寄与する障害の発見に焦点をあてる。 30人の一般開業医がサウジアラビアのさまざまな主要医療センターからインタビューを受け、このセクターの課題と障害を判断した。 その結果、時間的リスク、使用するシステムの品質、インターネット速度の遅い、ユーザインターフェース、トレーニング不足、高コスト、患者満足度、使用する複数のシステム、技術サポート、コンピュータスキル、柔軟性の欠如、システムの更新、専門的スキルと知識、コンピュータ効率と品質、データの正確さといった側面に影響を与える障害があることが確認された。

関連論文リスト

• Development of a Large Language Model-based Multi-Agent Clinical Decision Support System for Korean Triage and Acuity Scale (KTAS)-Based Triage and Treatment Planning in Emergency Departments [0.0]
  本研究は, 患者トリアージ, 治療計画, 救急管理全般において, LLM駆動型CDSSを用いて, ED医師や看護師を支援することを目的とするものである。 このシステムは、Triage Nuurse、救急医、薬剤師、EDコーディネーターの4つのAIエージェントで構成されている。 トリアージアセスメントにはKTAS(Korea Triage and Acuity Scale)が組み込まれ、医薬品管理にはRxNorm APIが組み込まれている。
  論文  参考訳（メタデータ） (2024-08-14T13:03:41Z)
• Large Language Model Integrated Healthcare Cyber-Physical Systems Architecture [0.6772963470576693]
  本稿では,医療システムの効率を高めるために,大規模言語モデル(LLM)を統合するための革新的なアプローチを提案する。 LLMをさまざまな層に組み込むことで、HCPSは高度なAI機能を活用して、患者の成果を改善し、データ処理を前進させ、意思決定を強化することができる。
  論文  参考訳（メタデータ） (2024-07-25T21:42:10Z)
• Health-LLM: Personalized Retrieval-Augmented Disease Prediction System [43.91623010448573]
  本稿では,大規模特徴抽出と医療知識トレードオフスコアリングを組み合わせた,革新的なフレームワークHeath-LLMを提案する。 従来の健康管理アプリケーションと比較して,本システムには3つの利点がある。
  論文  参考訳（メタデータ） (2024-02-01T16:40:32Z)
• Clinical Decision Support System for Unani Medicine Practitioners [0.0]
  提案システムは,患者の症状を入力するためのWebベースのインターフェースを提供する。 このシステムにより、患者は最も可能性の高い疾患を選択し、関連する治療法を遠隔で患者に知らせることができる。
  論文  参考訳（メタデータ） (2023-10-24T13:49:18Z)
• 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)
• 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)
• Applying Artificial Intelligence to Clinical Decision Support in Mental Health: What Have We Learned? [0.0]
  本稿では,近年開発されたAI-CDSSであるAifred Healthを事例として,うつ病における治療の選択と管理を支援する。 我々は、このAI-CDSSの開発およびテスト中にもたらされた原則と、実装を容易にするために開発された実践的ソリューションの両方を考慮する。
  論文  参考訳（メタデータ） (2023-03-06T21:40:51Z)
• Reliable and Resilient AI and IoT-based Personalised Healthcare Services: A Survey [1.581123237785583]
  本稿では、パーソナライズされた医療サービスに関する包括的調査を行う。 われわれはまず,現代医療のインターネット・オブ・モノ(HIoT)における包括的パーソナライズされた医療サービスの主な要件について概説する。 第2に、AIと非AIベースのアプローチを使用して、IoTベースのヘルスケアシステムのための基本的な3層アーキテクチャについて検討した。 第3に、AIと非AIベースのソリューションとともに、IoTアーキテクチャの各レイヤに対するさまざまなセキュリティ脅威を強調しました。
  論文  参考訳（メタデータ） (2022-08-29T23:14:02Z)
• Towards the Use of Saliency Maps for Explaining Low-Quality Electrocardiograms to End Users [45.62380752173638]
  診断に医用画像を使用する場合,画像が高品質であることが重要である。 遠隔医療において一般的な問題は、患者が診療所を退院した後にのみ、品質問題が警告されることである。 本稿では,低品質な医用画像をリアルタイムにフラグ付け,説明するためのAIシステムの開発について報告する。
  論文  参考訳（メタデータ） (2022-07-06T14:53:26Z)
• The Role of Robotics in Infectious Disease Crises [46.43737882437637]
  新型コロナウイルスの感染拡大を受け、医療・公共安全・経済システムの課題が浮き彫りになっている。 感染症の流行に伴うエンジニアリング上の課題を予知し、解決する上で、補完的な必要性がある。 技術的能力が向上し、将来ロボットシステムの設置基盤が増加するにつれ、将来の危機においてさらに重要な役割を果たす可能性がある。
  論文  参考訳（メタデータ） (2020-10-19T22:54:12Z)
• Assessing the Severity of Health States based on Social Media Posts [62.52087340582502]
  ユーザの健康状態の重症度を評価するために,テキストコンテンツとコンテキスト情報の両方をモデル化する多視点学習フレームワークを提案する。 多様なNLUビューは、ユーザの健康を評価するために、タスクと個々の疾患の両方に効果を示す。
  論文  参考訳（メタデータ） (2020-09-21T03:45:14Z)

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。