論文の概要: A 35-Year Longitudinal Analysis of Dermatology Patient Behavior across Economic & Cultural Manifestations in Tunisia, and the Impact of Digital Tools

• arxiv url: http://arxiv.org/abs/2208.02852v1
• Date: Thu, 4 Aug 2022 19:03:39 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-19 10:20:18.622056
• Title: A 35-Year Longitudinal Analysis of Dermatology Patient Behavior across Economic & Cultural Manifestations in Tunisia, and the Impact of Digital Tools
• Title（参考訳）: チュニジアの経済・文化管理における皮膚科患者行動の35年間の縦断的分析とデジタルツールの影響
• Authors: Mohamed Akrout, Hayet Amdouni, Amal Feriani, Monia Kourda, Latif Abid
• Abstract要約: 皮膚科患者の行動の進化は、デジタルツールやプラットフォームの普及により、過去10年間で著しく変化した。 経済・文化の側面にまたがる行動パターンと、デジタルツールが前年にどのような影響を及ぼしたかを特定します。 我々の分析は、"Dr. Google"、ソーシャルメディア、人工知能(AI)ツールの3つのタイプのデジタルツールと、臨床治療の3つの段階、すなわち、訪問前、訪問後、そして訪問後である。
• 参考スコア（独自算出の注目度）: 2.029924828197095
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The evolution of behavior of dermatology patients has seen significantly accelerated change over the past decade, driven by surging availability and adoption of digital tools and platforms. Through our longitudinal analysis of this behavior within Tunisia over a 35-year time frame, we identify behavioral patterns across economic and cultural dimensions and how digital tools have impacted those patterns in preceding years. Throughout this work, we highlight the witnessed effects of available digital tools as experienced by patients, and conclude by presenting a vision for how future tools can help address the issues identified across economic and cultural manifestations. Our analysis is further framed around three types of digital tools: "Dr. Google", social media, and artificial intelligence (AI) tools, and across three stages of clinical care: pre-visit, in-visit, and post-visit.
• Abstract（参考訳）: 皮膚科患者の行動の進化は、デジタルツールやプラットフォームの普及と普及によって、過去10年間で大幅に変化が加速している。 チュニジアにおける35年間にわたるこの行動の経時的分析を通じて,経済・文化的な側面にまたがる行動パターンと,これらのパターンにデジタルツールがどのように影響したかを明らかにする。 本研究を通じて,患者が経験した利用可能なデジタルツールの効果を明らかにするとともに,今後のツールが,経済や文化の諸問題にどう対処できるか,というビジョンを提示する。 我々の分析は、"Dr. Google"、ソーシャルメディア、人工知能(AI)ツールの3つのタイプのデジタルツールと、臨床治療の3つの段階、すなわち、訪問前、訪問後、そして訪問後である。

関連論文リスト

• A State-of-the-Art Review of Computational Models for Analyzing Longitudinal Wearable Sensor Data in Healthcare [1.7872597573698263]
  長期追跡は、数ヶ月のタイムスケールで定義されており、健康変化の指標としてパターンや変化の洞察を与えることができる。 これらの知見は、医療と医療をより予測し、予防し、パーソナライズし、参加しやすくする(The 4P's)。
  論文  参考訳（メタデータ） (2024-07-31T15:08:15Z)
• From Noise to Signal: Unveiling Treatment Effects from Digital Health Data through Pharmacology-Informed Neural-SDE [0.0]
  デジタルヘルス技術(DHT)は、患者をパーソナライズし、継続的に、リアルタイムにモニタリングする。 これらの技術から洞察を得るには、臨床に関連のある疾患状態の変化を捉えるための適切なモデリング技術が必要である。 本稿では,これらの課題に対処可能な新しい薬理インフォームド・ニューラル微分方程式(SDE)モデルを提案する。
  論文  参考訳（メタデータ） (2024-03-05T19:13:57Z)
• Recent Advances in Predictive Modeling with Electronic Health Records [71.19967863320647]
  EHRデータを予測モデリングに利用すると、その特徴からいくつかの課題が生じる。 深層学習は、医療を含む様々な応用においてその優位性を示している。
  論文  参考訳（メタデータ） (2024-02-02T00:31:01Z)
• Precision psychiatry: predicting predictability [0.0]
  私は精密精神医学の分野での10の課題をレビューします。 現実の人口と現実的な臨床結果の定義についての研究が必要である。 プラセボ効果や処方薬の非順守などの治療関連因子について検討する。
  論文  参考訳（メタデータ） (2023-06-21T13:10:46Z)
• Safe AI for health and beyond -- Monitoring to transform a health service [51.8524501805308]
  機械学習アルゴリズムの出力を監視するために必要なインフラストラクチャを評価する。 モデルのモニタリングと更新の例を示す2つのシナリオを提示します。
  論文  参考訳（メタデータ） (2023-03-02T17:27:45Z)
• A Survey on Computer Vision based Human Analysis in the COVID-19 Era [58.79053747159797]
  新型コロナウイルスの出現は、社会全体だけでなく、個人の生活にも大きく影響している。 マスクやソーシャルディスタンシングの義務、公共空間での定期消毒、スクリーニングアプリケーションの使用など、さまざまな予防策が世界中で導入されている。 これらの発展は、(i)視覚データの自動解析による予防対策の支援、(ii)生体認証などの既存の視覚ベースのサービスの正常な操作を容易にする、新しいコンピュータビジョン技術の必要性を喚起した。
  論文  参考訳（メタデータ） (2022-11-07T17:20:39Z)
• 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)
• Objective Prediction of Tomorrow's Affect Using Multi-Modal Physiological Data and Personal Chronicles: A Study of Monitoring College Student Well-being in 2020 [0.0]
  本研究の目的は、複数の商用機器を用いて、完全自動的かつ客観的なアプローチにより、影響をより正確に予測する能力を検討することである。 1年以上にわたり、スマートウェアラブルと携帯電話を使用した大学生のサンプルから、縦断的生理データと毎日の感情評価を収集した。 その結果,本モデルでは,技術手法に匹敵する精度で,翌日への影響を予測することができた。
  論文  参考訳（メタデータ） (2022-01-26T23:06:20Z)
• What Do You See in this Patient? Behavioral Testing of Clinical NLP Models [69.09570726777817]
  本稿では,入力の変化に関する臨床結果モデルの振る舞いを評価する拡張可能なテストフレームワークを提案する。 私たちは、同じデータを微調整しても、モデル行動は劇的に変化し、最高のパフォーマンスのモデルが常に最も医学的に可能なパターンを学習していないことを示しています。
  論文  参考訳（メタデータ） (2021-11-30T15:52:04Z)
• Achieving digital-driven patient agility in the era of big data [0.0]
  本研究は, 病院部門がデジタルダイナミック機能を活用して患者の機敏性を高める方法について検討した。 以上の結果から,患者知覚・応答能力の発達におけるデジタルダイナミックな能力の重要性が示唆された。
  論文  参考訳（メタデータ） (2021-06-15T15:08:26Z)
• Learning Dynamic and Personalized Comorbidity Networks from Event Data using Deep Diffusion Processes [102.02672176520382]
  コンコルビンド病は、個人によって異なる複雑な時間的パターンを通じて発生し進行する。 電子的な健康記録では、患者が持つ異なる疾患を観察できるが、それぞれの共死状態の時間的関係を推測できるだけである。 我々は「ダイナミック・コオービディティ・ネットワーク」をモデル化するための深層拡散プロセスを開発する。
  論文  参考訳（メタデータ） (2020-01-08T15:47:08Z)

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。