論文の概要: An Urban Population Health Observatory for Disease Causal Pathway Analysis and Decision Support: Underlying Explainable Artificial Intelligence Model

• arxiv url: http://arxiv.org/abs/2208.04144v1
• Date: Tue, 26 Jul 2022 15:59:22 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-14 18:18:53.524859
• Title: An Urban Population Health Observatory for Disease Causal Pathway Analysis and Decision Support: Underlying Explainable Artificial Intelligence Model
• Title（参考訳）: 病原性経路解析と意思決定支援のための都市人口健康観測所--基礎的説明可能な人工知能モデル
• Authors: Whitney S Brakefield, Nariman Ammar, Arash Shaban-Nejad
• Abstract要約: 本研究は,既存の都市人口健康観測所(UPHO)を拡充することを目的としている。 機械学習とセマンティック/論理的推論を利用する凝集的なアプローチは、疾患につながる経路を明らかにする。 UPHOの応用は、健康格差を減らし、都市住民の健康を改善するのに役立つ。
• 参考スコア（独自算出の注目度）: 0.966840768820136
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study sought to (1) expand our existing Urban Population Health Observatory (UPHO) system by incorporating a semantics layer; (2) cohesively employ machine learning and semantic/logical inference to provide measurable evidence and detect pathways leading to undesirable health outcomes; (3) provide clinical use case scenarios and design case studies to identify socioenvironmental determinants of health associated with the prevalence of obesity, and (4) design a dashboard that demonstrates the use of UPHO in the context of obesity surveillance using the provided scenarios. The system design includes a knowledge graph generation component that provides contextual knowledge from relevant domains of interest. This system leverages semantics using concepts, properties, and axioms from existing ontologies. In addition, we used the publicly available US Centers for Disease Control and Prevention 500 Cities data set to perform multivariate analysis. A cohesive approach that employs machine learning and semantic/logical inference reveals pathways leading to diseases. In this study, we present 2 clinical case scenarios and a proof-of-concept prototype design of a dashboard that provides warnings, recommendations, and explanations and demonstrates the use of UPHO in the context of obesity surveillance, treatment, and prevention. While exploring the case scenarios using a support vector regression machine learning model, we found that poverty, lack of physical activity, education, and unemployment were the most important predictive variables that contribute to obesity in Memphis, TN. The application of UPHO could help reduce health disparities and improve urban population health. The expanded UPHO feature incorporates an additional level of interpretable knowledge to enhance physicians, researchers, and health officials' informed decision-making at both patient and community levels.
• Abstract（参考訳）: This study sought to (1) expand our existing Urban Population Health Observatory (UPHO) system by incorporating a semantics layer; (2) cohesively employ machine learning and semantic/logical inference to provide measurable evidence and detect pathways leading to undesirable health outcomes; (3) provide clinical use case scenarios and design case studies to identify socioenvironmental determinants of health associated with the prevalence of obesity, and (4) design a dashboard that demonstrates the use of UPHO in the context of obesity surveillance using the provided scenarios. システム設計は、関連する関心領域からコンテキスト知識を提供する知識グラフ生成コンポーネントを含む。 このシステムは既存のオントロジーから概念、特性、公理を用いて意味論を利用する。 さらに,多変量解析を行うために,米国疾病予防管理センター(US Centers for Disease Control and Prevention 500 Cities)データセットを使用した。 機械学習とセマンティック/論理推論を用いた凝集的アプローチは、疾患につながる経路を明らかにする。 本研究は,2つの臨床ケースシナリオと,警告,勧告,説明を提供するダッシュボードのコンセプト実証プロトタイプデザインを示し,肥満監視,治療,予防の文脈におけるuphoの使用を実証する。 サポートベクター回帰機械学習モデルを用いてケースシナリオを検討した結果、貧困、身体活動の欠如、教育、失業がメンフィスの肥満に寄与する最も重要な予測変数であることが判明した。 UPHOの応用は、健康格差を減らし、都市住民の健康を改善するのに役立つ。 拡張UPHO機能は、医師、研究者、保健当局の患者レベルと地域レベルでの情報意思決定を強化するために、解釈可能な知識を付加する。

関連論文リスト

• A Survey of Models for Cognitive Diagnosis: New Developments and Future Directions [66.40362209055023]
  本研究の目的は,認知診断の現在のモデルについて,機械学習を用いた新たな展開に注目した調査を行うことである。 モデル構造,パラメータ推定アルゴリズム,モデル評価方法,適用例を比較して,認知診断モデルの最近の傾向を概観する。
  論文  参考訳（メタデータ） (2024-07-07T18:02:00Z)
• 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)
• Agent-Based Model: Simulating a Virus Expansion Based on the Acceptance of Containment Measures [65.62256987706128]
  比較疫学モデルは、疾患の状態に基づいて個人を分類する。 我々は、適応されたSEIRDモデルと市民のための意思決定モデルを組み合わせたABMアーキテクチャを提案する。 スペイン・ア・コルナにおけるSARS-CoV-2感染症の進行状況について検討した。
  論文  参考訳（メタデータ） (2023-07-28T08:01:05Z)
• 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)
• Human Health Indicator Prediction from Gait Video [34.24448186464565]
  我々は、監視やホームモニタリングのシナリオでよく見られる健康指標の予測に、歩行ビデオを採用することを提案する。 健康指標予測タスクに適合するため,Global-Local Aware aNdsymmetric Centro (GLANCE)モジュールを提案する。 実験により,提案手法はMoViの健康指標を予測するための最先端の結果が得られることが示された。
  論文  参考訳（メタデータ） (2022-12-25T19:10:37Z)
• On Curating Responsible and Representative Healthcare Video Recommendations for Patient Education and Health Literacy: An Augmented Intelligence Approach [5.545277272908999]
  アメリカの成人の3人に1人がインターネットを使って健康上の懸念を診断し、学んでいる。 健康リテラシーの分割はアルゴリズムの推薦によって悪化する可能性がある。
  論文  参考訳（メタデータ） (2022-07-13T01:54:59Z)
• MIMO: Mutual Integration of Patient Journey and Medical Ontology for Healthcare Representation Learning [49.57261599776167]
  本稿では、医療表現学習と予測分析のための、エンドツーエンドの堅牢なトランスフォーマーベースのソリューション、患者旅行の相互統合、医療オントロジー(MIMO)を提案する。
  論文  参考訳（メタデータ） (2021-07-20T07:04:52Z)
• An Urban Population Health Observatory System to Support COVID-19 Pandemic Preparedness, Response, and Management: Design and Development Study [0.8602553195689513]
  本研究は、新型コロナウイルスのパンデミックに対応するため、健康者2030 SDoHの分類を再定義することを試みた。 我々は,グループレベルのSDoH指標を個別および集団レベルの人口健康データに統合するWebプラットフォームであるUrban Population Health Observatory(UPHO)のプロトタイプの実装を目指している。
  論文  参考訳（メタデータ） (2021-06-16T16:48:55Z)
• Collaborative Graph Learning with Auxiliary Text for Temporal Event Prediction in Healthcare [16.40827965484983]
  患者と患者の相互作用と医療領域の知識を探るための協調グラフ学習モデルを提案する。 私達の解決は患者および病気の構造特徴を捕獲できます。 提案手法の競合予測性能を示すために, 2つの重要な医療問題の実験を行った。
  論文  参考訳（メタデータ） (2021-05-16T23:11:11Z)
• MET: Multimodal Perception of Engagement for Telehealth [52.54282887530756]
  ビデオから人間のエンゲージメントレベルを知覚する学習ベースアルゴリズムMETを提案する。 我々はメンタルヘルス患者のエンゲージメント検出のための新しいデータセットMEDICAをリリースした。
  論文  参考訳（メタデータ） (2020-11-17T15:18:38Z)
• 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。