論文の概要: Discrete-Event Simulation in Healthcare Settings: a Review

• arxiv url: http://arxiv.org/abs/2211.00061v1
• Date: Thu, 20 Oct 2022 15:23:20 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-19 12:09:27.767427
• Title: Discrete-Event Simulation in Healthcare Settings: a Review
• Title（参考訳）: 医療現場における離散事象シミュレーション
• Authors: John J. Forbus and Daniel Berleant
• Abstract要約: 我々は、医療関連システムにおける離散事象シミュレーションに関する技術の現状をレビューし、定義する。 医療における離散的なイベントシミュレーションは、年々増加傾向にあることがわかった。 この研究は、医療でシミュレーションが使われている方法と方法の詳細とニュアンスを知るために、余分な文献計測の次元を追加します。
• 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: We review and define the current state of the art as relating to discrete event simulation in healthcare-related systems. A review of published literature over the past five years (2017 - 2021) was conducted, building upon previously published work. PubMed and EBSCOhost were searched for journal articles on discrete event simulation in healthcare resulting in identification of 933 unique articles. Of these about half were excluded at the title/abstract level and 154 at the full text level, leaving 311 papers to analyze. These were categorized, then analyzed by category and collectively to identify publication volume over time, disease focus, activity levels by coun-try, software systems used, and sizes of healthcare unit under study. A total of 1196 articles were initially identified. This list was narrowed down to 311 for systematic review. Following the schema from prior systematic reviews, the articles fell into four broad categories: health care sys-tems operations (HCSO), disease progression modeling (DPM), screening modeling (SM), and health behavior modeling (HBM). We found that discrete event simulation in healthcare has con-tinued to increase year-over-year, as well as expand into diverse areas of the healthcare system. In addition, this study adds extra bibliometric dimensions to gain more insight into the details and nuances of how and where simulation is being used in healthcare.
• Abstract（参考訳）: 我々は,医療関連システムにおける個別イベントシミュレーションに関する技術の現状をレビューし,定義する。 過去5年間(2017年～2021年)の出版文献のレビューが行われ、その内容は以前に出版された作品に基づいている。 PubMedとEBSCOhostは、医療における離散イベントシミュレーションに関するジャーナル記事を探し、933のユニークな記事が特定された。 そのうち約半数はタイトル/抽象レベルで除外され、154は全文レベルで除外され、311の論文が分析された。 これらは分類され、カテゴリー別に分析され、まとめて出版量、病的焦点、コウントによる活動レベル、使用されるソフトウェアシステム、研究中の医療ユニットのサイズを識別した。 当初は1196件が特定されていた。 このリストは体系的なレビューのために311に絞り込まれた。 以前の体系的レビューから得られたスキーマに従って、記事は4つの幅広いカテゴリに分類された: 医療sys-tems operations(hcso)、疾患進行モデリング(dpm)、スクリーニングモデリング(sm)、健康行動モデリング(hbm)。 医療における離散的なイベントシミュレーションは、年々増加し、医療システムの多様な領域に拡大していることがわかった。 さらに、本研究では、医療でシミュレーションがどのように使われているかの詳細とニュアンスを知るために、追加の書誌寸法を追加する。

関連論文リスト

• Exploring Bias and Prediction Metrics to Characterise the Fairness of Machine Learning for Equity-Centered Public Health Decision-Making: A Narrative Review [2.7757900645956943]
  アルゴリズムバイアスの包括的な理解、予測された人口健康結果の体系的なエラー、マシンラーニングの公衆衛生アプリケーションによる理解が欠如している。 このレビューは、エクイティの観点から、公衆衛生に関するMLの評価フレームワークの形式化に役立ちます。
  論文  参考訳（メタデータ） (2024-08-23T14:47:10Z)
• A survey of recent methods for addressing AI fairness and bias in biomedicine [48.46929081146017]
  人工知能システムは、人種や性別に基づくような社会的不平等を永続するか、偏見を示すことができる。 バイオメディカル自然言語処理 (NLP) やコンピュータビジョン (CV) の分野での様々な脱バイアス法に関する最近の論文を調査した。 我々は,2018年1月から2023年12月にかけて,複数のキーワードの組み合わせを用いて,PubMed,ACMデジタルライブラリ,IEEE Xploreに関する文献検索を行った。 バイオメディシンに応用可能な一般領域からの他の方法について検討し, バイアスに対処し, 公平性を向上する方法について検討した。
  論文  参考訳（メタデータ） (2024-02-13T06:38:46Z)
• De-identification of clinical free text using natural language processing: A systematic review of current approaches [48.343430343213896]
  自然言語処理は、その非識別プロセスの自動化の可能性を繰り返し示してきた。 本研究の目的は,過去13年間に臨床自由テキストの非識別化が進展したことを示す体系的な証拠を提供することである。
  論文  参考訳（メタデータ） (2023-11-28T13:20:41Z)
• 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)
• HealthE: Classifying Entities in Online Textual Health Advice [0.0]
  我々は、6,756の健康アドバイスからなる新しい注釈付きデータセットHealthEをリリースした。 HealthEは既存のNERコーパスに比べて、より粒度の細かいラベル空間を持っている。 我々は、エンティティクラス分類におけるテキストコンテキストパターンを活用する、新しいヘルスエンティティ分類モデルEP S-BERTを導入する。
  論文  参考訳（メタデータ） (2022-10-06T23:18:24Z)
• Best Practices and Scoring System on Reviewing A.I. based Medical Imaging Papers: Part 1 Classification [0.9428556282541211]
  SIIMの機械学習教育サブミッションは、これらの研究をレビューするためのガイドラインを確立するための知識ギャップと深刻な必要性を特定している。 このシリーズの最初のエントリは、画像分類のタスクに焦点を当てている。 このシリーズの目的は、A.I.をベースとした医療画像のレビュープロセスを改善するためのリソースを提供することである。
  論文  参考訳（メタデータ） (2022-02-03T21:46:59Z)
• Domain-Specific Pretraining for Vertical Search: Case Study on Biomedical Literature [67.4680600632232]
  自己教師型学習は、アノテーションのボトルネックを克服するための有望な方向として現れました。 本稿では,ドメイン固有の事前学習に基づく垂直探索手法を提案する。 我々のシステムはPubMed上で何千万もの記事にスケールでき、Microsoft Biomedical Searchとしてデプロイされている。
  論文  参考訳（メタデータ） (2021-06-25T01:02:55Z)
• What is the State of the Art of Computer Vision-Assisted Cytology? A Systematic Literature Review [47.42354724922676]
  現在,細胞診に応用されているコンピュータビジョン技術の現状を明らかにするために,システマティック文献レビューを実施している。 分析された研究で最も使われている方法は深層学習(70論文)であるが、古典的なコンピュータビジョンのみ(101論文)を使用するものは少ない。 結論として,多くの染色に対して高品質なデータセットがまだ存在せず,ほとんどの研究は日常的な臨床診断ルーチンに適用できるほど成熟していない。
  論文  参考訳（メタデータ） (2021-05-24T13:50:45Z)
• Predicting Clinical Diagnosis from Patients Electronic Health Records Using BERT-based Neural Networks [62.9447303059342]
  医療コミュニティにおけるこの問題の重要性を示す。 本稿では,変換器 (BERT) モデルによる2方向表現の分類順序の変更について述べる。 約400万人のユニークな患者訪問からなる、大規模なロシアのEHRデータセットを使用します。
  論文  参考訳（メタデータ） (2020-07-15T09:22:55Z)
• Digital personal health libraries: a systematic literature review [15.392783869176778]
  本稿では,デジタル・パーソナル・ヘルス・ライブラリ(PHL)の開発に関する最近の文献について述べる。 多様な臨床専門分野における消費者健康情報学の潜在的な応用に関する洞察を提供する。
  論文  参考訳（メタデータ） (2020-06-21T01:11:38Z)

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。