論文の概要: Assisted Living in the United States: an Open Dataset
- arxiv url: http://arxiv.org/abs/2212.14092v2
- Date: Sat, 4 Feb 2023 18:06:48 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 13:22:21.543256
- Title: Assisted Living in the United States: an Open Dataset
- Title（参考訳）: 米国における生活支援: オープンデータセット
- Authors: Anton Stengel, Jaan Altosaar, Rebecca Dittrich, Noemie Elhadad
- Abstract要約: 補助生活施設(ALF)は、誰かが生活できる場所であり、交通機関などの社会支援にアクセスでき、トイレやドレッシングなどの日常生活活動の支援を受けることができる。
ALFが重要な役割を担っているにもかかわらず、医療機関に認定される必要はない。
米国で初めてのALFの公開データセットを公開し、50の州とワシントンD.C.の全州を44,638の施設と120万のベッドでカバーした。
- 参考スコア（独自算出の注目度）: 1.510226005465492
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: An assisted living facility (ALF) is a place where someone can live, have
access to social supports such as transportation, and receive assistance with
the activities of daily living such as toileting and dressing. Despite the
important role of ALFs, they are not required to be certified with Medicare and
there is no public national database of these facilities. We present the first
public dataset of ALFs in the United States, covering all 50 states and DC with
44,638 facilities and over 1.2 million beds. This dataset can help provide
answers to existing public health questions as well as help those in need find
a facility. The dataset was validated by replicating the results of a
nationwide study of ALFs that uses closed data [4], where the prevalence of
ALFs is assessed with respect to county-level socioeconomic variables related
to health disparity such as race, disability, and income. To showcase the value
of this dataset, we also propose a novel metric to assess access to
community-based care. We calculate the average distance an individual in need
must travel in order to reach an ALF. The dataset and all relevant code are
available at github.com/antonstengel/assisted-living-data.
- Abstract（参考訳）: 補助生活施設(英: assisted living facility、alf)は、誰かが生活し、交通などの社会的支援を受け、トイレやドレッシングといった日常生活の活動を補助する場所である。
alfsが重要な役割を担っているにもかかわらず、メディケアの認定を受ける必要はなく、これらの施設の公共の国立データベースも存在しない。
アメリカ合衆国で最初のALFの公開データセットを公開し、50の州とDC全てを44,638の施設と120万のベッドでカバーした。
このデータセットは、既存の公衆衛生問題に対する答えを提供するだけでなく、必要な施設を見つけるのに役立つ。
このデータセットは, 人種, 障害, 所得などの健康格差に関連する郡レベルの社会経済変数について, 閉データを用いたALFの全国調査[4]の結果を再現して検証した。
このデータセットの価値を示すために、コミュニティベースのケアへのアクセスを評価するための新しいメトリクスも提案する。
必要な個人がalfに到達するために移動しなければならない平均距離を計算する。
データセットと関連するコードはgithub.com/antonstengel/assisted-living-dataで入手できる。
関連論文リスト
- FedCVD: The First Real-World Federated Learning Benchmark on Cardiovascular Disease Data [52.55123685248105]
心臓血管疾患(CVD)は、現在世界でも主要な死因であり、早期診断と治療の要点を浮き彫りにしている。
機械学習(ML)手法はCVDの早期診断に役立つが、その性能は高品質なデータへのアクセスに依存している。
本稿では、FedCVDという心臓血管疾患検出のための、世界初の実世界のFLベンチマークを示す。
論文 参考訳（メタデータ） (2024-10-28T02:24:01Z) - Federated Active Learning Framework for Efficient Annotation Strategy in Skin-lesion Classification [1.8149633401257899]
フェデレートラーニング(FL)は、複数の機関がプライベートデータを共有することなく、協力的にモデルをトレーニングすることを可能にする。
アクティブラーニング(AL)は、医用画像解析におけるデータアノテーションの数を減らす上で有望な性能を示した。
本稿では,FL 下で周期的かつ対話的に AL を実行するフェデレーション AL (FedAL) フレームワークを提案する。
論文 参考訳（メタデータ） (2024-06-17T08:16:28Z) - A Federated Learning Framework for Stenosis Detection [70.27581181445329]
本研究は,冠動脈造影画像(CA)の狭窄検出におけるFL(Federated Learning)の使用について検討した。
アンコナのOspedale Riuniti(イタリア)で取得した200人の患者1219枚の画像を含む2施設の異種データセットについて検討した。
データセット2には、文献で利用可能な90人の患者からの7492のシーケンシャルな画像が含まれている。
論文 参考訳（メタデータ） (2023-10-30T11:13:40Z) - SDOH-NLI: a Dataset for Inferring Social Determinants of Health from
Clinical Notes [13.991819517682574]
社会的および行動的健康決定因子(SDOH)は、健康結果を形成する上で重要な役割を果たす。
このタスクにNLPメソッドを使うことの進歩は、高品質な公開ラベル付きデータの不足によって妨げられている。
本稿では,公開ノートをベースとした新たなデータセットであるSDOH-NLIを紹介する。
論文 参考訳（メタデータ） (2023-10-27T19:09:30Z) - AlpaCare:Instruction-tuned Large Language Models for Medical Application [23.697610908951443]
GPT-4 と ChatGPT を用いた多種多様な医療用 IFT データセット MedInstruct-52k の作成を提案する。
次に、データセット上のLLaMA系列モデルを微調整してAlpaCareを開発する。
ドメイン固有のデータセットが小さいにもかかわらず、AlpaCareは医療アプリケーションで優れたパフォーマンスを示している。
論文 参考訳（メタデータ） (2023-10-23T04:22:50Z) - 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) - Cross-device Federated Learning for Mobile Health Diagnostics: A First
Study on COVID-19 Detection [17.60965121379399]
フェデレートラーニング(FL)は、健康診断モデルに多数の個人用エッジデバイスからのデータを組み込むことができる。
このような医療診断のためのデバイス横断FLアプローチは、ローカルデータ不均衡とグローバルデータ不均衡の両方のために、依然として多くの課題を課している。
健康診断のためのクロスデバイスFLフレームワークであるFedLossを提案する。
論文 参考訳（メタデータ） (2023-03-13T12:42:02Z) - FLamby: Datasets and Benchmarks for Cross-Silo Federated Learning in
Realistic Healthcare Settings [51.09574369310246]
Federated Learning(FL)は、センシティブなデータを保持している複数のクライアントが協力して機械学習モデルをトレーニングできる新しいアプローチである。
本稿では,医療分野に重点を置くクロスサイロ・データセット・スイートFLambyを提案し,クロスサイロ・FLの理論と実践のギャップを埋める。
私たちのフレキシブルでモジュラーなスイートによって、研究者は簡単にデータセットをダウンロードし、結果を再現し、研究のためにさまざまなコンポーネントを再利用することができます。
論文 参考訳（メタデータ） (2022-10-10T12:17:30Z) - 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) - Inverse Distance Aggregation for Federated Learning with Non-IID Data [48.48922416867067]
近年,フェデレートラーニング(FL)は医用画像の分野で有望なアプローチである。
FLにおける重要な問題は、特に医療シナリオにおいて、ノイズの多い分散クライアントやアウトオブディストリビューションクライアントに対して堅牢な、より正確な共有モデルを持つことである。
非平衡データと非IDデータを扱うメタ情報に基づく新しい適応重み付け手法であるIDAを提案する。
論文 参考訳（メタデータ） (2020-08-17T23:20:01Z) - A County-level Dataset for Informing the United States' Response to
COVID-19 [5.682299443164938]
我々は、アメリカ合衆国郡のレベルに関する政府、ジャーナリスト、学術情報源から関連するデータを収集するデータセットを提示する。
私たちのデータセットには300以上の変数が含まれており、人口推計、人口統計、民族、住宅、教育、雇用と所得、気候、交通、スコア、医療システム関連メトリクスを要約しています。
論文 参考訳（メタデータ） (2020-04-01T05:07:27Z)
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。