論文の概要: Good practices for clinical data warehouse implementation: a case study in France

• arxiv url: http://arxiv.org/abs/2302.07074v1
• Date: Mon, 6 Feb 2023 13:38:12 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-19 14:10:09.961555
• Title: Good practices for clinical data warehouse implementation: a case study in France
• Title（参考訳）: 臨床データウェアハウス導入の実践--フランスを事例として
• Authors: Matthieu Doutreligne, Adeline Degremont, Pierre-Alain Jachiet, Antoine Lamer, Xavier Tannier
• Abstract要約: 現代臨床データウェアハウス(CDWs)のキーとなる側面について紹介する。 フランスの32の地域および大学病院のうち、14のCDWが製造され、5のCDWプロジェクト、5のCDWプロジェクトがあり、8のCDWプロジェクトは執筆時点では作成されていない。 CDWの実際の研究への方向性には、ガバナンスの安定化、データスキーマの標準化、データ品質とデータドキュメントの開発といった努力が必要である。
• 参考スコア（独自算出の注目度）: 0.7227232362460347
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Real World Data (RWD) bears great promises to improve the quality of care. However, specific infrastructures and methodologies are required to derive robust knowledge and brings innovations to the patient. Drawing upon the national case study of the 32 French regional and university hospitals governance, we highlight key aspects of modern Clinical Data Warehouses (CDWs): governance, transparency, types of data, data reuse, technical tools, documentation and data quality control processes. Semi-structured interviews as well as a review of reported studies on French CDWs were conducted in a semi-structured manner from March to November 2022. Out of 32 regional and university hospitals in France, 14 have a CDW in production, 5 are experimenting, 5 have a prospective CDW project, 8 did not have any CDW project at the time of writing. The implementation of CDW in France dates from 2011 and accelerated in the late 2020. From this case study, we draw some general guidelines for CDWs. The actual orientation of CDWs towards research requires efforts in governance stabilization, standardization of data schema and development in data quality and data documentation. Particular attention must be paid to the sustainability of the warehouse teams and to the multi-level governance. The transparency of the studies and the tools of transformation of the data must improve to allow successful multi-centric data reuses as well as innovations in routine care.
• Abstract（参考訳）: リアル・ワールド・データ(RWD)はケアの質を改善するという大きな約束を掲げている。 しかし、具体的なインフラストラクチャや方法論は、堅牢な知識を導き、患者にイノベーションをもたらすために必要です。 フランスの32の地域・大学病院の全国的ケーススタディに基づき、現代臨床データウェアハウス(CDW)の重要側面として、ガバナンス、透明性、データのタイプ、データ再利用、技術ツール、ドキュメント、データ品質管理プロセスを挙げる。 2022年3月から11月にかけて、セミ構造化されたインタビューおよびフランスのCDWに関する報告された研究のレビューを行った。 フランスの32の地域病院と大学病院のうち、14の病院がcdwを生産しており、5つが実験中、5つがcdwプロジェクトを予定しており、8つが執筆時点でcdwのプロジェクトを持っていなかった。 フランスにおけるCDWの実施は2011年から始まり、2020年末に加速した。 本報告ではCDWの一般的なガイドラインについて述べる。 CDWの実際の研究への方向性には、ガバナンスの安定化、データスキーマの標準化、データ品質とデータドキュメントの開発といった努力が必要である。 特に倉庫チームの持続可能性やマルチレベルのガバナンスに注意を払わなければならない。 研究の透明性とデータの変換ツールの改善は、マルチ中心データ再利用の成功と定期的なケアにおける革新を可能にするために必要である。

関連論文リスト

• Data-Centric AI in the Age of Large Language Models [51.20451986068925]
  本稿では,大規模言語モデル(LLM)に着目した,AI研究におけるデータ中心の視点を提案する。 本研究では,LLMの発達段階(事前学習や微調整など)や推論段階(文脈内学習など)において,データが有効であることを示す。 データを中心とした4つのシナリオを特定し、データ中心のベンチマークとデータキュレーション、データ属性、知識伝達、推論コンテキスト化をカバーします。
  論文  参考訳（メタデータ） (2024-06-20T16:34:07Z)
• A Survey on Data Selection for Language Models [148.300726396877]
  データ選択方法は、トレーニングデータセットに含まれるデータポイントを決定することを目的としている。 ディープラーニングは、主に実証的な証拠によって駆動され、大規模なデータに対する実験は高価である。 広範なデータ選択研究のリソースを持つ組織はほとんどない。
  論文  参考訳（メタデータ） (2024-02-26T18:54:35Z)
• On Responsible Machine Learning Datasets with Fairness, Privacy, and Regulatory Norms [56.119374302685934]
  AI技術の信頼性に関する深刻な懸念があった。 機械学習とディープラーニングのアルゴリズムは、開発に使用されるデータに大きく依存する。 本稿では,責任あるルーブリックを用いてデータセットを評価するフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-10-24T14:01:53Z)
• Medical records condensation: a roadmap towards healthcare data democratisation [34.13627506572759]
  本稿では,近年の深層学習の進展であるデータセット凝縮(DC)を,医療データの民主化において2羽の鳥を殺す石として考察する。 統計メタデータと見なせるDC以降の凝縮データは、オリジナルの臨床記録を抽象化し、個々のレベルで機密情報を不可逆的に隠蔽する。
  論文  参考訳（メタデータ） (2023-05-05T17:51:15Z)
• ImDrug: A Benchmark for Deep Imbalanced Learning in AI-aided Drug Discovery [79.08833067391093]
  現実世界の医薬品のデータセットは、しばしば高度に不均衡な分布を示す。 ImDrugはオープンソースのPythonライブラリを備えたベンチマークで、4つの不均衡設定、11のAI対応データセット、54の学習タスク、16のベースラインアルゴリズムで構成されています。 ドラッグ発見パイプラインの幅広い範囲にまたがる問題やソリューションに対して、アクセス可能でカスタマイズ可能なテストベッドを提供する。
  論文  参考訳（メタデータ） (2022-09-16T13:35:57Z)
• ICDBigBird: A Contextual Embedding Model for ICD Code Classification [71.58299917476195]
  文脈単語埋め込みモデルは、複数のNLPタスクにおいて最先端の結果を得た。 ICDBigBirdは、Graph Convolutional Network(GCN)を統合するBigBirdベースのモデルである。 ICD分類作業におけるBigBirdモデルの有効性を実世界の臨床データセットで実証した。
  論文  参考訳（メタデータ） (2022-04-21T20:59:56Z)
• Big Machinery Data Preprocessing Methodology for Data-Driven Models in Prognostics and Health Management [0.0]
  本稿では,複雑なシステムからの監視データの事前処理のための包括的,ステップバイステップパイプラインを提案する。 データ選択とラベル生成の文脈で専門家の知識の重要性を論じる。 検証のために2つのケーススタディが提示され、最終的な目標は、健全で不健康なラベルでクリーンなデータセットを作成することである。
  論文  参考訳（メタデータ） (2021-10-08T17:10:12Z)
• Knowledge discovery from emergency ambulance dispatch during COVID-19: A case study of Nagoya City, Japan [2.6097841018267616]
  パンデミック時に緊急救急車派遣(EAD)の数を推定するために, 繰り返しニューラルネットワークに基づくディープラーニングフレームワークを提案する。 その結果, パンデミックなどの不確実性が高い時期におけるEAD要件の現実世界推定において, トレーニングデータのブレンドを効率的に利用できることが示唆された。
  論文  参考訳（メタデータ） (2021-02-17T08:37:05Z)
• Federated Semi-Supervised Learning for COVID Region Segmentation in Chest CT using Multi-National Data from China, Italy, Japan [14.776338073000526]
  新型コロナウイルスはSARS-CoV-2感染の診断と管理に緊急に必要なものとなっている。 近年の取り組みはコンピュータによる特徴付けと診断に重点を置いている。 臨床データセンター間のデータのドメインシフトは、学習ベースのモデルをデプロイする際に深刻な課題となる。
  論文  参考訳（メタデータ） (2020-11-23T21:51:26Z)
• Surgical Data Science -- from Concepts toward Clinical Translation [67.543698133416]
  外科的データサイエンスは、データの取得、組織化、分析、モデリングを通じて介入医療の質を向上させることを目的としている。 私たちは、その根底にある理由を明かし、この分野における今後の進歩のロードマップを提供しました。
  論文  参考訳（メタデータ） (2020-10-30T14:20:16Z)
• CovidNet: To Bring Data Transparency in the Era of COVID-19 [9.808021836153712]
  本稿では,大規模流行データセットに関連付けられた新型コロナウイルス追跡プロジェクトであるCovidNetについて述べる。 CovidNetは、世界27か国から4,124のサブディビジョンのリアルタイムグローバルケース情報を提供する唯一のプラットフォームである。 データセットの正確性と鮮度は、自発的なチームワーク、クラウドソーシングチャネル、自動データパイプラインによる苦労の結果です。
  論文  参考訳（メタデータ） (2020-05-22T00:05:17Z)

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。