論文の概要: Machine Learning Applications in Studying Mental Health Among Immigrants and Racial and Ethnic Minorities: A Systematic Review

• arxiv url: http://arxiv.org/abs/2304.09233v1
• Date: Tue, 18 Apr 2023 18:48:37 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-20 16:23:39.538328
• Title: Machine Learning Applications in Studying Mental Health Among Immigrants and Racial and Ethnic Minorities: A Systematic Review
• Title（参考訳）: 移民・民族・少数民族のメンタルヘルス研究における機械学習応用--体系的考察
• Authors: Khushbu Khatri Park, Abdulaziz Ahmed, and Mohammed Ali Al-Garadi
• Abstract要約: メンタルヘルス(MH)研究における機械学習(ML)の利用が増加している。 このレビューは、移民、難民、移民、人種的および民族的マイノリティの脆弱な集団におけるMHを研究するために、MLが現在使われている際の潜在的なギャップを明らかにすることを目的としている。
• 参考スコア（独自算出の注目度）: 3.0108936184913295
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Background: The use of machine learning (ML) in mental health (MH) research is increasing, especially as new, more complex data types become available to analyze. By systematically examining the published literature, this review aims to uncover potential gaps in the current use of ML to study MH in vulnerable populations of immigrants, refugees, migrants, and racial and ethnic minorities. Methods: In this systematic review, we queried Google Scholar for ML-related terms, MH-related terms, and a population of a focus search term strung together with Boolean operators. Backward reference searching was also conducted. Included peer-reviewed studies reported using a method or application of ML in an MH context and focused on the populations of interest. We did not have date cutoffs. Publications were excluded if they were narrative or did not exclusively focus on a minority population from the respective country. Data including study context, the focus of mental healthcare, sample, data type, type of ML algorithm used, and algorithm performance was extracted from each. Results: Our search strategies resulted in 67,410 listed articles from Google Scholar. Ultimately, 12 were included. All the articles were published within the last 6 years, and half of them studied populations within the US. Most reviewed studies used supervised learning to explain or predict MH outcomes. Some publications used up to 16 models to determine the best predictive power. Almost half of the included publications did not discuss their cross-validation method. Conclusions: The included studies provide proof-of-concept for the potential use of ML algorithms to address MH concerns in these special populations, few as they may be. Our systematic review finds that the clinical application of these models for classifying and predicting MH disorders is still under development.
• Abstract（参考訳）: 背景: メンタルヘルス(MH)研究における機械学習(ML)の利用が増加している。 論文を体系的に検討することにより、移民、難民、移民、人種的・民族的マイノリティの脆弱な集団におけるMLのMH研究における現在の使用の潜在的なギャップを明らかにすることを目的としている。 方法: この体系的なレビューでは,Google ScholarをML関連用語,MH関連用語,およびBoolean演算子と集結した集中検索項の人口について調査した。 後方参照探索も行われた。 MH文脈におけるMLの手法や応用を応用し、関心の人口に着目したピアレビュー研究をまとめた。 日付の切り離しはありませんでした。 出版物が物語である場合や、各国の少数民族のみに焦点を当てていない場合、除外された。 研究状況,メンタルヘルスの焦点,サンプル,データ型,使用するMLアルゴリズムの種類,アルゴリズムのパフォーマンスなどを含むデータを抽出した。 結果: 検索戦略の結果、google scholarの記事は67,410件だった。 最終的に12機が投入された。 過去6年間に全記事が出版され、その半数はアメリカ国内での人口調査を行った。 ほとんどのレビューでは、教師あり学習を用いてMHの結果の説明や予測を行った。 いくつかの出版物は最高の予測力を決定するために16のモデルを使用した。 掲載された出版物のほぼ半数は、それらの相互評価方法を議論しなかった。 結論: 含まれた研究は、これらの特殊な集団のMH問題に対処するためのMLアルゴリズムの潜在的な使用に関する概念実証を提供する。 本研究は,MH障害の分類・予測におけるこれらのモデルの臨床応用について検討する。

関連論文リスト

• Using Large Language Models for Expert Prior Elicitation in Predictive Modelling [53.54623137152208]
  本研究では,大規模言語モデル (LLM) を用いて予測モデルの事前分布を推定する手法を提案する。 本研究では,LLMがパラメータ分布を真に生成するかどうかを評価するとともに,文脈内学習と事前推論のためのモデル選択戦略を提案する。 その結果,LLMによる事前パラメータ分布は,低データ設定における非形式的先行よりも予測誤差を著しく低減することがわかった。
  論文  参考訳（メタデータ） (2024-11-26T10:13:39Z)
• Systematic Review: Text Processing Algorithms in Machine Learning and Deep Learning for Mental Health Detection on Social Media [0.037693031068634524]
  本稿では,ソーシャルメディア上での抑うつ検出のための機械学習モデルの評価を行う。 モデルの信頼性と一般化可能性に影響を及ぼす重要なバイアスが見つかった。 否定のような言語的なニュアンスに明示的に対応した研究はわずか23%で、正確な感情分析に欠かせないものだった。
  論文  参考訳（メタデータ） (2024-10-21T17:05:50Z)
• 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)
• Sharing Matters: Analysing Neurons Across Languages and Tasks in LLMs [70.3132264719438]
  我々は,タスクや言語間でニューロンの活性化がどのように共有されるかを調べることで,研究ギャップを埋めることを目指している。 我々は、異なる言語にまたがる特定の入力に対する応答に基づいて、ニューロンを4つの異なるカテゴリに分類する。 分析の結果, (i) ニューロン共有のパターンはタスクや例の特徴に大きく影響され, (ii) ニューロン共有は言語類似性に完全には対応しない, (iii) 共有ニューロンは応答の生成において重要な役割を担っている。
  論文  参考訳（メタデータ） (2024-06-13T16:04:11Z)
• 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)
• A New Benchmark and Reverse Validation Method for Passage-level Hallucination Detection [63.56136319976554]
  大きな言語モデル(LLM)は幻覚を発生させ、ミッションクリティカルなタスクにデプロイすると大きなダメージを与える可能性がある。 本稿では,逆検証に基づく自己チェック手法を提案し,ゼロリソース方式で事実誤りを自動的に検出する。 提案手法と既存のゼロリソース検出手法を2つのデータセット上で実証的に評価した。
  論文  参考訳（メタデータ） (2023-10-10T10:14:59Z)
• Bias and Fairness in Large Language Models: A Survey [73.87651986156006]
  本稿では,大規模言語モデル(LLM)のバイアス評価と緩和手法に関する総合的な調査を行う。 まず、自然言語処理における社会的偏見と公平性の概念を統合し、形式化し、拡張する。 次に,3つの直感的な2つのバイアス評価法と1つの緩和法を提案し,文献を統一する。
  論文  参考訳（メタデータ） (2023-09-02T00:32:55Z)
• Use and Misuse of Machine Learning in Anthropology [0.9786690381850356]
  生物学的・文化的な証拠に基づいて人類の進化を理解することを目指す古人類学の分野に焦点をあてる。 本研究の目的は,MLが古人類学に応用されている方法について,簡単な紹介を行うことである。 人類学文献の集積部において,ML手法の正しいプロトコルの一連の誤り,誤り,違反について論じる。
  論文  参考訳（メタデータ） (2022-09-06T20:32:24Z)
• 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)
• Opportunities and Challenges of Deep Learning Methods for Electrocardiogram Data: A Systematic Review [62.490310870300746]
  心電図(Electrocardiogram、ECG)は、医学および医療において最も一般的に用いられる診断ツールの1つである。 深層学習法は心電図信号を用いた予測医療タスクにおいて有望な結果を得た。 本稿では、モデリングとアプリケーションの観点から、ECGデータに対するディープラーニング手法の体系的なレビューを行う。
  論文  参考訳（メタデータ） (2019-12-28T02:44:29Z)

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。