論文の概要: Too sick for surveillance: Can federal HIV service data improve federal
HIV surveillance efforts?
- arxiv url: http://arxiv.org/abs/2304.10023v1
- Date: Thu, 20 Apr 2023 00:28:03 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-21 14:46:11.942067
- Title: Too sick for surveillance: Can federal HIV service data improve federal
HIV surveillance efforts?
- Title（参考訳）: 連邦のHIVサービスデータは、連邦のHIV監視活動を改善することができるのか?
- Authors: Nick Williams
- Abstract要約: この研究は、2005年から2018年にかけてのライアン・ホワイト、社会保障障害保険、メディケア、小児健康保険プログラム、およびメディケイドの人口集団を統合した。
ディープラーニングは、監視ケースがサービスケースを超えた場合でも、候補のSUSKアグリゲートを検出することができた。
- 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: Introduction: The value of integrating federal HIV services data with HIV
surveillance is currently unknown. Upstream and complete case capture is
essential in preventing future HIV transmission. Methods: This study integrated
Ryan White, Social Security Disability Insurance, Medicare, Children Health
Insurance Programs and Medicaid demographic aggregates from 2005 to 2018 for
people living with HIV and compared them with Centers for Disease Control and
Prevention HIV surveillance by demographic aggregate. Surveillance Unknown,
Service Known (SUSK) candidate aggregates were identified from aggregates where
services aggregate volumes exceeded surveillance aggregate volumes. A
distribution approach and a deep learning model series were used to identify
SUSK candidate aggregates where surveillance cases exceeded services cases in
aggregate. Results: Medicare had the most candidate SUSK aggregates. Medicaid
may have candidate SUSK aggregates where cases approach parity with
surveillance. Deep learning was able to detect candidate SUSK aggregates even
where surveillance cases exceed service cases. Conclusions: Integration of CMS
case level records with HIV surveillance records can increase case discovery
and life course model quality; especially for cases who die after seeking HIV
services but before they become surveillance cases. The ethical implications
for both the availability and reuse of clinical HIV Data without the knowledge
and consent of the persons described remains an opportunity for the development
of big data ethics in public health research. Future work should develop big
data ethics to support researchers and assure their subjects that information
which describes them is not misused.
- Abstract（参考訳）: 導入: 連邦のHIVサービスデータとHIV監視を統合する価値は現在不明である。
上流および完全なケースキャプチャーは将来のhiv感染の予防に不可欠である。
方法: 本研究は2005年から2018年にかけて, HIV患者を対象に, ライアン・ホワイト, 社会保障障害保険, メディケア, 小児健康保険プログラム, メディケイドの人口集団を統合し, 人口集団によるHIV予防対策センターと比較した。
サーベイランス・ノウンティ (susk) は, サーベイランス・アグリゲーション・ボリュームがサーベイランス・アグリゲーション・ボリュームを上回ったアグリゲーションから, サービス・ナウンド (susk) 候補アグリゲーションを同定した。
配信手法と深層学習モデルシリーズを用いて,監視事例がサービスケースを超えるSUSK候補集合を同定した。
結果: 医療はSUSKアグリゲーションが最も有力であった。
メディケイドにはSUSKアグリゲーションがあり、ケースは監視と同等に接近する。
ディープラーニングは、監視ケースがサービスケースを超えた場合でも、候補のSUSK集約を検出することができた。
結論:CMSのケースレベルの記録とHIVの監視記録を統合することで、事例発見とライフコースモデルの品質が向上する可能性がある。
文献に記載された人の知識や同意なしに臨床HIVデータの可用性と再利用の両面での倫理的意味は、公衆衛生研究におけるビッグデータ倫理の発展の機会である。
今後の研究は、研究者を支援し、それらを記述する情報が誤用されていないことを保証するために、ビッグデータ倫理を開発するべきである。
関連論文リスト
- Securing The Future Of Healthcare: Building A Resilient Defense System For Patient Data Protection [0.0]
この研究は、勾配ボオスティング機械学習モデルを用いて、医療データ漏洩の深刻度を予測する。
その結果、ハッキングとITインシデントは、医療業界で最も一般的なタイプの違反であることがわかった。
モデル評価の結果,勾配向上アルゴリズムは良好に動作することがわかった。
論文 参考訳（メタデータ） (2024-07-23T04:25:35Z) - Generation and De-Identification of Indian Clinical Discharge Summaries using LLMs [3.8895618250348116]
近年のデータ漏洩による財務的影響は、1000万ドル近くと推定されている。
個人情報を識別するコンピュータベースのシステムは、データドリフトに対して脆弱である。
論文 参考訳（メタデータ） (2024-07-08T12:47:03Z) - Federated Learning in Healthcare: Model Misconducts, Security, Challenges, Applications, and Future Research Directions -- A Systematic Review [2.710010611878837]
フェデレートラーニング(FL)は、複数の医療機関が共有することなく、分散データから共同で学ぶことを可能にする。
FLの医療分野は、疾患予測、治療のカスタマイズ、臨床試験研究などの分野をカバーしている。
FLの実装は、非IIDデータ環境におけるモデル収束、通信オーバーヘッド、複数機関の協調管理など、課題を提起する。
論文 参考訳（メタデータ） (2024-05-22T16:59:50Z) - DNA: Differentially private Neural Augmentation for contact tracing [62.740950398187664]
接触追跡はウイルスキャリアの早期検出による感染率の低下に有効な方法である。
我々は、分散化された接触追跡において、最先端技術のプライバシー保証を大幅に改善する。
この作業は、重要なプライバシー保証を維持しながら、ディープラーニングをコンタクトトレースに統合する上で、重要な第一歩となる。
論文 参考訳（メタデータ） (2024-04-20T13:43:28Z) - S3PHER: Secure and Searchable System for Patient-driven HEalth data shaRing [0.0]
患者と介護者の健康データを共有するための現在のシステムは、プライバシ、機密性、同意管理といった重要なセキュリティ要件を完全には解決していない。
S3PHERは、医療データを共有するための新しいアプローチであり、患者にデータにアクセスする人、データにアクセスする人、そしていつアクセスされるかを制御する。
論文 参考訳（メタデータ） (2024-04-17T13:31:50Z) - Preserving The Safety And Confidentiality Of Data Mining Information In Health Care: A literature review [0.0]
PPDM技術は、膨大な量のデータから実行可能な洞察を抽出することを可能にする。
機密情報の開示は患者のプライバシーを侵害する。
本稿では,プライバシ保護機構,データ保護規制,緩和戦略に関する関連研究のレビューを行う。
論文 参考訳（メタデータ） (2023-10-30T05:32:15Z) - Privacy-preserving medical image analysis [53.4844489668116]
医用画像におけるプライバシ保護機械学習(PPML)のためのソフトウェアフレームワークであるPriMIAを提案する。
集合型学習モデルの分類性能は,未発見データセットの人間専門家と比較して有意に良好である。
グラデーションベースのモデル反転攻撃に対するフレームワークのセキュリティを実証的に評価する。
論文 参考訳（メタデータ） (2020-12-10T13:56:00Z) - Epidemic mitigation by statistical inference from contact tracing data [61.04165571425021]
我々は,個人が感染するリスクを推定するためにベイズ推定法を開発した。
本稿では,感染防止のための検査・隔離戦略を最適化するために,確率論的リスク推定手法を提案する。
我々のアプローチは、最近接触した個人間の通信のみを必要とする、完全に分散されたアルゴリズムに変換されます。
論文 参考訳（メタデータ） (2020-09-20T12:24:45Z) - Decentralized Privacy-Preserving Proximity Tracing [50.27258414960402]
DP3TはSARS-CoV-2の普及を遅らせるための技術基盤を提供する。
システムは、個人やコミュニティのプライバシーとセキュリティのリスクを最小限にすることを目的としている。
論文 参考訳（メタデータ） (2020-05-25T12:32:02Z) - COVI White Paper [67.04578448931741]
接触追跡は、新型コロナウイルスのパンデミックの進行を変える上で不可欠なツールだ。
カナダで開発されたCovid-19の公衆ピアツーピア接触追跡とリスク認識モバイルアプリケーションであるCOVIの理論的、設計、倫理的考察、プライバシ戦略について概説する。
論文 参考訳（メタデータ） (2020-05-18T07:40:49Z) - Digital Ariadne: Citizen Empowerment for Epidemic Control [55.41644538483948]
新型コロナウイルスの危機は、1918年のH1N1パンデミック以来、公衆衛生にとって最も危険な脅威である。
技術支援による位置追跡と接触追跡は、広く採用されれば、感染症の拡散を抑えるのに役立つかもしれない。
個人のデバイス上での自発的な位置情報とBluetoothトラッキングに基づいて、"diAry"や"digital Ariadne"と呼ばれるツールを提示する。
論文 参考訳（メタデータ） (2020-04-16T15:53:42Z)
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。