論文の概要: ZotCare: A Flexible, Personalizable, and Affordable mHealth Service Provider

• arxiv url: http://arxiv.org/abs/2307.01905v1
• Date: Tue, 4 Jul 2023 20:27:16 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-06 15:51:24.597830
• Title: ZotCare: A Flexible, Personalizable, and Affordable mHealth Service Provider
• Title（参考訳）: ZotCare: フレキシブルでパーソナライズ可能、そして拡張可能なmHealthサービスプロバイダ
• Authors: Sina Labbaf, Mahyar Abbasian, Iman Azimi, Nikil Dutt, and Amir M. Rahmani
• Abstract要約: この記事では、ZotCareのサービスオーケストレーションに焦点を当て、mHealthリサーチ用のプログラム可能な環境を作成する能力を強調します。 過去にも現在進行中のプロジェクトでも,ZotCareを利用した研究事例をいくつか紹介する。
• 参考スコア（独自算出の注目度）: 2.257929280955475
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The proliferation of Internet-connected health devices and the widespread availability of mobile connectivity have resulted in a wealth of reliable digital health data and the potential for delivering just-in-time interventions. However, leveraging these opportunities for health research requires the development and deployment of mobile health (mHealth) applications, which present significant technical challenges for researchers. While existing mHealth solutions have made progress in addressing some of these challenges, they often fall short in terms of time-to-use, affordability, and flexibility for personalization and adaptation. ZotCare aims to address these limitations by offering ready-to-use and flexible services, providing researchers with an accessible, cost-effective, and adaptable solution for their mHealth studies. This article focuses on ZotCare's service orchestration and highlights its capabilities in creating a programmable environment for mHealth research. Additionally, we showcase several successful research use cases that have utilized ZotCare, both in the past and in ongoing projects. Furthermore, we provide resources and information for researchers who are considering ZotCare as their mHealth research solution.
• Abstract（参考訳）: インターネットに接続された健康デバイスの普及と、モバイル接続の普及により、信頼できるデジタルヘルスデータと、ジャスト・イン・タイムの介入を提供する可能性がある。 しかし、これらの機会を健康研究に活用するには、モバイルヘルス(mhealth)アプリケーションの開発と展開が必要であり、研究者にとって重要な技術的課題となっている。 既存のmHealthソリューションはこれらの課題のいくつかに対処する作業を進めてきたが、多くの場合、パーソナライズと適応のための時間と可利用性、柔軟性の面で不足している。 zotcareは、使用可能で柔軟なサービスを提供することで、これらの制限に対処し、研究者がmhealth研究にアクセスしやすく、コスト効率が高く、適応可能なソリューションを提供することを目指している。 この記事では、ZotCareのサービスオーケストレーションに焦点を当て、mHealthリサーチ用のプログラム可能な環境を作成する能力を強調します。 さらに,過去にも進行中のプロジェクトにおいても,ZotCareを利用した研究事例をいくつか紹介する。 さらに,ZotCareをmHealth研究ソリューションとして検討している研究者に対して,リソースと情報を提供する。

関連論文リスト

• Harnessing the Digital Revolution: A Comprehensive Review of mHealth Applications for Remote Monitoring in Transforming Healthcare Delivery [1.03590082373586]
  このレビューでは、遠隔医療プラットフォーム、慢性疾患管理用のモバイルアプリ、ウェアラブルデバイスなど、リモート監視に使用されるさまざまなタイプのmHealthアプリケーションを強調している。 これらの応用の利点は、患者の成果の改善、医療へのアクセスの向上、医療費の削減、医療格差への対処である。 しかしながら、プライバシやセキュリティ上の懸念、技術的なインフラストラクチャの欠如、規制のイシュー、データの正確性、ユーザの遵守、ディジタルディビジョンといった課題や制限には対処する必要がある。
  論文  参考訳（メタデータ） (2024-08-26T11:32:43Z)
• Towards Privacy-Aware and Personalised Assistive Robots: A User-Centred Approach [55.5769013369398]
  この研究は、フェデレートラーニング(FL)のようなユーザー中心のプライバシーに配慮した技術のパイオニアである。 FLは機密データを共有せずに協調学習を可能にし、プライバシとスケーラビリティの問題に対処する。 この作業には、スマート車椅子アシストのためのソリューションの開発、ユーザの独立性の向上、幸福感の向上が含まれる。
  論文  参考訳（メタデータ） (2024-05-23T13:14:08Z)
• Towards Smart Healthcare: Challenges and Opportunities in IoT and ML [0.0]
  新型コロナウイルス(COVID-19)のパンデミックや他の健康危機は、世界中の医療サービスを促進する必要性を浮き彫りにした。 この章は、IoTヘルスケアセクターに機械学習メソッドを統合する際に直面するハードルを探求することに焦点を当てている。 現在の研究課題と潜在的な機会を包括的にまとめ、三つのシナリオに分類する。
  論文  参考訳（メタデータ） (2023-12-09T10:45:44Z)
• Benefits and Harms of Large Language Models in Digital Mental Health [40.02859683420844]
  大型言語モデル (LLMs) は、デジタルメンタルヘルスを未知の領域に導くことを約束している。 本稿では、デジタルメンタルヘルスツールの設計、開発、実装においてLLMがもたらす可能性とリスクについて、現代の展望を示す。
  論文  参考訳（メタデータ） (2023-11-07T14:11:10Z)
• HEAR4Health: A blueprint for making computer audition a staple of modern healthcare [89.8799665638295]
  近年、従来の医療システムを変革する試みとして、デジタル医療の研究が急速に増加している。 コンピュータによるオーディションは、少なくとも商業的関心の面では遅れている。 実生活における聴覚信号の分析に必要な基礎技術に対応する聴覚、計算とデータ効率の進歩、個々の差異を考慮し、医療データの長手性を扱う聴覚。
  論文  参考訳（メタデータ） (2023-01-25T09:25:08Z)
• Multi-task Learning for Personal Health Mention Detection on Social Media [70.23889100356091]
  本研究では、マルチタスク学習フレームワークを用いて、利用可能な注釈付きデータを活用し、メインタスクのパフォーマンスを向上させる。 我々は、感情検出を補助タスクとして利用することで、感情情報を対象タスクに組み込むことに重点を置いている。
  論文  参考訳（メタデータ） (2022-12-09T23:49:00Z)
• Semantic Web in Healthcare: A Systematic Literature Review of Application, Research Gap, and Future Research Avenues [0.0]
  この体系的な文献レビューは、医療システムにおけるセマンティックウェブの過去の知見を評価し、批判することを目的としている。 65の論文を見て、eサービス、病気、情報管理、フロンティア技術、規制条件の5つのテーマを思いついた。
  論文  参考訳（メタデータ） (2022-10-19T23:41:45Z)
• Reinforcement Learning for Intelligent Healthcare Systems: A Comprehensive Survey [42.17523380108375]
  強化学習(Reinforcement Learning, RL)は、さまざまなアプリケーションやサービスに対して、さまざまな複雑な問題を解決するという、本質的なブレークスルーを目撃している。 本稿では、I-healthの文脈におけるRLの使用について、読者にその現状を深く理解するよう促すことができる。
  論文  参考訳（メタデータ） (2021-08-05T18:47:17Z)
• Internet-of-Things Devices and Assistive Technologies for Healthcare: Applications, Challenges, and Opportunities [5.8497361730688695]
  病院や診療所は、多くの患者を収容する能力を持っていない。 健康産業の現状は、その価値ある限られた資源を改善する必要があることは明らかである。 IoT(Internet of Things)デバイスの進化と補助技術は、医療の問題を緩和する。
  論文  参考訳（メタデータ） (2021-07-11T12:18:12Z)
• Edge Intelligence for Empowering IoT-based Healthcare Systems [42.909808437026136]
  この記事では、スマートヘルスケアシステムにおけるAIとともに、エッジインテリジェント技術のメリットを強調します。 スマートヘルスケアシステムにおけるAIとエッジ技術の利用を促進するために、新しいスマートヘルスケアモデルが提案されている。
  論文  参考訳（メタデータ） (2021-03-22T19:35:06Z)

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。