論文の概要: Adaptive questionnaires for facilitating patient data entry in clinical
decision support systems: Methods and application to STOPP/START v2
- arxiv url: http://arxiv.org/abs/2309.10398v1
- Date: Tue, 19 Sep 2023 07:59:13 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-20 15:45:22.907347
- Title: Adaptive questionnaires for facilitating patient data entry in clinical
decision support systems: Methods and application to STOPP/START v2
- Title（参考訳）: 臨床意思決定支援システムにおける患者データ入力支援のための適応的アンケート:STOPP/START v2への方法と適用
- Authors: Jean-Baptiste Lamy, Abdelmalek Mouazer, Karima Sedki, Sophie Dubois,
Hector Falcoff
- Abstract要約: 本稿では,適応型アンケートを用いて患者データ入力を簡略化する独自のソリューションを提案する。
ルールに基づく意思決定支援システムを考えると,臨床ルールを表示規則に翻訳する手法を考案した。
アンケート調査の結果, 臨床症状の約3分の2減らすことができることがわかった。
- 参考スコア（独自算出の注目度）: 1.8374319565577155
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Clinical decision support systems are software tools that help clinicians to
make medical decisions. However, their acceptance by clinicians is usually
rather low. A known problem is that they often require clinicians to manually
enter lots of patient data, which is long and tedious. Existing solutions, such
as the automatic data extraction from electronic health record, are not fully
satisfying, because of low data quality and availability. In practice, many
systems still include long questionnaire for data entry.
In this paper, we propose an original solution to simplify patient data
entry, using an adaptive questionnaire, i.e. a questionnaire that evolves
during user interaction, showing or hiding questions dynamically. Considering a
rule-based decision support systems, we designed methods for translating the
system's clinical rules into display rules that determine the items to show in
the questionnaire, and methods for determining the optimal order of priority
among the items in the questionnaire. We applied this approach to a decision
support system implementing STOPP/START v2, a guideline for managing
polypharmacy. We show that it permits reducing by about two thirds the number
of clinical conditions displayed in the questionnaire. Presented to clinicians
during focus group sessions, the adaptive questionnaire was found "pretty easy
to use". In the future, this approach could be applied to other guidelines, and
adapted for data entry by patients.
- Abstract（参考訳）: 臨床意思決定支援システムは、臨床医が医療決定を行うのを助けるソフトウェアツールである。
しかし、臨床医の受け入れは概して低い。
既知の問題は、医師が手動で多くの患者データを入力する必要があることだ。
電子健康記録からの自動データ抽出のような既存のソリューションは、データ品質と可用性が低いため、完全には満足できない。
実際には、多くのシステムはデータ入力のための長いアンケートを含んでいる。
本稿では,ユーザインタラクション中に動的に質問を呈示したり隠したりする質問紙,適応型アンケートを用いて,患者のデータ入力を簡素化する独自のソリューションを提案する。
ルールに基づく意思決定支援システムを考えると,本システムにおける臨床ルールを,アンケートで示す項目を決定する表示規則に翻訳する方法と,アンケートにおける項目間の優先順位の最適順序を決定する方法とを設計した。
STOPP/START v2を実装した意思決定支援システムに本手法を適用した。
アンケート調査の結果, 臨床症状の約3分の2減らすことができることがわかった。
フォーカスグループセッション中に臨床医に提示された適応質問紙は,「かなり使い易い」と考えられた。
将来的には、このアプローチは他のガイドラインにも適用でき、患者によるデータ入力にも適用できるだろう。
関連論文リスト
- Generating medical screening questionnaires through analysis of social media data [1.360022695699485]
ソーシャルメディア投稿から,所定の医療状況に対するスクリーニングアンケート作成の可能性について,予備調査を行った。
我々はRedditの数百人のユーザーのデータを用いて,3つの条件に対するアンケートを作成する。
以上の結果から,少なくとも部分的には,アンケート生成のプロセスが自動化可能であることが示唆された。
論文 参考訳（メタデータ） (2024-11-17T11:57:18Z) - Large Language Models in the Clinic: A Comprehensive Benchmark [63.21278434331952]
診療所の大規模言語モデル(LLM)をよりよく理解するためのベンチマークであるClimateBenchを構築した。
まず、さまざまな臨床言語の生成、理解、推論タスクを含む11の既存のデータセットを収集します。
次に,現実の実践において複雑だが一般的である6つの新しいデータセットと臨床タスクを構築した。
ゼロショット設定と少数ショット設定の両方で、20個のLDMを広範囲に評価する。
論文 参考訳（メタデータ） (2024-04-25T15:51:06Z) - Prompt-based Personalized Federated Learning for Medical Visual Question
Answering [56.002377299811656]
本稿では,データの不均一性とプライバシの懸念に対処するための,新しいプロンプトベースのパーソナライズド・フェデレーション・ラーニング(pFL)手法を提案する。
我々は、異なる臓器からの医療データセットをクライアントとみなし、各クライアントに対してパーソナライズされたトランスフォーマーベースのVQAモデルをトレーニングするためにpFLを使用する。
論文 参考訳（メタデータ） (2024-02-15T03:09:54Z) - Zero-Shot Clinical Trial Patient Matching with LLMs [40.31971412825736]
大規模言語モデル(LLM)は、自動スクリーニングの有望なソリューションを提供する。
我々は,患者の診療歴を非構造的臨床テキストとして考慮し,その患者が包括的基準を満たしているかどうかを評価するLCMベースのシステムを構築した。
提案システムは,n2c2 2018コホート選択ベンチマークにおいて,最先端のスコアを達成している。
論文 参考訳（メタデータ） (2024-02-05T00:06:08Z) - RECAP-KG: Mining Knowledge Graphs from Raw GP Notes for Remote COVID-19
Assessment in Primary Care [45.43645878061283]
本稿では,患者相談の前後に書かれた生のGP医療ノートから知識グラフ構築を行うフレームワークを提案する。
私たちの知識グラフには、既存の患者の症状、その持続時間、重症度に関する情報が含まれています。
本フレームワークを英国における新型コロナウイルス患者の相談ノートに適用する。
論文 参考訳（メタデータ） (2023-06-17T23:35:51Z) - SPeC: A Soft Prompt-Based Calibration on Performance Variability of
Large Language Model in Clinical Notes Summarization [50.01382938451978]
本稿では,ソフトプロンプトを用いたモデルに依存しないパイプラインを導入し,確率に基づく要約の利点を保ちながら分散を減少させる。
実験結果から,本手法は性能を向上するだけでなく,様々な言語モデルの分散を効果的に抑制することが明らかとなった。
論文 参考訳（メタデータ） (2023-03-23T04:47:46Z) - Machine learning-based patient selection in an emergency department [0.0]
本稿では機械学習(ML)に基づく患者選択手法の可能性について検討する。
システムの包括的な状態表現と、複雑な非線形選択関数が組み込まれている。
その結果,提案手法は評価条件の大部分においてAPQ法よりも有意に優れていた。
論文 参考訳（メタデータ） (2022-06-08T08:56:52Z) - Q-Pain: A Question Answering Dataset to Measure Social Bias in Pain
Management [5.044336341666555]
痛み管理の文脈におけるQAのバイアスを評価するためのデータセットであるQ-Painを紹介する。
本稿では, 治療決定の際に生じる潜在的なバイアスを測定するための, 実験設計のサンプルを含む, 厳密な新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2021-08-03T21:55:28Z) - Where's the Question? A Multi-channel Deep Convolutional Neural Network
for Question Identification in Textual Data [83.89578557287658]
本稿では,実際の質問を分離する目的で,新しい多チャンネル深層畳み込みニューラルネットワークアーキテクチャであるQuest-CNNを提案する。
提案するニューラルネットワークと他のディープニューラルネットワークの総合的な性能比較分析を行った。
提案したQuest-CNNは、透析ケア設定におけるデータエントリレビュー対話のデータセットと一般的なドメインデータセットの両方において、最高のF1スコアを達成した。
論文 参考訳（メタデータ） (2020-10-15T15:11:22Z) - DeepEnroll: Patient-Trial Matching with Deep Embedding and Entailment
Prediction [67.91606509226132]
臨床試験は医薬品開発に不可欠であるが、高価で不正確で不十分な患者募集に苦しむことが多い。
DeepEnrollは、入力基準(タブラリデータ)を一致する推論のための共有潜在空間に共同でエンコードする、クロスモーダル推論学習モデルである。
論文 参考訳（メタデータ） (2020-01-22T17:51:25Z)
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。