論文の概要: ABiMed: An intelligent and visual clinical decision support system for
medication reviews and polypharmacy management
- arxiv url: http://arxiv.org/abs/2312.11526v1
- Date: Wed, 13 Dec 2023 11:06:45 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-31 03:43:34.078493
- Title: ABiMed: An intelligent and visual clinical decision support system for
medication reviews and polypharmacy management
- Title（参考訳）: ABiMed: 医薬レビューと多薬局管理のためのインテリジェントで視覚的な臨床診断支援システム
- Authors: Abdelmalek Mouazer, Romain L\'eguillon, Nada Boudegzdame, Thibaud
Levrard, Yoann Le Bars, Christian Simon, Brigitte S\'eroussi, Julien
Grosjean, Romain Lelong, Catherine Letord, St\'efan Darmoni, Matthieu
Schuers, Karima Sedki, Sophie Dubois, Hector Falcoff, Rosy Tsopra,
Jean-Baptiste Lamy
- Abstract要約: ABiMedの目的は、医薬品レビューと多薬局管理のための革新的な臨床決定支援システムを設計することである。
ABiMedは、ガイドラインの実装と、GPの電子健康記録から患者データを自動抽出し、薬剤師に転送すること、および視覚分析を用いてコンテキスト化された薬物知識を視覚的に提示すること、の2つのアプローチを関連付けている。
- 参考スコア（独自算出の注目度）: 3.843569766201585
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Background: Polypharmacy, i.e. taking five drugs or more, is both a public
health and an economic issue. Medication reviews are structured interviews of
the patient by the community pharmacist, aiming at optimizing the drug
treatment and deprescribing useless, redundant or dangerous drugs. However,
they remain difficult to perform and time-consuming. Several clinical decision
support systems were developed for helping clinicians to manage polypharmacy.
However, most were limited to the implementation of clinical practice
guidelines. In this work, our objective is to design an innovative clinical
decision support system for medication reviews and polypharmacy management,
named ABiMed.
Methods: ABiMed associates several approaches: guidelines implementation, but
the automatic extraction of patient data from the GP's electronic health record
and its transfer to the pharmacist, and the visual presentation of
contextualized drug knowledge using visual analytics. We performed an ergonomic
assessment and qualitative evaluations involving pharmacists and GPs during
focus groups and workshops.
Results: We describe the proposed architecture, which allows a collaborative
multi-user usage. We present the various screens of ABiMed for entering or
verifying patient data, for accessing drug knowledge (posology, adverse
effects, interactions), for viewing STOPP/START rules and for suggesting
modification to the treatment. Qualitative evaluations showed that health
professionals were highly interested by our approach, associating the automatic
guidelines execution with the visual presentation of drug knowledge.
Conclusions: The association of guidelines implementation with visual
presentation of knowledge is a promising approach for managing polypharmacy.
Future works will focus on the improvement and the evaluation of ABiMed.
- Abstract（参考訳）: 背景: ポリファーマシー、すなわち5種以上の薬物を摂取することは、公衆衛生と経済問題の両方である。
服薬審査は、薬物治療を最適化し、無用、冗長または危険な薬物を記述することを目的とした、地域薬剤師による患者のインタビュー構造である。
しかし、実行と時間の浪費は困難である。
臨床医が多剤治療を手伝うために、いくつかの臨床意思決定支援システムが開発された。
しかし,そのほとんどは臨床実習ガイドラインの実施に限られていた。
本研究の目的は,医薬品レビューとポリファーマシー管理のための革新的な臨床判断支援システムabimedの設計である。
方法: ABiMedは、ガイドラインの実施、GPの電子健康記録から患者のデータの自動抽出と薬剤師への転送、および視覚分析を用いた文脈化された薬物知識の視覚的提示を関連づける。
フォーカスグループとワークショップで薬剤師とGPの人間工学的評価と質的評価を行った。
結果: 協調的なマルチユーザ利用を可能にするアーキテクチャを提案する。
本稿では,患者データの入力や検証,薬物知識(薬理学,副作用,相互作用)へのアクセス,ストッピング/スタートルールの閲覧,治療の修正を提案するabimedの各種画面について述べる。
質的評価の結果,健康専門家は,薬物知識の視覚的な提示とともに,ガイドラインの自動実行に強い関心を寄せていた。
結論: ガイドラインの実施と知識の視覚的提示の関連性は多薬品管理に有望なアプローチである。
今後の研究は、ABiMedの改良と評価に焦点を当てる。
関連論文リスト
- A randomized simulation trial evaluating ABiMed, a clinical decision support system for medication reviews and polypharmacy management [3.8243906257653504]
STOPP/START v2ガイドラインの実装に基づき,臨床診断支援システムであるABiMedを設計した。
ランダム化シミュレーション試験において,39名の薬剤師によるABiMedの評価を行った。
論文 参考訳（メタデータ） (2024-09-03T13:50:59Z) - RuleAlign: Making Large Language Models Better Physicians with Diagnostic Rule Alignment [54.91736546490813]
本稿では,大規模言語モデルと特定の診断規則との整合性を考慮したルールアラインフレームワークを提案する。
患者と医師間の規則に基づくコミュニケーションを含む医療対話データセットを開発した。
実験の結果,提案手法の有効性が示された。
論文 参考訳（メタデータ） (2024-08-22T17:44:40Z) - Adaptive Behavioral AI: Reinforcement Learning to Enhance Pharmacy Services [2.7180345210658814]
モバイルヘルスアプリケーションを通じて個人化された行動介入を行うための強化学習運用システムを導入する。
我々は、薬剤師のためのオールインワンアプリであるSwipeRxで実行される一連の実験について論じる。
論文 参考訳（メタデータ） (2024-08-14T16:18:51Z) - MedKP: Medical Dialogue with Knowledge Enhancement and Clinical Pathway
Encoding [48.348511646407026]
本稿では,知識向上と臨床パスウェイ符号化フレームワークを用いた医療対話について紹介する。
このフレームワークは、医療知識グラフを介して外部知識増強モジュールと、医療機関および医師の行動を介して、内部臨床経路をコードする。
論文 参考訳（メタデータ） (2024-03-11T10:57:45Z) - PharmacyGPT: The AI Pharmacist [38.247456673883114]
本稿では,臨床薬理士の役割を模擬した大規模言語モデル(LLM)の能力を評価するためのフレームワークであるPharmacyGPTを紹介する。
我々はノースカロライナ大学チャペルヒル病院(UNC)で集中治療室(ICU)から取得した実データを用いて調査を行った。
論文 参考訳（メタデータ） (2023-07-19T19:40:34Z) - DKINet: Medication Recommendation via Domain Knowledge Informed Deep Learning [12.609882335746859]
医療勧告は、医療の根本的かつ重要な分野である。
これまでの研究は主に電子健康記録から患者の表現を学ぶことに焦点を当ててきた。
本稿では,複雑な臨床症状とドメイン知識の効果的な統合に対処する知識注入モジュールを提案する。
論文 参考訳（メタデータ） (2023-05-31T07:22:15Z) - Decision Support System for Chronic Diseases Based on Drug-Drug
Interactions [67.9840225237587]
本稿では,医師の意思決定を支援するための薬物と薬物の相互作用に基づくDSSDDIと呼ばれる意思決定支援システムを提案する。
DDIモジュールは、薬物と薬物の相互作用からより安全で効果的な薬物表現を学習する。
MDモジュールは、患者と薬物の表現を文脈として、DDIと患者の類似性を治療として、薬物の使用を結果として考える。
論文 参考訳（メタデータ） (2023-03-04T12:44:38Z) - RECOMED: A Comprehensive Pharmaceutical Recommendation System [8.681590862953623]
Drugs.com と Druglib.com から抽出された患者と薬物の特徴に基づいて医薬品推薦システムが設計された。
本研究は, 患者に適切な特定の薬剤を選択するためのアプローチとして, 患者状況と病歴を考察した最初のグループである。
論文 参考訳（メタデータ） (2022-12-31T20:04:31Z) - Knowledge-Driven New Drug Recommendation [88.35607943144261]
既存の薬物と新薬のギャップを埋めるために, 薬物依存型マルチフェノタイプ数発学習機を開発した。
EDGEは外部薬効知識ベースを用いて偽陰性監視信号を除去する。
その結果, EDGEは, ROC-AUCスコアよりも7.3%向上していることがわかった。
論文 参考訳（メタデータ） (2022-10-11T16:07:52Z) - Conditional Generation Net for Medication Recommendation [73.09366442098339]
医薬推奨は、患者の診断に従って適切な薬セットを提供することを目標としており、これは診療所において重要な課題である。
医薬品群を生成するための新しいコピー・アンド・予測機構を導入した条件生成ネット(COGNet)を提案する。
提案手法を公開MIMICデータセット上で検証し,実験結果から,提案手法が最先端の手法より優れていることを示す。
論文 参考訳（メタデータ） (2022-02-14T10:16:41Z) - Deep learning for drug repurposing: methods, databases, and applications [54.08583498324774]
新しい治療法のために既存の薬物を再利用することは、実験コストの低減で薬物開発を加速する魅力的な解決策である。
本稿では,薬物再資源化のための深層学習手法とツールの活用に関するガイドラインを紹介する。
論文 参考訳（メタデータ） (2022-02-08T09:42:08Z)
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。