論文の概要: Identifying Reasons for Contraceptive Switching from Real-World Data Using Large Language Models

• arxiv url: http://arxiv.org/abs/2402.03597v1
• Date: Tue, 6 Feb 2024 00:14:53 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-07 17:24:15.002396
• Title: Identifying Reasons for Contraceptive Switching from Real-World Data Using Large Language Models
• Title（参考訳）: 大規模言語モデルを用いた実世界データからのコントラセプティブ・スイッチングの理由
• Authors: Brenda Y. Miao, Christopher YK Williams, Ebenezer Chinedu-Eneh, Travis Zack, Emily Alsentzer, Atul J. Butte, Irene Y. Chen
• Abstract要約: GPT-4は、避妊薬のクラスを切り替える原因を特定できる。 GPT-4を抽出した理由の人間による評価は91.4%の精度を示し、幻覚は最小限であった。
• 参考スコア（独自算出の注目度）: 4.646794123081626
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Prescription contraceptives play a critical role in supporting women's reproductive health. With nearly 50 million women in the United States using contraceptives, understanding the factors that drive contraceptives selection and switching is of significant interest. However, many factors related to medication switching are often only captured in unstructured clinical notes and can be difficult to extract. Here, we evaluate the zero-shot abilities of a recently developed large language model, GPT-4 (via HIPAA-compliant Microsoft Azure API), to identify reasons for switching between classes of contraceptives from the UCSF Information Commons clinical notes dataset. We demonstrate that GPT-4 can accurately extract reasons for contraceptive switching, outperforming baseline BERT-based models with microF1 scores of 0.849 and 0.881 for contraceptive start and stop extraction, respectively. Human evaluation of GPT-4-extracted reasons for switching showed 91.4% accuracy, with minimal hallucinations. Using extracted reasons, we identified patient preference, adverse events, and insurance as key reasons for switching using unsupervised topic modeling approaches. Notably, we also showed using our approach that "weight gain/mood change" and "insurance coverage" are disproportionately found as reasons for contraceptive switching in specific demographic populations. Our code and supplemental data are available at https://github.com/BMiao10/contraceptive-switching.
• Abstract（参考訳）: 処方避妊具は女性の生殖維持に重要な役割を果たす。 米国では約5000万人の女性が避妊具を使用しており、避妊薬の選択と切り替えを駆動する要因を理解することは大きな関心事である。 しかし、薬物交換に関連する多くの要因は、しばしば、構造化されていない臨床ノートにのみ記録され、抽出が困難である。 本稿では,近年開発された大規模言語モデル GPT-4 (HIPAA準拠のMicrosoft Azure API) のゼロショット能力を評価し,UCSFインフォメーション・コモンズ臨床ノートデータセットから避妊薬のクラスを切り替える理由を明らかにする。 GPT-4は, 避妊開始時と停止時にそれぞれ0.849点, 0.881点のマイクロF1スコアのベースラインBERTベースモデルよりも優れている。 gpt-4抽出理由のヒトによる評価は91.4%の精度で、幻覚は最小であった。 抽出された理由を用いて,非教師付きトピックモデリングアプローチを用いた切り替えの主な理由として,患者の嗜好,有害事象,保険を特定した。 また, 特定の人口集団における避妊スイッチングの理由として, 「体重増加/ムード変化」 と「保険カバレッジ」 が不均等に見出された。 私たちのコードと補足データはhttps://github.com/bmiao10/contraceptive-switchingで入手できます。

関連論文リスト

• The Root Shapes the Fruit: On the Persistence of Gender-Exclusive Harms in Aligned Language Models [58.130894823145205]
  我々はトランスジェンダー、ノンバイナリ、その他のジェンダー・ディバースのアイデンティティを中心とし、アライメント手順が既存のジェンダー・ディバースバイアスとどのように相互作用するかを検討する。 以上の結果から,DPO対応モデルは特に教師付き微調整に敏感であることが示唆された。 DPOとより広範なアライメントプラクティスに合わせたレコメンデーションで締めくくります。
  論文  参考訳（メタデータ） (2024-11-06T06:50:50Z)
• More Options for Prelabor Rupture of Membranes, A Bayesian Analysis [34.255047514441195]
  PROM (prelabor rupture of membranes) の患者は頚椎リライニング(英語版)、ピトシン(英語版)、ミソプロストオール(英語版)の2つの選択肢しか使用していない。 産婦人科でよく用いられるtextitBishop スコアの違いを考慮できないことが, 産婦人科関連研究の最も大きな限界となっている。 本研究では,専門医が伝達する関連因子間の関係をベイズモデルを用いて解析し,その影響から相反する変数を分離する。
  論文  参考訳（メタデータ） (2024-08-20T14:05:25Z)
• Locally Differentially Private Document Generation Using Zero Shot Prompting [61.20953109732442]
  本稿では,DP-Prompt と呼ばれる局所的に異なるプライベートなメカニズムを提案し,作者の匿名化攻撃に対処する。 DP-PromptをChatGPT(gpt-3.5)のような強力な言語モデルで使用すると、匿名化攻撃の成功率の顕著な低下が観察される。
  論文  参考訳（メタデータ） (2023-10-24T18:25:13Z)
• DeID-GPT: Zero-shot Medical Text De-Identification by GPT-4 [80.36535668574804]
  我々は新しいGPT4対応脱識別フレームワーク(DeID-GPT)を開発した。 開発したDeID-GPTは,非構造化医用テキストからの個人情報のマスキングにおいて,高い精度と信頼性を示した。 本研究は,ChatGPTおよびGPT-4を医療用テキストデータ処理および非識別に利用した最初期の1つである。
  論文  参考訳（メタデータ） (2023-03-20T11:34:37Z)
• High Accurate and Explainable Multi-Pill Detection Framework with Graph Neural Network-Assisted Multimodal Data Fusion [9.197624827438029]
  我々はまず,実環境におけるマルチピル検出問題に取り組み,薬の摂取量でユーザによって捕獲された錠剤のローカライズと同定を目的としている。 ハードサンプルを扱うために,3種類のパイプ間関係を組み込んだ不均一な先行グラフを構築する手法を提案する。 次に、検出精度を高めるために、プリオリとピルの視覚的特徴を統合するためのフレームワークを提供する。
  論文  参考訳（メタデータ） (2023-03-17T05:48:26Z)
• Counter-GAP: Counterfactual Bias Evaluation through Gendered Ambiguous Pronouns [53.62845317039185]
  バイアス測定データセットは、言語モデルのバイアスされた振る舞いを検出する上で重要な役割を果たす。 本稿では, 多様な, 自然な, 最小限のテキストペアを, 対物生成によって収集する新しい手法を提案する。 事前学習された4つの言語モデルは、各グループ内よりも、異なる性別グループ間でかなり不整合であることを示す。
  論文  参考訳（メタデータ） (2023-02-11T12:11:03Z)
• Sensemaking About Contraceptive Methods Across Online Platforms [9.743606414665148]
  出生管理について,Twitter,Reddit,WebMDでどのように議論されているかを検討した。 話題モデリングと手話アノテーションの組み合わせを用いて,支配的なセンスメイキングの実践を識別し,特徴付ける。 副次的な効果経験と方法の使用法に関する調査報告から,これらの変化を計測するために使用する。
  論文  参考訳（メタデータ） (2023-01-23T06:44:38Z)
• Inclusive Speaker Verification with Adaptive thresholding [2.157478102241537]
  性別や年齢の異なるFARでは、性別や年齢の異なるグループに対してFRR(False Rejection Rate)が異なることが判明した。 所望のFARに対して全ユーザに対してFRRを最適化するために,SVのためのコンテキスト(性別,年齢など)適応型しきい値設定フレームワークを提案する。 提案手法は,より効率的なSVシステム構築に有効であることを示す。
  論文  参考訳（メタデータ） (2021-11-10T02:45:18Z)
• Balancing Biases and Preserving Privacy on Balanced Faces in the Wild [50.915684171879036]
  現在の顔認識(FR)モデルには、人口統計バイアスが存在する。 さまざまな民族と性別のサブグループにまたがる偏見を測定するために、我々のバランス・フェイススをWildデータセットに導入します。 真偽と偽のサンプルペアを区別するために1点のスコアしきい値に依存すると、最適以下の結果が得られます。 本稿では,最先端ニューラルネットワークから抽出した顔特徴を用いたドメイン適応学習手法を提案する。
  論文  参考訳（メタデータ） (2021-03-16T15:05:49Z)
• Learning Explainable Interventions to Mitigate HIV Transmission in Sex Workers Across Five States in India [0.9449650062296824]
  この研究は、構造学習、差別的モデリング、および5つの異なるインドの州にまたがる介入を設計する草の根レベルの専門知識を組み合わせたものである。 コンドームの使用を最大化できる要因を定量化するために, ブートストラップ付き, アンサンブル付き平均ベイズネットワーク構造が学習された。 次に,コンドーム利用行動を予測するために,XgBoostとランダム林を用いて識別モデルを構築した。
  論文  参考訳（メタデータ） (2020-11-30T08:35:16Z)
• Robustness to Spurious Correlations via Human Annotations [100.63051542531171]
  本稿では,人間に共通する因果関係の知識を活用して,素因関係に頑健なモデルを構築するための枠組みを提案する。 具体的には、人間のアノテーションを使用して、潜在的な未測定変数でトレーニング例を拡大する。 次に,未測定変数(UV-DRO)に対する分布性に頑健な新たな最適化手法を導入し,テスト時間シフトによる最悪の損失を制御する。
  論文  参考訳（メタデータ） (2020-07-13T20:05:19Z)

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。