論文の概要: Future of Pandemic Prevention and Response CCC Workshop Report

• arxiv url: http://arxiv.org/abs/2403.00096v1
• Date: Thu, 29 Feb 2024 19:54:22 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-05 19:03:12.787578
• Title: Future of Pandemic Prevention and Response CCC Workshop Report
• Title（参考訳）: パンデミック予防・対応CCワークショップ報告
• Authors: David Danks, Rada Mihalcea, Katie Siek, Mona Singh, Brian Dixon, and Haley Griffin
• Abstract要約: 2日間のワークショップでは、ヘルスケア、コンピュータサイエンス、社会科学の研究者と実践者が集まった。 参加者は新型コロナウイルスのパンデミックが私たちの健康とコンピューティングシステムのギャップを拡大する方法について議論した。 ワークショップでは、モデル、データ、インフラストラクチャという3つの主要なコンピューティングテーマが紹介された。
• 参考スコア（独自算出の注目度）: 20.088513810701762
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This report summarizes the discussions and conclusions of a 2-day multidisciplinary workshop that brought together researchers and practitioners in healthcare, computer science, and social sciences to explore what lessons were learned and what actions, primarily in research, could be taken. One consistent observation was that there is significant merit in thinking not only about pandemic situations, but also about peacetime advances, as many healthcare networks and communities are now in a perpetual state of crisis. Attendees discussed how the COVID-19 pandemic amplified gaps in our health and computing systems, and how current and future computing technologies could fill these gaps and improve the trajectory of the next pandemic. Three major computing themes emerged from the workshop: models, data, and infrastructure. Computational models are extremely important during pandemics, from anticipating supply needs of hospitals, to determining the care capacity of hospital and social service providers, to projecting the spread of the disease. Accurate, reliable models can save lives, and inform community leaders on policy decisions. Health system users require accurate, reliable data to achieve success when applying models. This requires data and measurement standardization across health care organizations, modernizing the data infrastructure, and methods for ensuring data remains private while shared for model development, validation, and application. Finally, many health care systems lack the data, compute, and communication infrastructures required to build models on their data, use those models in ordinary operations, or even to reliably access their data. Robust and timely computing research has the potential to better support healthcare works to save lives in times of crisis (e.g., pandemics) and today during relative peacetime.
• Abstract（参考訳）: 本報告は,医療,コンピュータ科学,社会科学の研究者と実践者が集結し,どのような教訓と,主に研究においてどのような行動を取ることができるかを検討する2日間の多分野ワークショップの議論と結論をまとめたものである。 一つの一貫した観察は、パンデミックの状況だけでなく、多くの医療ネットワークやコミュニティが危機状態にあるため、平和時の発展についても考えることに大きなメリットがあるということである。 Attendees氏は、新型コロナウイルス(COVID-19)パンデミックが私たちの健康とコンピューティングシステムのギャップを拡大し、現在と将来のコンピューティング技術がこれらのギャップを埋め、次のパンデミックの軌道を改善する方法について論じた。 ワークショップから3つの主要なコンピューティングテーマ - モデル、データ、インフラストラクチャ - が登場した。 計算モデルは、病院の供給需要を予想するから、病院や社会サービス提供者の介護能力を決定するまで、パンデミックの間、非常に重要である。 正確で信頼できるモデルは命を救うことができ、コミュニティのリーダーに政策決定を知らせる。 ヘルスシステムユーザは、モデルを適用する際に成功するためには、正確で信頼性の高いデータが必要です。 これには、医療組織全体のデータと測定の標準化、データインフラストラクチャの近代化、モデル開発、検証、アプリケーションで共有しながらデータをプライベートに保つ方法が必要である。 最後に、多くの医療システムには、データ上にモデルを構築したり、通常の操作でモデルを使用したり、あるいはデータに確実にアクセスするために必要なデータ、計算、通信インフラストラクチャが欠けている。 堅牢でタイムリーなコンピューティング研究は、危機(パンデミックなど)や比較的平和な時期に命を救うための医療活動を支援する可能性を秘めている。

関連論文リスト

• DAMMI:Daily Activities in a Psychologically Annotated Multi-Modal IoT dataset [10.771838327042609]
  DAMMIデータセットは、この分野の研究者を支援するように設計されている。 これには、ホームインストールされたセンサー、スマートフォンデータ、リストバンド146日以上にわたって収集された高齢者の日々の行動データが含まれている。 データ収集は、新型コロナウイルス(COVID-19)のパンデミック、正月、ラマダンの宗教月など、重要なイベントにまたがる。
  論文  参考訳（メタデータ） (2024-10-05T13:26:54Z)
• Clairvoyance: A Pipeline Toolkit for Medical Time Series [95.22483029602921]
  時系列学習は、データ駆動の*クリニカルな意思決定支援のパンとバターである* Clairvoyanceは、ソフトウェアツールキットとして機能する、統合されたエンドツーエンドのオートMLフレンドリなパイプラインを提案する。 Clairvoyanceは、臨床時系列MLのための包括的で自動化可能なパイプラインの生存可能性を示す最初のものである。
  論文  参考訳（メタデータ） (2023-10-28T12:08:03Z)
• Transitioning towards fit-for-purpose Public Health Surveillance Systems [1.345821655503426]
  新型コロナウイルス(COVID-19)のパンデミックは、公衆衛生インフラのいくつかの弱点を露呈している。 検査と接触追跡の拡大は、感染した個人を特定し隔離するための鍵となっている。 遠隔医療や仮想相談などのデジタル技術は需要が急増している。
  論文  参考訳（メタデータ） (2023-05-26T11:04:41Z)
• The Design and Implementation of a National AI Platform for Public Healthcare in Italy: Implications for Semantics and Interoperability [62.997667081978825]
  イタリア国立衛生局は、その技術機関を通じて人工知能を採用している。 このような広大なプログラムには、知識領域の形式化に特別な注意が必要である。 AIが患者、開業医、健康システムに与える影響について疑問が投げかけられている。
  論文  参考訳（メタデータ） (2023-04-24T08:00:02Z)
• Safe AI for health and beyond -- Monitoring to transform a health service [51.8524501805308]
  機械学習アルゴリズムの出力を監視するために必要なインフラストラクチャを評価する。 モデルのモニタリングと更新の例を示す2つのシナリオを提示します。
  論文  参考訳（メタデータ） (2023-03-02T17:27:45Z)
• Data-Centric Epidemic Forecasting: A Survey [56.99209141838794]
  この調査は、様々なデータ駆動の方法論および実践的進歩を掘り下げるものである。 疫学的なデータセットと,流行予測に関連する新しいデータストリームを列挙する。 また,これらの予測システムの現実的な展開において生じる経験や課題についても論じる。
  論文  参考訳（メタデータ） (2022-07-19T16:15:11Z)
• Practical Challenges in Differentially-Private Federated Survival Analysis of Medical Data [57.19441629270029]
  本稿では,ニューラルネットワークの本質的特性を活用し,生存分析モデルの訓練過程を関連づける。 小さな医療データセットと少数のデータセンターの現実的な設定では、このノイズはモデルを収束させるのが難しくなります。 DPFed-post は,私的フェデレート学習方式に後処理の段階を追加する。
  論文  参考訳（メタデータ） (2022-02-08T10:03:24Z)
• STOPPAGE: Spatio-temporal Data Driven Cloud-Fog-Edge Computing Framework for Pandemic Monitoring and Management [28.205715426050105]
  行政政策の改善とパンデミック対策のための準備を強化するための分析枠組みを開発することは絶対的に必要である。 本稿では,STOPと呼ばれる時空間知識マイニングフレームワークを提案し,時間スケールの異なる大規模地域における人間の移動性や文脈情報の影響をモデル化する。 i)fog/edgeベースのアーキテクチャを使用したs-temporal data and computing infrastructure、(ii)s-temporal data analyticsモジュールで、異種データソースから知識を効率的に抽出する。
  論文  参考訳（メタデータ） (2021-04-04T12:29:31Z)
• 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)

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。