論文の概要: Designing Adaptive User Interfaces for mHealth applications targeting chronic disease: A User-Centric Approach
- arxiv url: http://arxiv.org/abs/2405.08302v1
- Date: Tue, 14 May 2024 03:53:52 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-15 15:08:02.495578
- Title: Designing Adaptive User Interfaces for mHealth applications targeting chronic disease: A User-Centric Approach
- Title（参考訳）: 慢性疾患を対象としたmHealthアプリケーションのための適応型ユーザインタフェースの設計:ユーザ中心アプローチ
- Authors: Wei Wang, John Grundy, Hourieh Khalajzadeh, Anuradha Madugalla, Humphrey O. Obie,
- Abstract要約: mHealthの介入は、慢性疾患の自己管理に役立つ有意な可能性を秘めているが、その使用は依然として問題である。
そこで本研究では,既存の文献から得られたAUIプロトタイプを開発した。
私たちは、AUIの使用、適応設計を改善する戦略、これらの課題と戦略の間の潜在的なトレードオフに関連する重要な課題を特定しました。
- 参考スコア（独自算出の注目度）: 7.014860609693923
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: mHealth interventions show significant potential to help in the self-management of chronic diseases, but their under use remains a problem. Considering the substantial diversity among individuals dealing with chronic diseases, tailored strategies are essential. \emph{Adaptive User Interfaces} (AUIs) may help address the diverse and evolving needs of this demographic. To investigate this approach, we developed an AUI prototype informed by existing literature findings. We then used this prototype as the basis for focus group discussions and interview studies with 22 participants managing various chronic diseases, and follow-up surveys of all participants. Through these investigations, we pinpointed key challenges related to the use of AUIs, strategies to improve adaptation design, and potential trade-offs between these challenges and strategies. Concurrently, a quantitative survey was conducted to extract preferences for AUIs in chronic disease-related applications with 90 further participants. This uncovered participants' preferences for various adaptations, data types, collection methods, and involvement levels. Finally, we synthesised these insights and categories, aligning them with existing guidelines and design considerations for mHealth app adaptation design. This resulted in nine guidelines that we refined by a final feedback survey conducted with 20 participants.
- Abstract（参考訳）: mHealthの介入は、慢性疾患の自己管理に役立つ有意な可能性を秘めているが、その使用は依然として問題である。
慢性疾患に対処する個人間の実質的な多様性を考えると、調整された戦略が不可欠である。
\emph{Adaptive User Interfaces} (AUIs)は、この階層の多様性と進化するニーズに対処するのに役立ちます。
そこで本研究では,既存の文献から得られたAUIプロトタイプを開発した。
次に, このプロトタイプを, 様々な慢性疾患を管理する22人の被験者を対象に, フォーカスグループディスカッションとインタビュー調査の基盤として使用し, 全参加者のフォローアップ調査を行った。
これらの調査を通じて、AUIの使用、適応設計を改善するための戦略、そしてこれらの課題と戦略の間の潜在的なトレードオフに関連する重要な課題を特定しました。
また,90名以上の慢性疾患患者を対象に,AUIの嗜好を抽出するための定量的調査を行った。
これにより、参加者のさまざまな適応、データタイプ、収集方法、関与レベルに対する好みが明らかになった。
最後に、これらの洞察とカテゴリを合成し、mHealthアプリ適応設計のための既存のガイドラインと設計上の考慮に合わせる。
その結果、20人の参加者による最終フィードバック調査で改善した9つのガイドラインが得られた。
関連論文リスト
- SouLLMate: An Application Enhancing Diverse Mental Health Support with Adaptive LLMs, Prompt Engineering, and RAG Techniques [9.146311285410631]
メンタルヘルスの問題は個人の日常生活に大きな影響を及ぼすが、多くの人は利用可能なオンラインリソースでも必要な支援を受けていない。
この研究は、最先端のAI技術を通じて、多様な、アクセス可能な、スティグマのない、パーソナライズされた、リアルタイムのメンタルヘルスサポートを提供することを目的としている。
論文 参考訳（メタデータ） (2024-10-17T22:04:32Z) - Exploring LLM-based Data Annotation Strategies for Medical Dialogue Preference Alignment [22.983780823136925]
本研究は、医療対話モデルを改善するために、AIフィードバック(RLAIF)技術を用いた強化学習(Reinforcement Learning)について検討する。
医療におけるRLAIF研究の主な課題は、自動評価手法の限界である。
標準化された患者診査に基づく新しい評価枠組みを提案する。
論文 参考訳（メタデータ） (2024-10-05T10:29:19Z) - Optimizing Skin Lesion Classification via Multimodal Data and Auxiliary
Task Integration [54.76511683427566]
本研究は, スマートフォンで撮影した画像と本質的な臨床および人口統計情報を統合することで, 皮膚病変を分類する新しいマルチモーダル手法を提案する。
この手法の特徴は、超高解像度画像予測に焦点を当てた補助的なタスクの統合である。
PAD-UFES20データセットを用いて,様々なディープラーニングアーキテクチャを用いて実験を行った。
論文 参考訳（メタデータ） (2024-02-16T05:16:20Z) - From Classification to Clinical Insights: Towards Analyzing and Reasoning About Mobile and Behavioral Health Data With Large Language Models [21.427976533706737]
我々は,多センサデータから臨床的に有用な知見を合成するために,大規模言語モデルを活用する新しいアプローチを採っている。
うつ病や不安などの症状とデータの傾向がどのように関連しているかを,LSMを用いて推論する思考促進手法の連鎖を構築した。
GPT-4のようなモデルでは数値データの75%を正確に参照しており、臨床参加者は、この手法を用いて自己追跡データを解釈することへの強い関心を表明している。
論文 参考訳（メタデータ） (2023-11-21T23:53:27Z) - Post-COVID Highlights: Challenges and Solutions of AI Techniques for
Swift Identification of COVID-19 [6.927994520150374]
2019年の新型コロナウイルス(COVID-19)パンデミックの開始以来、コスト効率、非侵襲性、迅速なAIベースのツールの開発に協力してきた。
このレビューは、パンデミックの間に生じた多面的課題に対処するために設計された多様なソリューションに関する洞察を提供する努力である。
論文 参考訳（メタデータ） (2023-09-24T15:59:39Z) - Overview of the Problem List Summarization (ProbSum) 2023 Shared Task on
Summarizing Patients' Active Diagnoses and Problems from Electronic Health
Record Progress Notes [5.222442967088892]
BioNLP Workshop 2023は、問題リスト要約に関する共有タスクの立ち上げを開始した(ProbSum)。
参加者の目標は,重篤な患者の入院から収集した毎日のケアノートからのインプットを用いて,診断と問題のリストを作成するモデルを開発することである。
8つのチームが最終システムを共有タスクのリーダーボードに提出しました。
論文 参考訳（メタデータ） (2023-06-08T15:19:57Z) - Large Language Models for Healthcare Data Augmentation: An Example on
Patient-Trial Matching [49.78442796596806]
患者-心電図マッチング(LLM-PTM)のための革新的なプライバシ対応データ拡張手法を提案する。
本実験では, LLM-PTM法を用いて平均性能を7.32%向上させ, 新しいデータへの一般化性を12.12%向上させた。
論文 参考訳（メタデータ） (2023-03-24T03:14:00Z) - A Survey on Computer Vision based Human Analysis in the COVID-19 Era [58.79053747159797]
新型コロナウイルスの出現は、社会全体だけでなく、個人の生活にも大きく影響している。
マスクやソーシャルディスタンシングの義務、公共空間での定期消毒、スクリーニングアプリケーションの使用など、さまざまな予防策が世界中で導入されている。
これらの発展は、(i)視覚データの自動解析による予防対策の支援、(ii)生体認証などの既存の視覚ベースのサービスの正常な操作を容易にする、新しいコンピュータビジョン技術の必要性を喚起した。
論文 参考訳（メタデータ） (2022-11-07T17:20:39Z) - Adaptive Identification of Populations with Treatment Benefit in
Clinical Trials: Machine Learning Challenges and Solutions [78.31410227443102]
確定的臨床試験において,特定の治療の恩恵を受ける患者サブポピュレーションを適応的に同定する問題について検討した。
サブポピュレーション構築のためのメタアルゴリズムであるAdaGGIとAdaGCPIを提案する。
論文 参考訳（メタデータ） (2022-08-11T14:27:49Z) - Adversarial Sample Enhanced Domain Adaptation: A Case Study on
Predictive Modeling with Electronic Health Records [57.75125067744978]
ドメイン適応を容易にするデータ拡張手法を提案する。
逆生成したサンプルはドメイン適応時に使用される。
その結果,本手法の有効性とタスクの一般性が確認された。
論文 参考訳（メタデータ） (2021-01-13T03:20:20Z) - Predictive Modeling of ICU Healthcare-Associated Infections from
Imbalanced Data. Using Ensembles and a Clustering-Based Undersampling
Approach [55.41644538483948]
本研究は,集中治療室における危険因子の同定と医療関連感染症の予測に焦点をあてる。
感染発生率の低減に向けた意思決定を支援することを目的とする。
論文 参考訳（メタデータ） (2020-05-07T16:13:12Z)
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。