論文の概要: Designing Adaptive User Interfaces for mHealth Applications Targeting Chronic Disease: A User-Centered Approach

• arxiv url: http://arxiv.org/abs/2405.08302v2
• Date: Fri, 09 May 2025 23:34:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-13 20:21:48.580406
• Title: Designing Adaptive User Interfaces for mHealth Applications Targeting Chronic Disease: A User-Centered Approach
• Title（参考訳）: 慢性疾患をターゲットとした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: モバイルヘルス(mHealth)の応用は、慢性疾患の自己管理を支援する大きな可能性を示している。 これらは、エンゲージメントが低く、アクセシビリティが制限され、長期の順守が不十分なため、未使用のままである。 本稿では,mHealth アプリケーションのための動作可能な適応ユーザインタフェース (AUI) を開発し,検証するための2段階の研究を行った。
• 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: Mobile Health (mHealth) applications have demonstrated considerable potential in supporting chronic disease self-management; however, they remain under-utilised due to low engagement, limited accessibility, and poor long-term adherence. These issues are particularly prominent among users with chronic disease, whose needs and capabilities vary widely. To address this, Adaptive User Interfaces (AUIs) offer a dynamic solution by tailoring interface features to users' preferences, health status, and contexts. This paper presents a two-stage study to develop and validate actionable AUI design guidelines for mHealth applications. In stage one, an AUI prototype was evaluated through focus groups, interviews, and a standalone survey, revealing key user challenges and preferences. These insights informed the creation of an initial set of guidelines. In stage two, the guidelines were refined based on feedback from 20 end users and evaluated by 43 software practitioners through two surveys. This process resulted in nine finalized guidelines. To assess real-world relevance, a case study of four mHealth applications was conducted, with findings supported by user reviews highlighting the utility of the guidelines in identifying critical adaptation issues. This study offers actionable, evidence-based guidelines that help software practitioners design AUIs in mHealth to better support individuals managing chronic diseases
• Abstract（参考訳）: モバイルヘルス(mHealth)の応用は、慢性疾患の自己管理を支援する大きな可能性を示しているが、エンゲージメントの低さ、アクセシビリティの制限、長期的順守の低さにより、未利用のままである。 これらの問題は慢性疾患の患者の間で特に顕著であり、そのニーズと能力は様々である。 これを解決するために、Adaptive User Interfaces (AUIs)は、ユーザの好み、健康状態、コンテキストにインターフェース機能をカスタマイズすることで、動的なソリューションを提供する。 本稿では,mHealth アプリケーションのための実用的な AUI 設計ガイドラインを開発し,検証するための2段階の研究について述べる。 ステージ1では、フォーカスグループ、インタビュー、スタンドアローンのサーベイを通じてAUIプロトタイプを評価し、主要なユーザの課題と好みを明らかにした。 これらの洞察は、初期のガイドラインの作成を知らせた。 ステージ2では、20人のエンドユーザからのフィードバックに基づいてガイドラインが洗練され、2つの調査を通じて43人のソフトウェア実践者が評価した。 このプロセスにより、9つのガイドラインが確定した。 4つのmHealthアプリケーションについて実世界の関連性を評価するためのケーススタディを行い,重要な適応問題を特定する上でのガイドラインの有用性をユーザレビューで強調した。 この研究は、ソフトウェア実践者がmHealthでAUIを設計し、慢性疾患を管理する個人を支援するための行動可能なエビデンスベースのガイドラインを提供する。

関連論文リスト

• Structured Outputs Enable General-Purpose LLMs to be Medical Experts [50.02627258858336]
  大規模言語モデル(LLM)は、しばしばオープンエンドの医学的問題に苦しむ。 本稿では,構造化医療推論を利用した新しいアプローチを提案する。 我々の手法は85.8のファクチュアリティスコアを達成し、微調整されたモデルを上回る。
  論文  参考訳（メタデータ） (2025-03-05T05:24:55Z)
• 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。