論文の概要: Recommender Algorithm for Supporting Self-Management of CVD Risk Factors in an Adult Population at Home
- arxiv url: http://arxiv.org/abs/2405.11967v1
- Date: Mon, 20 May 2024 11:47:19 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-21 13:24:44.714478
- Title: Recommender Algorithm for Supporting Self-Management of CVD Risk Factors in an Adult Population at Home
- Title（参考訳）: 成人家庭におけるCVDリスクファクターの自己管理を支援するリコメンダアルゴリズム
- Authors: Tatiana V. Afanasieva, Pavel V. Platov, Anastasia I. Medvedeva,
- Abstract要約: 本稿では,心血管疾患(CVD)の予防効果の改善に焦点をあてる。
成人におけるCVDリスクファクターの自己管理を支援するための知識に基づく推薦アルゴリズムが提案された。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: One of the new trends in the development of recommendation algorithms is the dissemination of their capabilities to support the population in managing their health. This article focuses on the problem of improving the effectiveness of cardiovascular diseases (CVD) prevention, since CVD is the leading cause of death worldwide. To address this issue, a knowledge-based recommendation algorithm was proposed to support self-management of CVD risk factors in adults at home. The proposed algorithm is based on the original multidimensional recommendation model and on a new user profile model, which includes predictive assessments of CVD health in addition to its current ones as outlined in official guidelines. The main feature of the proposed algorithm is the combination of rule-based logic with the capabilities of a large language model in generating human-like text for explanatory component of multidimensional recommendation. The verification and evaluation of the proposed algorithm showed the usefulness of the proposed recommendation algorithm for supporting adults in self-management of their CVD risk factors at home. As follows from the comparison with similar knowledge-based recommendation algorithms, the proposed algorithm evaluates a larger number of CVD risk factors and has a greater information and semantic capacity of the generated recommendations.
- Abstract（参考訳）: 推薦アルゴリズムの開発における新しいトレンドの1つは、人口の健康管理を支援する能力の普及である。
本稿では,心臓血管疾患 (CVD) の予防効果の改善に焦点をあてる。
この問題を解決するため,家庭におけるCVDリスクファクターの自己管理を支援するために,知識に基づく推薦アルゴリズムが提案された。
提案アルゴリズムは,従来の多次元レコメンデーションモデルと,CVDの健康状態の予測評価を含む新しいユーザプロファイルモデルに基づく。
提案アルゴリズムの主な特徴は,多次元レコメンデーションの説明的構成要素として,ルールベースの論理と多言語モデルを組み合わせることである。
提案アルゴリズムの有効性を検証し,提案アルゴリズムの有効性を示した。
同様の知識に基づく推薦アルゴリズムとの比較から,提案アルゴリズムはCVDリスク因子の多さを評価し,提案アルゴリズムが生成したレコメンデーションの情報とセマンティックキャパシティを有することを示す。
関連論文リスト
- Petal-X: Human-Centered Visual Explanations to Improve Cardiovascular Risk Communication [1.4613744540785565]
本研究は臨床医が共有した意思決定を支援する新しいツールであるPetal-Xの設計と実装について述べる。
Petal-Xは、新しいビジュアライゼーション、Petal Product Plots、そしてSCORE2のテーラーメイドのグローバルサロゲートモデルに依存している。
論文 参考訳（メタデータ） (2024-06-26T18:48:50Z) - Provably Efficient Iterated CVaR Reinforcement Learning with Function
Approximation and Human Feedback [57.6775169085215]
リスクに敏感な強化学習は、期待される報酬とリスクのバランスをとるポリシーを最適化することを目的としている。
本稿では,線形および一般関数近似の下で,CVaR(Iterated Conditional Value-at-Risk)を目標とする新しいフレームワークを提案する。
本稿では,この反復CVaR RLに対するサンプル効率の高いアルゴリズムを提案し,厳密な理論的解析を行う。
論文 参考訳（メタデータ） (2023-07-06T08:14:54Z) - Active RIS-aided EH-NOMA Networks: A Deep Reinforcement Learning
Approach [66.53364438507208]
アクティブな再構成可能なインテリジェントサーフェス(RIS)支援マルチユーザダウンリンク通信システムについて検討した。
非直交多重アクセス(NOMA)はスペクトル効率を向上させるために使用され、活性RISはエネルギー回収(EH)によって駆動される。
ユーザの動的通信状態を予測するために,高度なLSTMベースのアルゴリズムを開発した。
増幅行列と位相シフト行列RISを結合制御するためにDDPGに基づくアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-04-11T13:16:28Z) - Mutual Information Assisted Ensemble Recommender System for Identifying Critical Risk Factors in Healthcare Prognosis [0.10262304700896199]
本研究は, 疾患管理システムの一部として, 疾患の最も重要な危険因子を特定し, 推奨する特徴推薦器を提案する。
多様な疾患の4つのベンチマークデータセットで実験が行われた。
提案するリコメンデーターは、疾患を最も識別する能力を有する危険因子を同定し、推薦することができる。
論文 参考訳（メタデータ） (2022-09-28T04:54:37Z) - Algorithmic Assistance with Recommendation-Dependent Preferences [2.864550757598007]
選択に影響を及ぼすアルゴリズムレコメンデーションの効果と設計について考察する。
我々は、レコメンデーションに依存した選好が、意思決定者がレコメンデーションに過度に反応する非効率性を生み出すことを示す。
論文 参考訳（メタデータ） (2022-08-16T09:24:47Z) - Doubting AI Predictions: Influence-Driven Second Opinion Recommendation [92.30805227803688]
我々は,補完的な意見を提供する可能性のある専門家を識別する,共通の組織的実践に基づいて,人間とAIのコラボレーションを強化する方法を提案する。
提案手法は、一部の専門家がアルゴリズムによる評価に異を唱えるかどうかを特定することによって、生産的な不一致を活用することを目的としている。
論文 参考訳（メタデータ） (2022-04-29T20:35:07Z) - Reinforcement Learning with Heterogeneous Data: Estimation and Inference [84.72174994749305]
人口の不均一性に関する逐次的決定問題に対処するために,K-ヘテロ・マルコフ決定過程(K-ヘテロ・MDP)を導入する。
本稿では、ある政策の価値を推定するための自己クラスタ化政策評価(ACPE)と、ある政策クラスにおける最適な政策を推定するための自己クラスタ化政策イテレーション(ACPI)を提案する。
理論的な知見を裏付けるシミュレーションを行い,MIMIC-III標準データセットの実証的研究を行った。
論文 参考訳（メタデータ） (2022-01-31T20:58:47Z) - Cardiovascular Disease Prediction using Recursive Feature Elimination
and Gradient Boosting Classification Techniques [0.0]
本稿では,心疾患の正確な予測を実現するため,RFE-GBアルゴリズムを提案する。
CVDに重要な特徴を持つ患者の健康記録を, 評価のために分析した。
論文 参考訳（メタデータ） (2021-06-11T16:17:42Z) - Risk-Constrained Thompson Sampling for CVaR Bandits [82.47796318548306]
CVaR(Conditional Value at Risk)として知られる量的ファイナンスにおける一般的なリスク尺度について考察する。
本稿では,トンプソンサンプリングに基づくCVaR-TSアルゴリズムの性能について検討する。
論文 参考訳（メタデータ） (2020-11-16T15:53:22Z) - Sequential Recommendation with Self-Attentive Multi-Adversarial Network [101.25533520688654]
逐次レコメンデーションにおける文脈情報の影響を明示的にモデル化するためのMFGAN(Multi-Factor Generative Adversarial Network)を提案する。
当社のフレームワークは,複数種類の因子情報を組み込むことが柔軟であり,各因子が推奨決定にどのように貢献するかを時間とともに追跡することができる。
論文 参考訳（メタデータ） (2020-05-21T12:28:59Z)
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。