論文の概要: Navigating Design Science Research in mHealth Applications: A Guide to Best Practices
- arxiv url: http://arxiv.org/abs/2409.07470v1
- Date: Wed, 28 Aug 2024 07:56:39 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-15 05:01:16.828959
- Title: Navigating Design Science Research in mHealth Applications: A Guide to Best Practices
- Title(参考訳): mHealthアプリケーションにおけるデザインサイエンス研究のナビゲート:ベストプラクティスのガイド
- Authors: Avnish Singh Jat, Tor-Morten Grønli, George Ghinea,
- Abstract要約: デザインサイエンスリサーチ(DSR)は、現実世界の問題を解決する革新的な人工物を作成し、評価することを目的としている。
本稿では,mHealth アプリケーションプロジェクトにおける DSR 活用の枠組みについて述べる。
- 参考スコア(独自算出の注目度): 1.5020330976600735
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The rapid proliferation of mobile devices and advancements in wireless technologies have given rise to a new era of healthcare delivery through mobile health (mHealth) applications. Design Science Research (DSR) is a widely used research paradigm that aims to create and evaluate innovative artifacts to solve real-world problems. This paper presents a comprehensive framework for employing DSR in mHealth application projects to address healthcare challenges and improve patient outcomes. We discussed various DSR principles and methodologies, highlighting their applicability and importance in developing and evaluating mHealth applications. Furthermore, we present several case studies to exemplify the successful implementation of DSR in mHealth projects and provide practical recommendations for researchers and practitioners.
- Abstract(参考訳): モバイルデバイスの急速な普及とワイヤレス技術の進歩により、モバイルヘルス(mHealth)アプリケーションによるヘルスケアデリバリーの新しい時代が生まれている。
デザインサイエンス・リサーチ(Design Science Research、DSR)は、現実世界の問題を解決する革新的なアーティファクトを作成し、評価することを目的とした、広く使われている研究パラダイムである。
本稿では,mHealth アプリケーションプロジェクトにおける DSR 活用のための包括的枠組みを提案する。
我々は、様々なDSR原則と方法論について議論し、mHealthアプリケーションの開発と評価における適用性と重要性を強調した。
さらに、mHealthプロジェクトにおけるDSRの実施を実証し、研究者や実践者に対して実践的なレコメンデーションを提供するために、いくつかのケーススタディを提示した。
関連論文リスト
- Teaching Design Science as a Method for Effective Research Development [0.24578723416255752]
デザインサイエンスリサーチ(DSR)方法論の適用は、情報システム(IS)とソフトウェア工学研究の一般的な作業資源になりつつある。
この章には、DSR、教育方法論、学習目的、レコメンデーションの例が含まれている。
我々は,デザインサイエンスのユーザ体験に関するデータ収集を目的とした調査成果を作成した。
論文 参考訳(メタデータ) (2024-07-13T10:43:06Z) - A Survey of Models for Cognitive Diagnosis: New Developments and Future Directions [66.40362209055023]
本研究の目的は,認知診断の現在のモデルについて,機械学習を用いた新たな展開に注目した調査を行うことである。
モデル構造,パラメータ推定アルゴリズム,モデル評価方法,適用例を比較して,認知診断モデルの最近の傾向を概観する。
論文 参考訳(メタデータ) (2024-07-07T18:02:00Z) - A Survey on Medical Large Language Models: Technology, Application, Trustworthiness, and Future Directions [31.04135502285516]
大規模言語モデル(LLM)は、人間レベルの言語の生成と理解に優れた能力があることから、大きな注目を集めている。
LLMは医療分野において革新的で強力なアドジャンクとして出現し、伝統的なプラクティスを変革し、医療サービス強化の新しい時代を告げている。
論文 参考訳(メタデータ) (2024-06-06T03:15:13Z) - Automated Fusion of Multimodal Electronic Health Records for Better
Medical Predictions [48.0590120095748]
本稿では,多様な入力モダリティと融合戦略を符号化する最適なモデルアーキテクチャを自動検索する,AutoFMという新しいニューラルネットワーク探索フレームワークを提案する。
我々は実世界のマルチモーダルEHRデータと予測タスクについて徹底的な実験を行い、その結果、我々のフレームワークが既存の最先端手法よりも大幅な性能向上を実現していることを示す。
論文 参考訳(メタデータ) (2024-01-20T15:14:14Z) - fMRI-PTE: A Large-scale fMRI Pretrained Transformer Encoder for
Multi-Subject Brain Activity Decoding [54.17776744076334]
本稿では,fMRI事前学習のための革新的オートエンコーダであるfMRI-PTEを提案する。
我々のアプローチでは、fMRI信号を統合された2次元表現に変換し、次元の整合性を確保し、脳の活動パターンを保存する。
コントリビューションには、fMRI-PTEの導入、革新的なデータ変換、効率的なトレーニング、新しい学習戦略、そして我々のアプローチの普遍的な適用性が含まれる。
論文 参考訳(メタデータ) (2023-11-01T07:24:22Z) - Towards Medical Artificial General Intelligence via Knowledge-Enhanced
Multimodal Pretraining [121.89793208683625]
医療人工知能(MAGI)は、1つの基礎モデルで異なる医療課題を解くことができる。
我々は、Micical-knedge-enhanced mulTimOdal pretRaining (motoR)と呼ばれる新しいパラダイムを提案する。
論文 参考訳(メタデータ) (2023-04-26T01:26:19Z) - A review of Generative Adversarial Networks for Electronic Health
Records: applications, evaluation measures and data sources [8.319639237899155]
Generative Adversarial Networks (GANs) は、基礎となるデータ分布を学習することで、合成EHRデータを生成する大きな可能性を示している。
本研究は,GANs for EHRの様々な応用における主要な展開を概観することを目的としており,提案手法の概要を提供する。
我々は、EHR開発におけるGANの課題について議論し、推奨プラクティスを提案することで締めくくります。
論文 参考訳(メタデータ) (2022-03-14T11:56:47Z) - MHealth: An Artificial Intelligence Oriented Mobile Application for
Personal Healthcare Support [0.0]
本研究の目的は、人工知能をサポートする専門的なシステムベースのmHealthアプリケーションを導入することである。
この研究により、人工知能をサポートし、日常生活における一般的な健康問題に対する動的サポートを提供するモバイルソフトウェアシステムが設計された。
論文 参考訳(メタデータ) (2021-08-18T17:33:17Z) - Machine Learning Applications for Therapeutic Tasks with Genomics Data [49.98249191161107]
ゲノム学の機械学習応用に関する文献を、治療開発のレンズでレビューします。
治療パイプライン全体にわたるゲノミクス応用における22の機械学習を同定する。
この分野における7つの重要な課題を、拡大と影響の機会として挙げる。
論文 参考訳(メタデータ) (2021-05-03T21:20:20Z) - An Empirical Study on Developing Secure Mobile Health Apps: The
Developers Perspective [0.0]
MHealthアプリ(略してmHealthアプリ)は、医療サービスの可用性と品質を改善するために、モバイルおよび普及型コンピューティングの不可欠な部分となっている。
提供されたメリットにもかかわらず、mHealthアプリは重要な課題に直面している。
いくつかの研究は、mHealthアプリのセキュリティ固有の問題が適切に対処されていないことを明らかにしている。
論文 参考訳(メタデータ) (2020-08-07T08:23:21Z) - Machine Learning in Nano-Scale Biomedical Engineering [77.75587007080894]
ナノスケールバイオメディカルエンジニアリングにおける機械学習の利用に関する既存の研究について概説する。
ML問題として定式化できる主な課題は、3つの主要なカテゴリに分類される。
提示された方法論のそれぞれについて、その原則、応用、制限に特に重点を置いている。
論文 参考訳(メタデータ) (2020-08-05T15:45:54Z)
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。