Fugu-MT 論文翻訳(概要): Hip Fracture Patient Pathways and Agent-based Modelling

論文の概要: Hip Fracture Patient Pathways and Agent-based Modelling

arxiv url: http://arxiv.org/abs/2410.12804v2
Date: Fri, 18 Oct 2024 13:15:50 GMT
ステータス: 翻訳完了
システム内更新日: 2024-10-21 14:23:28.976703
Title: Hip Fracture Patient Pathways and Agent-based Modelling
Title（参考訳）: 大腿骨頚部骨折患者の病態とエージェント・ベース・モデリング
Authors: Alison N. O'Connor, Stephen E. Ryan, Gauri Vaidya, Paul Harford, Meghana Kshirsagar,
Abstract要約: デジタルソリューションは、日々の医療提供に影響を与えることなく、患者フローを最適化するための有望なソリューションを提供する。エージェント・ベース・シミュレーションを用いて医療資源を最適化することを目的とした現在進行中のプロジェクトについて概説する。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: Increased healthcare demand is significantly straining European services. Digital solutions including advanced modelling techniques offer a promising solution to optimising patient flow without impacting day-to-day healthcare provision. In this work we outline an ongoing project that aims to optimise healthcare resources using agent-based simulations.
Abstract（参考訳）: 医療需要の増加は欧州のサービスを大幅に圧迫している。高度なモデリング技術を含むデジタルソリューションは、日々の医療提供に影響を与えることなく、患者フローを最適化するための有望なソリューションを提供する。本研究は,エージェント・ベース・シミュレーションによる医療資源の最適化を目的とした,現在進行中のプロジェクトについて概説する。

関連論文リスト

Zero Shot Health Trajectory Prediction Using Transformer [11.660997334071952]
ETHOS(Enhanced Transformer for Health Outcome Simulation)は、健康データ解析のためのトランスフォーマーディープラーニングアーキテクチャの新しい応用である。 ETHOSは、将来の健康軌道を予測するために、患者健康時間線(PHT)の詳細とトークン化された健康イベントの記録を使用して訓練されている。
論文参考訳（メタデータ） (2024-07-30T18:33:05Z)
Large Language Model Distilling Medication Recommendation Model [61.89754499292561]
大規模言語モデル(LLM)の強力な意味理解と入力非依存特性を利用する。本研究は, LLMを用いて既存の薬剤推奨手法を変換することを目的としている。これを軽減するため,LLMの習熟度をよりコンパクトなモデルに伝達する機能レベルの知識蒸留技術を開発した。
論文参考訳（メタデータ） (2024-02-05T08:25:22Z)
MedDiffusion: Boosting Health Risk Prediction via Diffusion-based Data Augmentation [58.93221876843639]
本稿では,MedDiffusion という,エンドツーエンドの拡散に基づくリスク予測モデルを提案する。トレーニング中に合成患者データを作成し、サンプルスペースを拡大することで、リスク予測性能を向上させる。ステップワイズ・アテンション・メカニズムを用いて患者の来訪者間の隠れた関係を識別し、高品質なデータを生成する上で最も重要な情報をモデルが自動的に保持することを可能にする。
論文参考訳（メタデータ） (2023-10-04T01:36:30Z)
Investigation Toward The Economic Feasibility of Personalized Medicine For Healthcare Service Providers: The Case of Bladder Cancer [0.0]
パーソナライズされた医療を実現するための経済的実現可能性について検討する。パーソナライズされた治療に対する従来のバイナリアプローチとは異なり、パーソナライズをスペクトルとして扱うことにより、より曖昧な視点を提案する。その結果, パーソナライズ医療の導入は可能でありながら, 高効率で高価な医療は短命であることが示唆された。
論文参考訳（メタデータ） (2023-08-15T17:59:46Z)
Deep Attention Q-Network for Personalized Treatment Recommendation [1.6631602844999724]
パーソナライズされた治療レコメンデーションのためのDeep Attention Q-Networkを提案する。深い強化学習フレームワーク内のTransformerアーキテクチャは、過去のすべての患者の観察を効率的に取り入れている。実世界の敗血症と急性低血圧コホートにおけるモデルの評価を行い、最先端モデルよりも優れていることを示した。
論文参考訳（メタデータ） (2023-07-04T07:00:19Z)
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)
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)
Integrating Machine Learning with Discrete Event Simulation for Improving Health Referral Processing in a Care Management Setting [0.0]
退院後のケアマネジメントは患者の紹介を調整し、健康を改善します。本研究は、健康状態の改善と関連するコストの削減における、ポストディスチャージケアマネジメントの役割を強調する。
論文参考訳（メタデータ） (2022-06-25T04:42:52Z)
Optimal discharge of patients from intensive care via a data-driven policy learning framework [58.720142291102135]
退院課題は、退院期間の短縮と退院決定後の退院や死亡のリスクとの不確実なトレードオフに対処することが重要である。本研究は、このトレードオフを捉えるためのエンドツーエンドの汎用フレームワークを導入し、最適放電タイミング決定を推奨する。データ駆動型アプローチは、患者の生理的状態を捉えた同種で離散的な状態空間表現を導出するために用いられる。
論文参考訳（メタデータ） (2021-12-17T04:39:33Z)
MedPerf: Open Benchmarking Platform for Medical Artificial Intelligence using Federated Evaluation [110.31526448744096]
この可能性を解き明かすには、大規模な異種データに対して医療AIモデルの性能を測定する体系的な方法が必要である、と私たちは主張する。 MedPerfは、医療分野で機械学習をベンチマークするためのオープンフレームワークです。
論文参考訳（メタデータ） (2021-09-29T18:09:41Z)
Simulation Modelling and Analysis of Primary Health Centre Operations [0.0]
インドにおけるプライマリ・ヘルス・センター(PHC)の運営に関する個別のシミュレーションモデルを提案する。我々のPHCシミュレーションモデルは、外来患者、入院患者、出産患者、産婦人科医の4種類の患者を対象とする。
論文参考訳（メタデータ） (2021-02-15T07:03:45Z)

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。