論文の概要: Generating medical screening questionnaires through analysis of social media data
- arxiv url: http://arxiv.org/abs/2411.11048v1
- Date: Sun, 17 Nov 2024 11:57:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-19 14:36:02.672405
- Title: Generating medical screening questionnaires through analysis of social media data
- Title（参考訳）: ソーシャルメディアデータ分析による医療スクリーニングアンケートの作成
- Authors: Ortal Ashkenazi, Elad Yom-Tov, Liron Vardi David,
- Abstract要約: ソーシャルメディア投稿から,所定の医療状況に対するスクリーニングアンケート作成の可能性について,予備調査を行った。
我々はRedditの数百人のユーザーのデータを用いて,3つの条件に対するアンケートを作成する。
以上の結果から,少なくとも部分的には,アンケート生成のプロセスが自動化可能であることが示唆された。
- 参考スコア（独自算出の注目度）: 1.360022695699485
- License:
- Abstract: Screening questionnaires are used in medicine as a diagnostic aid. Creating them is a long and expensive process, which could potentially be improved through analysis of social media posts related to symptoms and behaviors prior to diagnosis. Here we show a preliminary investigation into the feasibility of generating screening questionnaires for a given medical condition from social media postings. The method first identifies a cohort of relevant users through their posts in dedicated patient groups and a control group of users who reported similar symptoms but did not report being diagnosed with the condition of interest. Posts made prior to diagnosis are used to generate decision rules to differentiate between the different groups, by clustering symptoms mentioned by these users and training a decision tree to differentiate between the two groups. We validate the generated rules by correlating them with scores given by medical doctors to matching hypothetical cases. We demonstrate the proposed method by creating questionnaires for three conditions (endometriosis, lupus, and gout) using the data of several hundreds of users from Reddit. These questionnaires were then validated by medical doctors. The average Pearson's correlation between the latter's scores and the decision rules were 0.58 (endometriosis), 0.40 (lupus) and 0.27 (gout). Our results suggest that the process of questionnaire generation can be, at least partly, automated. These questionnaires are advantageous in that they are based on real-world experience but are currently lacking in their ability to capture the context, duration, and timing of symptoms.
- Abstract（参考訳）: スクリーニングアンケートは医療の診断補助として用いられる。
それらを作成するのは長くて高価なプロセスであり、診断の前に症状や行動に関連するソーシャルメディアの投稿を分析して改善する可能性がある。
ここでは,ソーシャルメディア投稿から,所定の医療状況に対するスクリーニングアンケート作成の可能性について,予備調査を行った。
本手法は, 症状を報告するが, 興味のある状態と診断されないユーザに対して, 専用の患者グループとコントロールグループによる投稿を通じて, 関連ユーザのコホートを識別する。
診断前の投稿は、これらのユーザによって言及された症状をクラスタリングし、2つのグループを区別する決定木を訓練することにより、異なるグループを区別する決定ルールを生成するために使用される。
医師が提示したスコアと仮説の一致を関連づけることで,生成したルールを検証した。
Redditから数百人の利用者のデータを用いて,3つの条件 (子宮内膜症, ループス, 痛風) に対するアンケートを作成することで, 提案手法を実証した。
これらのアンケートは医師によって検証された。
ピアソンの平均スコアと決定規則の相関は0.58(子宮内膜症)、0.40(ループス)、0.27(グアウト)であった。
以上の結果から,少なくとも部分的には,アンケート生成のプロセスが自動化可能であることが示唆された。
これらのアンケートは、現実世界の経験に基づいており、現在、症状の文脈、持続時間、タイミングを捉える能力が欠如しているという点で有利である。
関連論文リスト
- Explainable Depression Symptom Detection in Social Media [2.677715367737641]
本稿では, トランスフォーマーアーキテクチャを用いて, ユーザの文章中の抑うつ症状マーカーの出現を検知し, 説明する。
我々の自然言語による説明により、臨床医はバリデーションされた症状に基づいてモデルの判断を解釈できる。
論文 参考訳（メタデータ） (2023-10-20T17:05:27Z) - Multi-task Explainable Skin Lesion Classification [54.76511683427566]
少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。
提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
論文 参考訳（メタデータ） (2023-10-11T05:49:47Z) - Adaptive questionnaires for facilitating patient data entry in clinical
decision support systems: Methods and application to STOPP/START v2 [1.8374319565577155]
本稿では,適応型アンケートを用いて患者データ入力を簡略化する独自のソリューションを提案する。
ルールに基づく意思決定支援システムを考えると,臨床ルールを表示規則に翻訳する手法を考案した。
アンケート調査の結果, 臨床症状の約3分の2減らすことができることがわかった。
論文 参考訳（メタデータ） (2023-09-19T07:59:13Z) - Clinical trial site matching with improved diversity using fair policy
learning [56.01170456417214]
我々は,臨床治験記述を潜在的な試験現場のランクリストにマッピングするモデルを学習する。
既存のフェアネスフレームワークとは異なり、各トライアルサイトのグループメンバーシップは非バイナリである。
このようなマルチグループメンバーシップシナリオに対処するために、人口統計学的妥当性に基づく公平性基準を提案する。
論文 参考訳（メタデータ） (2022-04-13T16:35:28Z) - Multi-class versus One-class classifier in spontaneous speech analysis
oriented to Alzheimer Disease diagnosis [58.720142291102135]
本研究の目的は,音声信号から抽出した新しいバイオマーカーを用いて自動解析を行うことにより,ADの早期診断と重症度評価の改善に寄与することである。
外付け器とフラクタル次元の機能に関する情報を使用することで、システムの性能が向上する。
論文 参考訳（メタデータ） (2022-03-21T09:57:20Z) - Q-Pain: A Question Answering Dataset to Measure Social Bias in Pain
Management [5.044336341666555]
痛み管理の文脈におけるQAのバイアスを評価するためのデータセットであるQ-Painを紹介する。
本稿では, 治療決定の際に生じる潜在的なバイアスを測定するための, 実験設計のサンプルを含む, 厳密な新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2021-08-03T21:55:28Z) - Semi-Supervised Variational Reasoning for Medical Dialogue Generation [70.838542865384]
医療対話生成には,患者の状態と医師の行動の2つの重要な特徴がある。
医療対話生成のためのエンドツーエンドの変分推論手法を提案する。
行動分類器と2つの推論検出器から構成される医師政策ネットワークは、拡張推論能力のために提案される。
論文 参考訳（メタデータ） (2021-05-13T04:14:35Z) - Risk of Training Diagnostic Algorithms on Data with Demographic Bias [0.5599792629509227]
医用画像解析アプリケーションにおけるMICCAI 2018の実践を調査するために,MICCAI 2018の手順を調査した。
意外なことに、診断に焦点を当てた論文では、使用されるデータセットの人口統計がほとんど書かれていないことが判明した。
本研究では,非偏りのある特徴を,対向的な学習環境において,人口統計変数を明示的に使用することにより学習可能であることを示す。
論文 参考訳（メタデータ） (2020-05-20T13:51:01Z) - Hemogram Data as a Tool for Decision-making in COVID-19 Management:
Applications to Resource Scarcity Scenarios [62.997667081978825]
新型コロナウイルス(COVID-19)のパンデミックは世界中の緊急対応システムに挑戦している。
本研究は, 症状患者の血液検査データから得られた機械学習モデルについて述べる。
提案されたモデルでは、新型コロナウイルスqRT-PCRの結果を、高い精度、感度、特異性で症状のある個人に予測することができる。
論文 参考訳（メタデータ） (2020-05-10T01:45:03Z) - Towards Causality-Aware Inferring: A Sequential Discriminative Approach
for Medical Diagnosis [142.90770786804507]
医学診断アシスタント(MDA)は、疾患を識別するための症状を逐次調査する対話型診断エージェントを構築することを目的としている。
この研究は、因果図を利用して、MDAにおけるこれらの重要な問題に対処しようとする。
本稿では,他の記録から知識を引き出すことにより,非記録的調査に効果的に答える確率に基づく患者シミュレータを提案する。
論文 参考訳（メタデータ） (2020-03-14T02:05:54Z)
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。