論文の概要: Academic Case Reports Lack Diversity: Assessing the Presence and Diversity of Sociodemographic and Behavioral Factors related with Post COVID-19 Condition

• arxiv url: http://arxiv.org/abs/2501.12538v1
• Date: Tue, 21 Jan 2025 23:05:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-23 16:53:41.408405
• Title: Academic Case Reports Lack Diversity: Assessing the Presence and Diversity of Sociodemographic and Behavioral Factors related with Post COVID-19 Condition
• Title（参考訳）: 高齢化が遅れたアカデミック・ケース・レポート : 後COVID-19の病態にかかわる身体・行動因子の存在と多様性の評価
• Authors: Juan Andres Medina Florez, Shaina Raza, Rashida Lynn, Zahra Shakeri, Brendan T. Smith, Elham Dolatabadi,
• Abstract要約: 本研究は,健康の社会的決定因子をPCC研究に統合するための包括的枠組みを開発することを目的とする。 NER、自然言語推論(NLI)、トリグラム、周波数分析を統合したNLPパイプラインを開発し、これらのエンティティを抽出し分析した。 探索的な分析により、状態、年齢、ケアへのアクセスといった一般的なエンティティと、人種や住居の状態といったセンシティブなカテゴリーの不足が明らかになった。
• 参考スコア（独自算出の注目度）: 2.062409092695415
• License:
• Abstract: Understanding the prevalence, disparities, and symptom variations of Post COVID-19 Condition (PCC) for vulnerable populations is crucial to improving care and addressing intersecting inequities. This study aims to develop a comprehensive framework for integrating social determinants of health (SDOH) into PCC research by leveraging NLP techniques to analyze disparities and variations in SDOH representation within PCC case reports. Following construction of a PCC Case Report Corpus, comprising over 7,000 case reports from the LitCOVID repository, a subset of 709 reports were annotated with 26 core SDOH-related entity types using pre-trained named entity recognition (NER) models, human review, and data augmentation to improve quality, diversity and representation of entity types. An NLP pipeline integrating NER, natural language inference (NLI), trigram and frequency analyses was developed to extract and analyze these entities. Both encoder-only transformer models and RNN-based models were assessed for the NER objective. Fine-tuned encoder-only BERT models outperformed traditional RNN-based models in generalizability to distinct sentence structures and greater class sparsity. Exploratory analysis revealed variability in entity richness, with prevalent entities like condition, age, and access to care, and underrepresentation of sensitive categories like race and housing status. Trigram analysis highlighted frequent co-occurrences among entities, including age, gender, and condition. The NLI objective (entailment and contradiction analysis) showed attributes like "Experienced violence or abuse" and "Has medical insurance" had high entailment rates (82.4%-80.3%), while attributes such as "Is female-identifying," "Is married," and "Has a terminal condition" exhibited high contradiction rates (70.8%-98.5%).
• Abstract（参考訳）: 脆弱な人口に対するポストCOVID-19条件(PCC)の頻度、格差、症状の変化を理解することは、ケアの改善と交差する不平等への対処に不可欠である。 本研究の目的は、NLP技術を活用して、PCC事例報告におけるSDOH表現の相違と相違を解析し、SDOHをPCC研究に統合するための総合的な枠組みを開発することである。 LitCOVIDレポジトリから7000件を超えるケースレポートからなるPCC Case Report Corpusの構築に続いて、709件のレポートのサブセットに、事前訓練された名前付きエンティティ認識(NER)モデル、ヒューマンレビュー、データ拡張を使用して、26コアのSDOH関連エンティティタイプを注釈付けし、エンティティタイプの品質、多様性、表現を改善した。 NER、自然言語推論(NLI)、トリグラム、周波数分析を統合したNLPパイプラインを開発し、これらのエンティティを抽出し分析した。 エンコーダのみのトランスモデルとRNNベースのモデルの両方がNERの目的のために評価された。 微調整エンコーダのみのBERTモデルは、異なる文構造とより大きなクラス間隔に一般化可能な従来のRNNベースのモデルよりも優れていた。 探索的な分析により、状態、年齢、ケアへのアクセスといった一般的なエンティティと、人種や住居の状態といったセンシティブなカテゴリーの不足が明らかになった。 トリグラム分析では, 年齢, 性別, 状態など, 集団間の共起が頻発していた。 NLIの目標は「経験的暴力や虐待」や「ハス医療保険」のような属性が82.4%-80.3%であり、「女性識別」、「結婚」、「ハス・ア・ターミナル条件」といった属性が70.8%-98.5%であった。

関連論文リスト

• SASWISE-UE: Segmentation and Synthesis with Interpretable Scalable Ensembles for Uncertainty Estimation [6.082812294410541]
  本稿では,医療深層学習モデルの解釈性向上を目的とした,効率的なサブモデルアンサンブルフレームワークを提案する。 不確実性マップを生成することにより、エンドユーザーがモデル出力の信頼性を評価することができる。
  論文  参考訳（メタデータ） (2024-11-08T04:37:55Z)
• Bayesian Network Modeling of Causal Influence within Cognitive Domains and Clinical Dementia Severity Ratings for Western and Indian Cohorts [2.474908349649168]
  本研究では,2つの異なる老化データセットを対象とした臨床認知症評価(CDR)とその6つのドメインスコアの因果関係について検討した。 ベイジアンネットワークモデルから導出したDAGを用いて、ドメインスコア間の依存性と、そのグローバルCDRへの影響を分析する。
  論文  参考訳（メタデータ） (2024-08-16T07:53:57Z)
• RaTEScore: A Metric for Radiology Report Generation [59.37561810438641]
  本稿では,Radiological Report (Text) Evaluation (RaTEScore) として,新しい実体認識尺度を提案する。 RaTEScoreは、診断結果や解剖学的詳細などの重要な医療機関を強調し、複雑な医学的同義語に対して堅牢であり、否定表現に敏感である。 我々の評価は、RaTEScoreが既存の指標よりも人間の嗜好とより密接に一致していることを示し、確立された公開ベンチマークと、新たに提案したRaTE-Evalベンチマークの両方で検証した。
  論文  参考訳（メタデータ） (2024-06-24T17:49:28Z)
• A Novel Fusion Architecture for PD Detection Using Semi-Supervised Speech Embeddings [8.996456485141069]
  本稿では,パーキンソン病(PD)をWebアプリケーションを用いて収集した英語パングラム発話音声を通して認識する枠組みを提案する。 我々のデータセットには、PDと診断された392人を含む1306人の世界的コホートが含まれている。 We used deep learning embeddeds derived from semi-supervised model, Wav2Vec 2.0, WavLM, ImageBind represented the speech dynamics associated with PD。
  論文  参考訳（メタデータ） (2024-05-21T16:06:51Z)
• RadGenome-Chest CT: A Grounded Vision-Language Dataset for Chest CT Analysis [56.57177181778517]
  RadGenome-Chest CTはCT-RATEに基づく大規模3次元胸部CT解釈データセットである。 私たちは、最新の強力なユニバーサルセグメンテーションと大きな言語モデルを活用して、元のデータセットを拡張します。
  論文  参考訳（メタデータ） (2024-04-25T17:11:37Z)
• A Neural Framework for Generalized Causal Sensitivity Analysis [78.71545648682705]
  本稿では,因果感受性分析のためのニューラルネットワークフレームワークであるNeuralCSAを提案する。 我々は、NeuralCSAが関心の因果クエリに有効な境界を推測できることを理論的に保証する。
  論文  参考訳（メタデータ） (2023-11-27T17:40:02Z)
• SSL-CPCD: Self-supervised learning with composite pretext-class discrimination for improved generalisability in endoscopic image analysis [3.1542695050861544]
  深層学習に基づく教師付き手法は医用画像解析において広く普及している。 大量のトレーニングデータと、目に見えないデータセットに対する一般的な問題に直面する必要がある。 本稿では,加法的角マージンを用いたパッチレベルのインスタンスグループ識別とクラス間変動のペナル化について検討する。
  論文  参考訳（メタデータ） (2023-05-31T21:28:08Z)
• A comprehensive comparative evaluation and analysis of Distributional Semantic Models [61.41800660636555]
  我々は、静的DSMによって生成されたり、BERTによって生成された文脈化されたベクトルを平均化して得られるような、型分布ベクトルの包括的評価を行う。 その結果、予測ベースモデルの優越性は現実よりも明らかであり、ユビキタスではないことが明らかとなった。 我々は認知神経科学からRepresentational similarity Analysis(RSA)の方法論を借りて、分布モデルによって生成された意味空間を検査する。
  論文  参考訳（メタデータ） (2021-05-20T15:18:06Z)
• Bootstrapping Your Own Positive Sample: Contrastive Learning With Electronic Health Record Data [62.29031007761901]
  本稿では,新しいコントラスト型正規化臨床分類モデルを提案する。 EHRデータに特化した2つのユニークなポジティブサンプリング戦略を紹介します。 私たちのフレームワークは、現実世界のCOVID-19 EHRデータの死亡リスクを予測するために、競争の激しい実験結果をもたらします。
  論文  参考訳（メタデータ） (2021-04-07T06:02:04Z)
• Detecting the patient's need for help with machine learning [0.0]
  新型コロナウイルス感染症に関する自己評価式を分析。 各種健康関連表現文対間の統計的に有意な相関と高いコサイン類似度値を見出した。 畳み込みニューラルネットワークアルゴリズムを用いて行った実験は、患者の表情の助けを求めることを支援する機械学習の適用性を示した。
  論文  参考訳（メタデータ） (2020-12-25T20:30:34Z)
• Collaborative Boundary-aware Context Encoding Networks for Error Map Prediction [65.44752447868626]
  本稿では,AEP-Net と呼ばれる協調的コンテキスト符号化ネットワークを提案する。 具体的には、画像とマスクのより優れた特徴融合のための協調的な特徴変換分岐と、エラー領域の正確な局所化を提案する。 AEP-Netはエラー予測タスクの平均DSCが0.8358,0.8164であり、ピアソン相関係数が0.9873である。
  論文  参考訳（メタデータ） (2020-06-25T12:42:01Z)

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。