論文の概要: Digital Health Innovations for Screening and Mitigating Mental Health Impacts of Adverse Childhood Experiences: Narrative Review
- arxiv url: http://arxiv.org/abs/2502.00066v1
- Date: Thu, 30 Jan 2025 21:22:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-05 15:00:44.444390
- Title: Digital Health Innovations for Screening and Mitigating Mental Health Impacts of Adverse Childhood Experiences: Narrative Review
- Title（参考訳）: 逆児期体験における心的健康影響のスクリーニング・緩和のためのデジタルヘルス・イノベーション:ナラティブ・レビュー
- Authors: Brianna M White, Rameshwari Prasad, Nariman Ammar, Jason A Yaun, Arash Shaban-Nejad,
- Abstract要約: 本研究は、子どもと若者のACEに関連するリスクやメンタルヘルスの結果をスクリーニングし、軽減するために、デジタルヘルス技術(DHT)と人工知能の使用に関する物語的レビューである。
DHT、機械学習ツール、自然言語処理、人工知能の使用は、ACEと関連するリスクファクターの緩和に有効である。
- 参考スコア（独自算出の注目度）: 0.4194295877935868
- License:
- Abstract: This study presents a narrative review of the use of digital health technologies (DHTs) and artificial intelligence to screen and mitigate risks and mental health consequences associated with ACEs among children and youth. Several databases were searched for studies published from August 2017 to August 2022. Selected studies (1) explored the relationship between digital health interventions and mitigation of negative health outcomes associated with mental health in childhood and adolescence and (2) examined prevention of ACE occurrence associated with mental illness in childhood and adolescence. A total of 18 search papers were selected, according to our inclusion and exclusion criteria, to evaluate and identify means by which existing digital solutions may be useful in mitigating the mental health consequences associated with the occurrence of ACEs in childhood and adolescence and preventing ACE occurrence due to mental health consequences. We also highlighted a few knowledge gaps or barriers to DHT implementation and usability. Findings from the search suggest that the incorporation of DHTs, if implemented successfully, has the potential to improve the quality of related care provisions for the management of mental health consequences of adverse or traumatic events in childhood, including posttraumatic stress disorder, suicidal behavior or ideation, anxiety or depression, and attention-deficit/hyperactivity disorder. The use of DHTs, machine learning tools, natural learning processing, and artificial intelligence can positively help in mitigating ACEs and associated risk factors. Under proper legal regulations, security, privacy, and confidentiality assurances, digital technologies could also assist in promoting positive childhood experiences in children and young adults, bolstering resilience, and providing reliable public health resources to serve populations in need.
- Abstract（参考訳）: 本研究は、子どもと若者のACEに関連するリスクやメンタルヘルスの結果をスクリーニングし、軽減するために、デジタルヘルス技術(DHT)と人工知能の使用に関する物語的レビューである。
2017年8月から2022年8月まで、いくつかのデータベースが研究のために検索された。
選択研究は, デジタルヘルス介入と, 児童と青年のメンタルヘルスに関連する負の健康結果の緩和との関係について検討し, 児童と青年のメンタルヘルスに関連するACE発生の予防について検討した。
小児期および青年期におけるACEの発生に伴う心的健康影響を緩和し,精神的健康影響によるACEの発生を防止するために,既存のデジタルソリューションが有用である手段を評価し,同定するために,包括的および排他的基準に従って18件の検索論文を選定した。
また、DHTの実装とユーザビリティに対するいくつかの知識ギャップや障壁を強調しました。
調査の結果,DHTsの実施が成功すれば,外傷性ストレス障害,自殺行動,思慮,不安や抑うつ,注意欠陥・高活動障害など,小児期における有害事象や外傷事象のメンタルヘルス結果の管理における,関連するケア条件の質を向上させる可能性が示唆された。
DHT、機械学習ツール、自然言語処理、人工知能の使用は、ACEと関連するリスクファクターの緩和に有効である。
適切な法規制、セキュリティ、プライバシ、機密性保証の下では、デジタル技術は、子供や若年者における肯定的な幼少期体験を促進し、弾力性を高め、必要な人口に奉仕するための信頼できる公衆衛生資源を提供するのに役立つ。
関連論文リスト
- Unlocking Mental Health: Exploring College Students' Well-being through Smartphone Behaviors [4.362487258697971]
本研究は,学生のスマートフォンロック解除行動と,実環境におけるメンタルヘルスとの関係について,初めて検討したものである。
調査の結果、性別や場所によってスマートフォンの利用が重要な変化を示し、デジタル行動とメンタルヘルスの相互作用をより深く理解していることがわかった。
論文 参考訳（メタデータ） (2025-02-12T20:12:45Z) - Towards Privacy-aware Mental Health AI Models: Advances, Challenges, and Opportunities [61.633126163190724]
精神病は、社会的、個人的コストがかなり高い広範囲で不安定な状態である。
近年の人工知能(AI)の進歩は、うつ病、不安障害、双極性障害、統合失調症、外傷後ストレス障害などの病態を認識し、対処するための大きな可能性を秘めている。
データセットやトレーニング済みモデルからの機密データ漏洩のリスクを含むプライバシー上の懸念は、これらのAIシステムを実際の臨床環境にデプロイする上で、依然として重要な障壁である。
論文 参考訳（メタデータ） (2025-02-01T15:10:02Z) - Digital Phenotyping for Adolescent Mental Health: A Feasibility Study Employing Machine Learning to Predict Mental Health Risk From Active and Passive Smartphone Data [2.2310516973117194]
本研究は,非クリニカル青年期の精神障害を予測するために,アクティブおよびパッシブスマートフォンデータを統合する可能性について検討した。
我々はMindcraftアプリを用いて、内因性障害、摂食障害、不眠症、自殺思考のリスクを予測する。
論文 参考訳（メタデータ） (2025-01-15T15:05:49Z) - Open Problems in Machine Unlearning for AI Safety [61.43515658834902]
特定の種類の知識を選択的に忘れたり、抑圧したりするマシンアンラーニングは、プライバシとデータ削除タスクの約束を示している。
本稿では,アンラーニングがAI安全性の包括的ソリューションとして機能することを防止するための重要な制約を特定する。
論文 参考訳（メタデータ） (2025-01-09T03:59:10Z) - Toward Safe Evolution of Artificial Intelligence (AI) based Conversational Agents to Support Adolescent Mental and Sexual Health Knowledge Discovery [0.22530496464901104]
青少年の精神・性的健康知識発見を支援するための会話エージェント(CA)の現状と機会について論じる。
我々は、青少年のためのAIベースのCAの安全な進化のためにガードレールを設定する方法についての談話を求めている。
論文 参考訳（メタデータ） (2024-04-03T19:18:25Z) - Identifying Risk Factors for Post-COVID-19 Mental Health Disorders: A
Machine Learning Perspective [0.0]
我々は、機械学習技術を利用して、COVID-19後のメンタルヘルス障害に関連するリスク要因を特定しました。
年齢、性別、居住地は、精神疾患の発症に影響を及ぼす重要な人口統計要因であった。
新型コロナウイルス感染症の重症度は、重要な臨床予測因子であった。
論文 参考訳（メタデータ） (2023-09-27T22:30:11Z) - Handwriting and Drawing for Depression Detection: A Preliminary Study [53.11777541341063]
精神健康に対する短期的コビデンスの影響は、不安や抑うつ症状の顕著な増加であった。
本研究の目的は、健康な人とうつ病患者を識別するために、オンライン手書き・図面解析という新しいツールを使用することである。
論文 参考訳（メタデータ） (2023-02-05T22:33:49Z) - Adverse Childhood Experiences Identification from Clinical Notes with
Ontologies and NLP [1.0349800230036503]
我々はNLP技術を用いて臨床ノートからACEを抽出するツールを開発している。
これにより、ACEとその後の精神疾患の進展との関係の証拠を明らかにするためのさらなる研究が可能になる。
論文 参考訳（メタデータ） (2022-08-24T12:17:32Z) - Deep Multi-task Learning for Depression Detection and Prediction in
Longitudinal Data [50.02223091927777]
うつ病は最も多い精神疾患の1つであり、世界中の年齢の何百万人もの人々に影響を与えている。
機械学習技術は、早期介入と治療のためのうつ病の自動検出と予測を可能にしている。
本稿では、この課題に対処するために、2つの補助的タスクでうつ病分類を共同最適化する、新しいディープマルチタスクリカレントニューラルネットワークを提案する。
論文 参考訳（メタデータ） (2020-12-05T05:14:14Z) - Assessing the Severity of Health States based on Social Media Posts [62.52087340582502]
ユーザの健康状態の重症度を評価するために,テキストコンテンツとコンテキスト情報の両方をモデル化する多視点学習フレームワークを提案する。
多様なNLUビューは、ユーザの健康を評価するために、タスクと個々の疾患の両方に効果を示す。
論文 参考訳（メタデータ） (2020-09-21T03:45:14Z) - Anxiety Detection Leveraging Mobile Passive Sensing [53.11661460916551]
不安障害は、子供と成人の両方に影響を及ぼす最も一般的な精神医学的問題である。
スマートフォンから受動的かつ控えめなデータ収集を活用することは、古典的な方法の代替となるかもしれない。
eWellnessは、個人デバイスのセンサとユーザログデータの完全な適合性を、連続的かつ受動的に追跡するために設計された、実験的なモバイルアプリケーションである。
論文 参考訳（メタデータ） (2020-08-09T20:22:52Z)
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。