論文の概要: "It Felt Like I Was Left in the Dark": Exploring Information Needs and Design Opportunities for Family Caregivers of Older Adult Patients in Critical Care Settings

• arxiv url: http://arxiv.org/abs/2502.05115v1
• Date: Fri, 07 Feb 2025 17:38:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-10 14:55:52.672628
• Title: "It Felt Like I Was Left in the Dark": Exploring Information Needs and Design Opportunities for Family Caregivers of Older Adult Patients in Critical Care Settings
• Title（参考訳）: 闇に残されているように思える」 : 要介護高齢者の家族介護者のための情報ニーズと設計機会を探る
• Authors: Shihan Fu, Bingsheng Yao, Smit Desai, Yuqi Hu, Yuling Sun, Samantha Stonbraker, Yanjun Gao, Elizabeth M. Goldberg, Dakuo Wang,
• Abstract要約: 高齢の成人患者は、ICU(Intensive Care Unit)患者の急速に成長するサブグループを構成する。 本研究の目的は,ICU高齢者の介護者の情報ニーズを明らかにすることである。 本稿では,介護者の課題に対処するAIシステムのプロトタイプを提案する。
• 参考スコア（独自算出の注目度）: 23.812247141696574
• License:
• Abstract: Older adult patients constitute a rapidly growing subgroup of Intensive Care Unit (ICU) patients. In these situations, their family caregivers are expected to represent the unconscious patients to access and interpret patients' medical information. However, caregivers currently have to rely on overloaded clinicians for information updates and typically lack the health literacy to understand complex medical information. Our project aims to explore the information needs of caregivers of ICU older adult patients, from which we can propose design opportunities to guide future AI systems. The project begins with formative interviews with 11 caregivers to identify their challenges in accessing and interpreting medical information; From these findings, we then synthesize design requirements and propose an AI system prototype to cope with caregivers' challenges. The system prototype has two key features: a timeline visualization to show the AI extracted and summarized older adult patients' key medical events; and an LLM-based chatbot to provide context-aware informational support. We conclude our paper by reporting on the follow-up user evaluation of the system and discussing future AI-based systems for ICU caregivers of older adults.
• Abstract（参考訳）: 高齢の成人患者は、ICU(Intensive Care Unit)患者の急速に成長するサブグループを構成する。 このような状況下では、家族介護者は無意識の患者が患者の医療情報にアクセスし、解釈することを表すことが期待されている。 しかし、介護者は情報更新のために過負荷の診療医に頼る必要があり、複雑な医療情報を理解するための健康リテラシーが欠如している。 本研究の目的は、ICU高齢者の介護者の情報ニーズを探求することであり、今後のAIシステムを導くデザインの機会を提案することである。 このプロジェクトは、医療情報にアクセスして解釈する際の課題を特定するために、11人の介護者とのフォーマティブなインタビューから始まります。 システムプロトタイプには、2つの重要な特徴がある。AIが抽出され、要約された高齢者の医療イベントを示すタイムライン可視化と、コンテキスト認識情報を提供するLLMベースのチャットボットである。 本稿は,高齢者のICU介護者を対象に,システムのフォローアップユーザ評価について報告し,今後のAIベースのシステムについて議論する。

関連論文リスト

• Investigating an Intelligent System to Monitor \& Explain Abnormal Activity Patterns of Older Adults [52.40826527071519]
  高齢の成人医療技術の潜在的な可能性にもかかわらず、これらの技術の採用は依然として困難である。 本研究は,家族介護者とのフォーカスグループセッションを行い,高齢者介護技術のスコープデザインについて検討した。 高忠実度プロトタイプを開発し,専門職介護者と高齢者を対象に質的研究を行った。
  論文  参考訳（メタデータ） (2025-01-30T03:21:14Z)
• Are Generative AI systems Capable of Supporting Information Needs of Patients? [4.485098382568721]
  本研究は, 画像診断における患者情報への責任を負うことなく, 生成的視覚質問応答システムの有効性について検討する。 胸部CT検査を施行し, 胸部CT検査を施行し, 胸部CT検査を施行し, 胸部CT検査を施行した。 参加者と医療専門家の会話のテーマ分析を用いて,対話を通して一般的に発生するテーマを特定した。 我々は,放射線技師の反応に対して,最先端の2つの生成的視覚言語モデルを評価する。
  論文  参考訳（メタデータ） (2024-01-31T23:24:37Z)
• Yes, this is what I was looking for! Towards Multi-modal Medical Consultation Concern Summary Generation [46.42604861624895]
  マルチモーダル・メディカル・コンシューム・サマリ・ジェネレーションの新しい課題を提案する。 患者のジェスチャーや表情などの非言語的手がかりは、患者の懸念を正確に識別するのに役立つ。 マルチモーダル・メディカル・コンシューム・サマリー・ジェネレーション・コーパスを構築。
  論文  参考訳（メタデータ） (2024-01-10T12:56:47Z)
• README: Bridging Medical Jargon and Lay Understanding for Patient Education through Data-Centric NLP [9.432205523734707]
  医療用語を患者に親しみやすい平易な言語に簡略化することを目的とした,レイ定義の自動生成という新たなタスクを導入する。 このデータセットは、5万以上のユニークな(医療用語、日常の定義)ペアと30万の言及からなる。 また、データフィルタリング、拡張、選択を相乗化してデータ品質を改善する、データ中心のHuman-AIパイプラインも開発しました。
  論文  参考訳（メタデータ） (2023-12-24T23:01:00Z)
• RECAP-KG: Mining Knowledge Graphs from Raw GP Notes for Remote COVID-19 Assessment in Primary Care [45.43645878061283]
  本稿では,患者相談の前後に書かれた生のGP医療ノートから知識グラフ構築を行うフレームワークを提案する。 私たちの知識グラフには、既存の患者の症状、その持続時間、重症度に関する情報が含まれています。 本フレームワークを英国における新型コロナウイルス患者の相談ノートに適用する。
  論文  参考訳（メタデータ） (2023-06-17T23:35:51Z)
• What Do End-Users Really Want? Investigation of Human-Centered XAI for Mobile Health Apps [69.53730499849023]
  説明可能なAI(XAI)を評価するために,ユーザ中心のペルソナ概念を提案する。 分析の結果,ユーザの人口統計や性格,説明のタイプ,影響説明の嗜好が示された。 私たちの洞察は、対話的で人間中心のXAIを実践的な応用に近づけます。
  論文  参考訳（メタデータ） (2022-10-07T12:51:27Z)
• 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)
• Developing Medical AI : a cloud-native audio-visual data collection study [0.0]
  本稿では、音声・視覚データ収集研究のためのプロトコル、そのようなデータを効率的に処理・消費するためのクラウドアーキテクチャ、および特定のデータ収集装置の設計について述べる。 本研究の目的は, 当院における退院患者の早期診断を改善することである。
  論文  参考訳（メタデータ） (2021-08-17T18:01:12Z)
• BiteNet: Bidirectional Temporal Encoder Network to Predict Medical Outcomes [53.163089893876645]
  本稿では,患者の医療旅行におけるコンテキスト依存と時間的関係を捉える,新たな自己注意機構を提案する。 エンド・ツー・エンドの双方向時間エンコーダネットワーク(BiteNet)が患者の旅路の表現を学習する。 実世界のEHRデータセットを用いた2つの教師付き予測と2つの教師なしクラスタリングタスクにおける手法の有効性を評価した。
  論文  参考訳（メタデータ） (2020-09-24T00:42:36Z)

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。