論文の概要: Developing clinical informatics to support direct care and population health management: the VIEWER story
- arxiv url: http://arxiv.org/abs/2505.15459v1
- Date: Wed, 21 May 2025 12:39:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-22 15:42:59.639408
- Title: Developing clinical informatics to support direct care and population health management: the VIEWER story
- Title（参考訳）: 直接ケアと人口健康管理を支援する臨床情報学の開発--VIEWERの物語
- Authors: Robert Harland, Tao Wang, David Codling, Catherine Polling, Matthew Broadbent, Holly Newton, Yamiko Joseph Msosa, Daisy Kornblum, Claire Delaney-Pope, Barbara Arroyo, Stuart MacLellan, Zoe Keddie, Mary Docherty, Angus Roberts, Derek Tracy, Philip McGuire, Richard Dobson, Robert Stewart,
- Abstract要約: VIEWERは、患者の直接ケアと人口健康管理を強化するために設計された臨床情報プラットフォームである。
本稿では、イギリスのメンタルヘルス・ナショナル・ヘルス・サービス・ファンデーション・トラストにおけるVIEWERの開発と実践について述べる。
- 参考スコア（独自算出の注目度）: 1.978460175773454
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Electronic health records (EHRs) provide comprehensive patient data which could be better used to enhance informed decision-making, resource allocation, and coordinated care, thereby optimising healthcare delivery. However, in mental healthcare, critical information, such as on risk factors, precipitants, and treatment responses, is often embedded in unstructured text, limiting the ability to automate at scale measures to identify and prioritise local populations and patients, which potentially hinders timely prevention and intervention. We describe the development and proof-of-concept implementation of VIEWER, a clinical informatics platform designed to enhance direct patient care and population health management by improving the accessibility and usability of EHR data. We further outline strategies that were employed in this work to foster informatics innovation through interdisciplinary and cross-organisational collaboration to support integrated, personalised care, and detail how these advancements were piloted and implemented within a large UK mental health National Health Service Foundation Trust to improve patient outcomes at an individual patient, clinician, clinical team, and organisational level.
- Abstract（参考訳）: 電子健康記録(EHR)は、インフォームドな意思決定、リソース割り当て、調整されたケアを強化するために、医療提供の最適化に使用できる包括的な患者データを提供する。
しかし、メンタルヘルスにおいては、リスクファクター、沈殿剤、治療反応などの重要な情報は、しばしば非構造化テキストに埋め込まれ、局所的な人口や患者を特定・優先順位付けするための大規模な措置を自動化できる能力が制限され、タイムリーな予防と介入を妨げている可能性がある。
EHRデータのアクセシビリティとユーザビリティを向上させることで、患者の直接的なケアと人口健康管理を強化するための臨床情報プラットフォームであるVIEWERの開発と実装について述べる。
本研究で採用した戦略は、統合的、パーソナライズされたケアを支援するための学際的、組織横断的な協力を通じて情報革新を促進するため、また、これらの進歩が、個別の患者、臨床医、臨床チーム、組織レベルにおいて患者の成果を改善するために、大規模なメンタルヘルス国立衛生サービス財団トラストにおいてどのようにパイロット化され、実施されたかの詳細を概説する。
関連論文リスト
- New care pathways for supporting transitional care from hospitals to home using AI and personalized digital assistance [0.12728819383164874]
本稿では,欧州の伝統的なケア経路とモノのインターネット,人工知能,デジタル支援技術の統合について概説する。
移行ケアにおける現在のギャップを特定し、ケアパスを強化するための技術マッピングを定義する。
論文 参考訳（メタデータ） (2025-04-01T11:37:36Z) - IoT Integration Protocol for Enhanced Hospital Care [0.0]
病院医療強化のためのIoT統合プロトコルについて紹介する。
このプロトコルは、IoTデバイスの可能性を活用して、患者の監視を最適化し、リモートケアを有効にし、臨床的意思決定をサポートすることを目的としている。
IoTを医療計画や患者のケア計画にシームレスに統合することで、病院は患者中心のケアとリアルタイムデータ洞察のより高いレベルを達成することができる。
論文 参考訳（メタデータ） (2025-03-05T10:07:48Z) - 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) - VIEWER: an extensible visual analytics framework for enhancing mental healthcare [2.486545071109632]
VIEWERは自然言語処理とインタラクティブな可視化技術を利用するオープンソースのツールキットである。
英国最大のNHSメンタルヘルストラストの1つで設計され、実装された。
VIEWERは、標準的な臨床情報システムと比較して、性能とタスク完了速度を著しく改善した。
論文 参考訳（メタデータ） (2024-10-25T14:01:13Z) - A Foundational Framework and Methodology for Personalized Early and
Timely Diagnosis [84.6348989654916]
本稿では,早期診断とタイムリー診断のための基礎的枠組みを提案する。
診断過程を概説する決定論的アプローチに基づいている。
機械学習と統計手法を統合し、最適なパーソナライズされた診断経路を推定する。
論文 参考訳（メタデータ） (2023-11-26T14:42:31Z) - 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) - SPeC: A Soft Prompt-Based Calibration on Performance Variability of
Large Language Model in Clinical Notes Summarization [50.01382938451978]
本稿では,ソフトプロンプトを用いたモデルに依存しないパイプラインを導入し,確率に基づく要約の利点を保ちながら分散を減少させる。
実験結果から,本手法は性能を向上するだけでなく,様々な言語モデルの分散を効果的に抑制することが明らかとなった。
論文 参考訳（メタデータ） (2023-03-23T04:47:46Z) - An NLP Solution to Foster the Use of Information in Electronic Health
Records for Efficiency in Decision-Making in Hospital Care [0.26340862968426904]
このプロジェクトは、ポルトガル語で書かれたフリーテキスト臨床記録内の属性を自動的に識別するためのルールを定義し、技術的ソリューションを開発することを目的としている。
プロジェクトの目標は、臨床医、疫学者、計算言語学者、機械学習研究者、ソフトウェアエンジニアを含む複数の学際的なチームによって達成された。
論文 参考訳（メタデータ） (2022-02-24T15:52:59Z) - Clinical Outcome Prediction from Admission Notes using Self-Supervised
Knowledge Integration [55.88616573143478]
臨床テキストからのアウトカム予測は、医師が潜在的なリスクを見落としないようにする。
退院時の診断,手術手順,院内死亡率,長期予測は4つの一般的な結果予測対象である。
複数の公開資料から得られた患者結果に関する知識を統合するために,臨床結果の事前学習を提案する。
論文 参考訳（メタデータ） (2021-02-08T10:26:44Z)
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。