論文の概要: The CASE Framework -- A New Architecture for Participatory Research and Digital Health Surveillance

• arxiv url: http://arxiv.org/abs/2505.23516v2
• Date: Mon, 02 Jun 2025 16:37:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-03 13:48:30.062429
• Title: The CASE Framework -- A New Architecture for Participatory Research and Digital Health Surveillance
• Title（参考訳）: Case Framework - 参加型研究とデジタルヘルスサーベイランスのための新しいアーキテクチャ
• Authors: Marco Hirsch, Peter Hevesi, Paul Lukowicz,
• Abstract要約: 本稿では,適応型文脈認識参加型研究のためのオープンソースプラットフォームであるCASEフレームワークを提案する。 CASEはイベント駆動アーキテクチャを実装しており、参加者の反応、外部データ、時間的条件、進化中のユーザ状態に基づくリアルタイム適応を可能にする。 ケースは、さまざまな領域にまたがって展開され、国家の疾病監視プラットフォームに電力を供給し、政治イベント中のリアルタイムの感情分析を可能にした。
• 参考スコア（独自算出の注目度）: 3.2389916198921878
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present the CASE framework, an open-source platform for adaptive, context-aware participatory research, and pandemic preparedness. CASE implements an event-driven architecture that enables dynamic survey workflows, allowing real-time adaptation based on participant responses, external data, temporal conditions, and evolving user states. The framework supports a broad range of research needs, from simple one-time questionnaires to complex longitudinal studies with advanced conditional logic. Built on over a decade of practical experience, CASE underwent a major architectural rework in 2024, transitioning from a microservice-based design to a streamlined monolithic architecture. This evolution significantly improved maintainability, flexibility, and accessibility to deployment, particularly for institutions with limited technical capacity. CASE has been successfully deployed across diverse domains, powering national disease surveillance platforms, supporting post-COVID cohort studies, and enabling real-time sentiment analysis during political events. These applications, involving tens of thousands of participants, demonstrate the framework's scalability, versatility, and practical value. This paper describes the foundations of CASE, details its architectural evolution, and presents lessons learned from real-world deployments. We establish CASE as a mature and reusable research infrastructure that balances sophisticated functionality with practical implementation, addressing the critical global need for sustainable and institutionally controlled data collection systems.
• Abstract（参考訳）: 本稿では,適応型,文脈対応型参加型研究,パンデミック準備のためのオープンソースプラットフォームであるCASEフレームワークを提案する。 CASEは、動的サーベイワークフローを可能にするイベント駆動アーキテクチャを実装し、参加者の応答、外部データ、時間的条件、ユーザの状態の進化に基づくリアルタイム適応を可能にする。 このフレームワークは、単純な1回のアンケートから、高度な条件論理を伴う複雑な縦断的研究まで、幅広い研究ニーズをサポートしている。 実際に10年以上の経験を積んだCASEは、マイクロサービスベースの設計から合理化されたモノリシックなアーキテクチャに移行した、2024年に大規模なアーキテクチャの再構築を行った。 この進化により、特に技術的能力に制限のある機関において、保守性、柔軟性、デプロイメントへのアクセシビリティが大幅に向上した。 さまざまな領域に展開し、国家の疾病監視プラットフォームを駆使し、コロナ後のコホート研究を支援し、政治イベント中のリアルタイムの感情分析を可能にした。 これらのアプリケーションは、何万人もの参加者を巻き込み、フレームワークのスケーラビリティ、汎用性、実用的な価値を実証します。 本稿では,CASEの基礎を詳述し,そのアーキテクチャの進化を詳述するとともに,実世界の展開から学んだ教訓を紹介する。 我々はCASEを,高度機能と実践的実装のバランスをとる,成熟した再利用可能な研究基盤として確立し,持続的かつ制度的に制御されたデータ収集システムに対する重要なグローバルなニーズに対処する。

関連論文リスト

• Evaluating Large Language Models for Real-World Engineering Tasks [75.97299249823972]
  本稿では,実運用指向のエンジニアリングシナリオから得られた100以上の質問をキュレートしたデータベースを提案する。 このデータセットを用いて、4つの最先端の大規模言語モデル(LLM)を評価する。 以上の結果から,LLMは時間的および構造的推論において強みを示すが,抽象的推論や形式的モデリング,文脈に敏感な工学的論理にはかなり苦労することがわかった。
  論文  参考訳（メタデータ） (2025-05-12T14:05:23Z)
• UniSTD: Towards Unified Spatio-Temporal Learning across Diverse Disciplines [64.84631333071728]
  本稿では,時間的モデリングのためのトランスフォーマーベースの統合フレームワークであるbfUnistageを紹介する。 我々の研究は、タスク固有の視覚テキストが時間学習のための一般化可能なモデルを構築することができることを示した。 また、時間的ダイナミクスを明示的に組み込むための時間的モジュールも導入する。
  論文  参考訳（メタデータ） (2025-03-26T17:33:23Z)
• ColorDynamic: Generalizable, Scalable, Real-time, End-to-end Local Planner for Unstructured and Dynamic Environments [4.7206814223703475]
  本研究では,ロボットのローカルプランニング問題に対処するColorDynamicフレームワークを提案する。 生センサデータを直接制御コマンドにマッピングする、エンドツーエンドのDeep Reinforcement Learning(DRL)の定式化が確立されている。 時間遷移からオンラインDRL学習を可能にする新しいネットワークであるTransqerが導入された。
  論文  参考訳（メタデータ） (2025-02-27T09:01:11Z)
• LLM-Ehnanced Holonic Architecture for Ad-Hoc Scalable SoS [3.591449065638895]
  推論,通信,機能レイヤを含むホロンの階層化アーキテクチャを提案する。 第2に、インテリジェント製造の原則に触発され、スーパーバイザー、プランナー、タスク、リソースホロンといった専門ホロンを導入します。 これらの専門ホロンは、意思決定をサポートし、リアルタイム適応性を確保するために、推論層内で大きな言語モデルを利用する。
  論文  参考訳（メタデータ） (2025-01-14T10:35:54Z)
• Multiple-input, multiple-output modal testing of a Hawk T1A aircraft: A new full-scale dataset for structural health monitoring [0.32326259807823027]
  本稿では, 解体されたBAEシステムホークT1Aの動的応答を計測する新しいベンチマークデータセットを提案する。 単純な実験室の試験構造とサービス内構造の間に重要な足場を提供する。 このデータセットを用いて、構造中の非線形性や、異なるタイプの損傷に対する構造物の感度を示す。
  論文  参考訳（メタデータ） (2024-06-07T13:53:24Z)
• Towards building a monitoring platform for a challenge-oriented smart specialisation with RIS3-MCAT [0.031208736245509724]
  RIS3-MCATは、R&Iプロジェクトデータへのアクセスを容易にするインタラクティブなプラットフォームであり、洗練された分析を可能にする。 本稿では,その概念化,開発フレームワーク,利用について述べる。
  論文  参考訳（メタデータ） (2023-12-19T07:58:39Z)
• Serving Deep Learning Model in Relational Databases [70.53282490832189]
  リレーショナルデータ上での深層学習(DL)モデルの実現は、様々な商業分野や科学分野において重要な要件となっている。 最先端のDL中心アーキテクチャは、DL計算を専用のDLフレームワークにオフロードします。 UDF中心アーキテクチャの可能性は、リレーショナルデータベース管理システム(RDBMS)内の1つ以上のテンソル計算をユーザ定義関数(UDF)にカプセル化する。
  論文  参考訳（メタデータ） (2023-10-07T06:01:35Z)
• Distributed intelligence on the Edge-to-Cloud Continuum: A systematic literature review [62.997667081978825]
  このレビューは、現在利用可能な機械学習とデータ分析のための最先端ライブラリとフレームワークに関する包括的なビジョンを提供することを目的としている。 現在利用可能なEdge-to-Cloud Continuumに関する実験的な研究のための、主要なシミュレーション、エミュレーション、デプロイメントシステム、テストベッドも調査されている。
  論文  参考訳（メタデータ） (2022-04-29T08:06:05Z)
• Edge-assisted Democratized Learning Towards Federated Analytics [67.44078999945722]
  本稿では,エッジ支援型民主化学習機構であるEdge-DemLearnの階層的学習構造を示す。 また、Edge-DemLearnを柔軟なモデルトレーニングメカニズムとして検証し、リージョンに分散制御と集約の方法論を構築する。
  論文  参考訳（メタデータ） (2020-12-01T11:46:03Z)

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。