論文の概要: Application of CARE-SD text classifier tools to assess distribution of stigmatizing and doubt-marking language features in EHR
- arxiv url: http://arxiv.org/abs/2507.08969v1
- Date: Fri, 11 Jul 2025 18:55:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-15 18:48:21.972958
- Title: Application of CARE-SD text classifier tools to assess distribution of stigmatizing and doubt-marking language features in EHR
- Title（参考訳）: CARE-SDテキスト分類ツールのEHRにおけるスティグライズおよび疑似マーキング言語特徴の分布評価への応用
- Authors: Drew Walker, Jennifer Love, Swati Rajwal, Isabel C Walker, Hannah LF Cooper, Abeed Sarker, Melvin Livingston III,
- Abstract要約: 便秘化言語は, 歴史的に便秘された患者の間で高い速度で発生し, 複数のプロバイダタイプで持続した。
疑わしいマーカーの言語的特徴とMIMIC-III EHRにおけるラベルの分類を行った。
- 参考スコア（独自算出の注目度）: 1.58767962323279
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Introduction: Electronic health records (EHR) are a critical medium through which patient stigmatization is perpetuated among healthcare teams. Methods: We identified linguistic features of doubt markers and stigmatizing labels in MIMIC-III EHR via expanded lexicon matching and supervised learning classifiers. Predictors of rates of linguistic features were assessed using Poisson regression models. Results: We found higher rates of stigmatizing labels per chart among patients who were Black or African American (RR: 1.16), patients with Medicare/Medicaid or government-run insurance (RR: 2.46), self-pay (RR: 2.12), and patients with a variety of stigmatizing disease and mental health conditions. Patterns among doubt markers were similar, though male patients had higher rates of doubt markers (RR: 1.25). We found increased stigmatizing labels used by nurses (RR: 1.40), and social workers (RR: 2.25), with similar patterns of doubt markers. Discussion: Stigmatizing language occurred at higher rates among historically stigmatized patients, perpetuated by multiple provider types.
- Abstract（参考訳）: 紹介:電子健康記録(EHR)は、医療チーム間で患者の便秘が持続する重要な媒体である。
方法:MIMIC-III EHRにおける疑わしいマーカーの言語的特徴を辞書マッチングと教師付き学習分類器を用いて同定した。
ポアソン回帰モデルを用いて言語特性の予測値を評価した。
結果:黒人またはアフリカ系アメリカ人(RR:1.16)、メディケア・メディケイド・政府系保険(RR:2.46)、セルフペイ(RR:2.12)、様々な病気やメンタルヘルス状態の患者において,グラフごとのラベルをスティグマイズする割合が高かった。
疑わしいマーカーのパターンは似ているが、男性患者は疑わしいマーカーの比率が高い(RR: 1.25)。
看護婦 (RR: 1.40) とソーシャルワーカー (RR: 2.25) が使用したスティグマティフィケーションラベルが増加し, 疑わしいマーカーが出現した。
考察: 歴史的に便秘された患者では, 言語はより高い速度で出現し, 複数のプロバイダタイプが持続した。
関連論文リスト
- Radiological and Biological Dictionary of Radiomics Features: Addressing Understandable AI Issues in Personalized Breast Cancer; Dictionary Version BM1.0 [0.895629264339744]
放射線ベースのAIモデルは乳がんの診断を約束するが、解釈可能性に欠けることが多い。
本研究では,放射線特徴量(RF)と標準BI-RADSレキシコンとのギャップに対処するための2次元フレームワークを提案する。
論文 参考訳（メタデータ） (2025-07-21T20:17:20Z) - Uncertainty-aware abstention in medical diagnosis based on medical texts [87.88110503208016]
本研究は,AI支援医療診断における信頼性の重要課題について論じる。
本研究は,診断に自信がなければ,診断システムによる意思決定の回避を可能にする選択予測手法に焦点をあてる。
我々は、選択予測タスクにおける信頼性を高めるための新しい最先端手法であるHUQ-2を紹介する。
論文 参考訳（メタデータ） (2025-02-25T10:15:21Z) - LlaMADRS: Prompting Large Language Models for Interview-Based Depression Assessment [75.44934940580112]
LlaMADRSは、オープンソースのLarge Language Models(LLM)を利用して、うつ病の重症度評価を自動化する新しいフレームワークである。
本研究は,クリニカルインタヴューの解釈・スコアリングにおけるモデル指導のために,慎重に設計された手がかりを用いたゼロショットプロンプト戦略を用いている。
実世界における236件のインタビューを対象とし,臨床評価と強い相関性を示した。
論文 参考訳（メタデータ） (2025-01-07T08:49:04Z) - DiversityMedQA: Assessing Demographic Biases in Medical Diagnosis using Large Language Models [2.750784330885499]
DiversityMedQAは,多彩な患者集団にわたる医療クエリに対する大規模言語モデル(LLM)応答を評価するために設計された,新しいベンチマークである。
以上の結果から,これらの変動に比較して,モデル性能に顕著な差が認められた。
論文 参考訳（メタデータ） (2024-09-02T23:37:20Z) - CARE-SD: Classifier-based analysis for recognizing and eliminating stigmatizing and doubt marker labels in electronic health records: model development and validation [2.0509897967847563]
患者ラベル,疑わしいマーカー,難解な引用文などの言語的特徴を抽出するために,文献駆動の語句から辞書と正規表現のリストを作成した。
これらの辞書は、Intensive Care-IIIデータセットの特定されていない医療情報マートから1800万文にわたる一致を検索するために使用された。
各言語バイアスの特徴について,1000の文一致をサンプリングし,専門臨床および公衆衛生アノテータによってラベル付けし,教師付き学習分類器に使用した。
論文 参考訳（メタデータ） (2024-05-08T16:40:18Z) - Automatically measuring speech fluency in people with aphasia: first
achievements using read-speech data [55.84746218227712]
本研究の目的は,言語習得の分野で開発された信号処理algorithmの関連性を評価することである。
論文 参考訳（メタデータ） (2023-08-09T07:51:40Z) - MedLens: Improve Mortality Prediction Via Medical Signs Selecting and
Regression [4.43322868663347]
データ品質の問題については文献では議論されていない。
我々はMEDLENSを設計し、統計による自動バイタルメディカルサイン選択手法と、高損失率時系列に対する柔軟なアプローチを用いて設計した。
精度は 0.96 AUC-ROC と 0.81 AUC-PR で、これは以前のベンチマークを超えている。
論文 参考訳（メタデータ） (2023-05-19T15:28:02Z) - Semantic Coherence Markers for the Early Diagnosis of the Alzheimer
Disease [0.0]
パープレキシティはもともと、与えられた言語モデルがテキストシーケンスを予測するのにどの程度適しているかを評価するための情報理論の尺度として考え出された。
我々は2グラムから5グラムまでのN-gramとトランスフォーマーベース言語モデルであるGPT-2を多種多様な言語モデルに適用した。
ベストパフォーマンスモデルでは、ADクラスと制御対象の両方から対象を分類する際に、完全精度とFスコア(精度/特異度とリコール/感度のそれぞれ1.00)を達成した。
論文 参考訳（メタデータ） (2023-02-02T11:40:16Z) - Few-Shot Cross-lingual Transfer for Coarse-grained De-identification of
Code-Mixed Clinical Texts [56.72488923420374]
事前学習型言語モデル (LM) は低リソース環境下での言語間移動に大きな可能性を示している。
脳卒中におけるコードミキシング(スペイン・カタラン)臨床ノートの低リソース・実世界の課題を解決するために,NER (name recognition) のためのLMの多言語間転写特性を示す。
論文 参考訳（メタデータ） (2022-04-10T21:46:52Z) - Improving Medical Image Classification with Label Noise Using
Dual-uncertainty Estimation [72.0276067144762]
医用画像における2種類のラベルノイズについて論じ,定義する。
医用画像分類作業中にこれら2つのラベルノイズを処理する不確実性推定に基づくフレームワークを提案する。
論文 参考訳（メタデータ） (2021-02-28T14:56:45Z) - NUVA: A Naming Utterance Verifier for Aphasia Treatment [49.114436579008476]
失語症(PWA)患者の治療介入に対する反応の診断とモニタリングの両立のための画像命名タスクを用いた音声性能評価
本稿では,失語症脳卒中患者の「正しい」と「正しくない」を分類する深層学習要素を組み込んだ発話検証システムであるNUVAについて述べる。
イギリス系英語8ヶ国語でのテストでは、システムの性能精度は83.6%から93.6%の範囲であり、10倍のクロスバリデーション平均は89.5%であった。
論文 参考訳（メタデータ） (2021-02-10T13:00:29Z)
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。