論文の概要: Generative AI-Driven Decision-Making for Disease Control and Pandemic Preparedness Model 4.0 in Rural Communities of Bangladesh: Management Informatics Approach

• arxiv url: http://arxiv.org/abs/2508.01142v1
• Date: Sat, 02 Aug 2025 01:54:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-12 14:31:13.255289
• Title: Generative AI-Driven Decision-Making for Disease Control and Pandemic Preparedness Model 4.0 in Rural Communities of Bangladesh: Management Informatics Approach
• Title（参考訳）: バングラデシュ農村部における疾患管理とパンデミック準備モデル4.0のためのAI駆動意思決定-マネジメントインフォマティクスアプローチ
• Authors: Mohammad Saddam Hosen, MD Shahidul Islam Fakir, Shamal Chandra Hawlader, Farzana Rahman, Tasmim Karim, Muhammed Habil Uddin,
• Abstract要約: バングラデシュの農村部は深刻な医療障害に直面している。 これらの障害は、効果的な疾患管理とパンデミックの準備を妨げる。 この研究は、辺境化した農村住民の健康回復力とパンデミックの準備は、AIによる局所的な疾病管理戦略によって改善できると結論付けている。
• 参考スコア（独自算出の注目度）: 0.7067443325368975
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Rural Bangladesh is confronted with substantial healthcare obstacles, such as inadequate infrastructure, inadequate information systems, and restricted access to medical personnel. These obstacles impede effective disease control and pandemic preparedness. This investigation employs a structured methodology to develop and analyze numerous plausible scenarios systematically. A purposive sampling strategy was implemented, which involved the administration of a questionnaire survey to 264 rural residents in the Rangamati district of Bangladesh and the completion of a distinct questionnaire by 103 healthcare and medical personnel. The impact and effectiveness of the study are assessed through logistic regression analysis and a pre-post comparison that employs the Wilcoxon Signed-Rank test and Kendall's coefficient for non-parametric paired and categorical variables. This analysis evaluates the evolution of disease control and preparedness prior to and subsequent to the implementation of the Generative AI-Based Model 4.0. The results indicate that trust in AI (\b{eta} = 1.20, p = 0.020) and confidence in sharing health data (\b{eta} = 9.049, p = 0.020) are the most significant predictors of AI adoption. At the same time, infrastructure limitations and digital access constraints continue to be significant constraints. The study concludes that the health resilience and pandemic preparedness of marginalized rural populations can be improved through AI-driven, localized disease control strategies. The integration of Generative AI into rural healthcare systems offers a transformative opportunity, but it is contingent upon active community engagement, enhanced digital literacy, and strong government involvement.
• Abstract（参考訳）: 農村バングラデシュでは、インフラ不足、情報システム不足、医療従事者へのアクセス制限など、深刻な医療障害に直面している。 これらの障害は、効果的な疾患管理とパンデミックの準備を妨げる。 本研究は,多種多様なシナリオを体系的に開発・分析するための構造化手法を用いている。 バングラデシュのランガマティ地区の農村住民264名に対するアンケート調査と、医療・医療従事者103名による個別のアンケートが完了した。 この研究の効果と有効性は、ロジスティック回帰分析とウィルコクソンサイン・ランド検定とケンドール係数を用いた非パラメトリック対とカテゴリー変数の事前比較によって評価される。 この分析は、ジェネレーティブAIベースのモデル4.0の実装に先立って、疾患の制御と準備の進化を評価する。 その結果、AI(\b{eta} = 1.20, p = 0.020)への信頼と、健康データ(\b{eta} = 9.049, p = 0.020)の共有に対する信頼が、AI導入の最も重要な予測因子であることが示唆された。 同時に、インフラストラクチャの制限とデジタルアクセスの制約は、引き続き重大な制約である。 この研究は、辺境化した農村住民の健康回復力とパンデミックの準備は、AIによる局所的な疾病管理戦略によって改善できると結論付けている。 ジェネレーティブAIを農村の医療システムに統合することは、変革的な機会を提供するが、活発なコミュニティの関与、デジタルリテラシーの強化、政府による強い関与に起因している。

関連論文リスト

• Medical Reasoning in the Era of LLMs: A Systematic Review of Enhancement Techniques and Applications [59.721265428780946]
  医学における大きな言語モデル(LLM)は印象的な能力を実現しているが、体系的で透明で検証可能な推論を行う能力に重大なギャップが残っている。 本稿は、この新興分野に関する最初の体系的なレビューを提供する。 本稿では,学習時間戦略とテスト時間メカニズムに分類した推論強化手法の分類法を提案する。
  論文  参考訳（メタデータ） (2025-08-01T14:41:31Z)
• Design and Implementation of a Scalable Clinical Data Warehouse for Resource-Constrained Healthcare Systems [0.0]
  本研究は、リソース制限設定における異種EHR統合のために設計された、スケーラブルでプライバシに制限された臨床データウェアハウスであるNCDWを提案する。 このフレームワークは、ICD-11やHL7 FHIRといった標準に適合するように、摂食層を変更することで、開発途上国のさまざまな医療環境に適応することができる。
  論文  参考訳（メタデータ） (2025-02-23T18:19:30Z)
• A Strategy Transfer and Decision Support Approach for Epidemic Control in Experience Shortage Scenarios [0.0]
  プロファイル類似性評価に基づいて戦略伝達・決定支援手法(STDSA)を提案する。 本研究は、経験不足地域における疫病の予防と対策に関する新たな知見を提供する。
  論文  参考訳（メタデータ） (2024-04-10T02:25:27Z)
• Data-Centric Epidemic Forecasting: A Survey [56.99209141838794]
  この調査は、様々なデータ駆動の方法論および実践的進歩を掘り下げるものである。 疫学的なデータセットと,流行予測に関連する新しいデータストリームを列挙する。 また,これらの予測システムの現実的な展開において生じる経験や課題についても論じる。
  論文  参考訳（メタデータ） (2022-07-19T16:15:11Z)
• Adaptive Epidemic Forecasting and Community Risk Evaluation of COVID-19 [9.11149442423076]
  本稿では、公共衛生データを第3のクライアントデータとシームレスに統合し、コミュニティを再オープンするリスクを正確に見積もるフレキシブルなエンドツーエンドソリューションを提案する。 中心となるのは、トランスミッションとモビリティのトレンドを自動キャプチャする最先端の予測モデルだ。
  論文  参考訳（メタデータ） (2021-06-03T19:26:37Z)
• 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)
• Improving healthcare access management by predicting patient no-show behaviour [0.0]
  本研究は,参加を促す戦略の実装を支援するため,DSS(Decision Support System)を開発する。 回帰モデルの精度を向上させるために,異なる機械学習手法の有効性を評価する。 過去の研究で報告された関係の定量化に加えて、収入と近隣の犯罪統計はノーショー確率に影響を与えることが判明した。
  論文  参考訳（メタデータ） (2020-12-10T14:57:25Z)
• UNITE: Uncertainty-based Health Risk Prediction Leveraging Multi-sourced Data [81.00385374948125]
  我々はUNcertaInTyベースのhEalth Risk Prediction(UNITE)モデルを提案する。 UNITEは、複数ソースの健康データを活用した正確な疾患リスク予測と不確実性推定を提供する。 非アルコール性脂肪肝疾患(NASH)とアルツハイマー病(AD)の実態予測タスクにおけるUNITEの評価を行った。 UNITEはAD検出のF1スコアで最大0.841点、NASH検出のPR-AUCで最大0.609点を達成し、最高のベースラインで最大19%の高パフォーマンスを達成している。
  論文  参考訳（メタデータ） (2020-10-22T02:28:11Z)
• From predictions to prescriptions: A data-driven response to COVID-19 [42.57407485467993]
  新型コロナウイルスの臨床的特徴を理解するための包括的データ駆動型アプローチを提案する。 私たちは、感染や死亡のリスクを予測するために、パーソナライズされた電卓を構築します。 人工呼吸器の再配置と不足軽減のための最適化モデルを提案する。
  論文  参考訳（メタデータ） (2020-06-30T03:34:00Z)
• COVI White Paper [67.04578448931741]
  接触追跡は、新型コロナウイルスのパンデミックの進行を変える上で不可欠なツールだ。 カナダで開発されたCovid-19の公衆ピアツーピア接触追跡とリスク認識モバイルアプリケーションであるCOVIの理論的、設計、倫理的考察、プライバシ戦略について概説する。
  論文  参考訳（メタデータ） (2020-05-18T07:40:49Z)
• Predictive Modeling of ICU Healthcare-Associated Infections from Imbalanced Data. Using Ensembles and a Clustering-Based Undersampling Approach [55.41644538483948]
  本研究は,集中治療室における危険因子の同定と医療関連感染症の予測に焦点をあてる。 感染発生率の低減に向けた意思決定を支援することを目的とする。
  論文  参考訳（メタデータ） (2020-05-07T16:13:12Z)

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。