論文の概要: A Narrative Review of Clinical Decision Support Systems in Offloading Footwear for Diabetes-Related Foot Ulcers

• arxiv url: http://arxiv.org/abs/2509.02923v1
• Date: Wed, 03 Sep 2025 01:22:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-04 21:40:46.378546
• Title: A Narrative Review of Clinical Decision Support Systems in Offloading Footwear for Diabetes-Related Foot Ulcers
• Title（参考訳）: 糖尿病関連下肢潰瘍に対するオーバーロード履物の臨床的検討
• Authors: Kunal Kumar, Muhammad Ashad Kabir, Luke Donnan, Sayed Ahmed,
• Abstract要約: 靴のオーバーロードは、足底圧(PP)を下げることによる糖尿病性足潰瘍(DFU)の予防と治療に役立つ ガイドラインはPPしきい値を強調するが、作用可能な特徴レベルの出力はめったに得られない。 機械学習の研究は、高い計算精度を持つ予測モデル、最適化モデル、生成モデルを導入しているが、説明可能性や臨床検証は限られている。 本稿では,(1)最小実行可能なデータセット,(2)ルール,最適化,説明可能なMLを組み合わせたハイブリッドアーキテクチャ,(3)構造化された特徴レベルの出力,(4)継続的な検証と評価,(5)臨床および遠隔医療用データセットとの統合,5つのCDSSフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 0.5413132875192254
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Offloading footwear helps prevent and treat diabetic foot ulcers (DFUs) by lowering plantar pressure (PP), yet prescription decisions remain fragmented: feature selection varies, personalization is limited, and evaluation practices differ. We performed a narrative review of 45 studies (12 guidelines/protocols, 25 knowledge-based systems, 8 machine-learning applications) published to Aug 2025. We thematically analyzed knowledge type, decision logic, evaluation methods, and enabling technologies. Guidelines emphasize PP thresholds (<=200 kPa or >=25--30\% reduction) but rarely yield actionable, feature-level outputs. Knowledge-based systems use rule- and sensor-driven logic, integrating PP monitoring, adherence tracking, and usability testing. ML work introduces predictive, optimization, and generative models with high computational accuracy but limited explainability and clinical validation. Evaluation remains fragmented: protocols prioritize biomechanical tests; knowledge-based systems assess usability/adherence; ML studies focus on technical accuracy with weak linkage to long-term outcomes. From this synthesis we propose a five-part CDSS framework: (1) a minimum viable dataset; (2) a hybrid architecture combining rules, optimization, and explainable ML; (3) structured feature-level outputs; (4) continuous validation and evaluation; and (5) integration with clinical and telehealth workflows. This framework aims to enable scalable, patient-centered CDSSs for DFU care; prioritizing interoperable datasets, explainable models, and outcome-focused evaluation will be key to clinical adoption.
• Abstract（参考訳）: 靴のオーバーロードは、足底圧(PP)を下げることによって糖尿病性足潰瘍(DFU)を予防し治療するのに役立つが、処方薬の判断は断片的であり、特徴の選択は様々であり、パーソナライゼーションは限定的であり、評価の実践は異なる。 我々は,A25年8月に発行された45の学術研究(ガイドライン/プロトコール,25の知識ベースシステム,8の機械学習アプリケーション)の物語レビューを行った。 我々は,知識の種類,意思決定ロジック,評価方法,実現技術などを理論的に分析した。 ガイドラインでは PP 閾値 (=200 kPa or >=25--30\% 削減) を強調しているが、動作可能な特徴レベルの出力はめったに得られない。 知識ベースのシステムはルール駆動ロジックとセンサー駆動ロジックを使用し、PPモニタリング、コンプライアンストラッキング、ユーザビリティテストを統合する。 MLの研究は、高い計算精度を持つ予測モデル、最適化モデル、生成モデルを導入しているが、説明可能性や臨床検証は限られている。 プロトコルは、バイオメカニカルテストの優先順位付け、知識ベースのシステムは、ユーザビリティ/アドヒアランスを評価し、ML研究は、長期的な成果と弱いリンクを持つ技術的正確性に焦点を当てている。 本稿では,(1)最小実行可能なデータセット,(2)ルール,最適化,説明可能なMLを組み合わせたハイブリッドアーキテクチャ,(3)構造化された特徴レベルの出力,(4)継続的な検証と評価,(5)臨床および遠隔医療ワークフローとの統合,という5つのCDSSフレームワークを提案する。 このフレームワークは、DFUケアのためにスケーラブルで患者中心のCDSSを可能にすることを目的としている。

関連論文リスト

• Revisiting Rule-Based Stuttering Detection: A Comprehensive Analysis of Interpretable Models for Clinical Applications [5.692357910541593]
  本稿では,ルールに基づく散乱検出システムについて包括的な解析を行う。 本稿では,発話速度正規化,マルチレベル音響特徴分析,階層的決定構造を組み込んだルールベースフレームワークを提案する。 規則に基づくシステムは特に延長検出(97～99%の精度)に優れ、様々な発話速度で安定した性能を提供することを示した。
  論文  参考訳（メタデータ） (2025-08-21T15:01:05Z)
• 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)
• MedPlan:A Two-Stage RAG-Based System for Personalized Medical Plan Generation [21.38221785417373]
  実生活臨床医と整合する推論を構造化する新しい枠組みを導入する。 本手法では、まず患者症状と客観的データに基づいて臨床評価を作成した2段階のアーキテクチャを用いて、この評価から得られた構造化された治療計画を定式化し、検索強化世代による患者固有の情報に富む。
  論文  参考訳（メタデータ） (2025-03-23T02:03:56Z)
• Quantifying the Reasoning Abilities of LLMs on Real-world Clinical Cases [48.87360916431396]
  MedR-Benchは1,453例の構造化患者のベンチマークデータセットで、推論基準を付した注釈付きである。 本稿では,3つの批判的診察勧告,診断決定,治療計画を含む枠組みを提案し,患者のケアジャーニー全体をシミュレートする。 このベンチマークを用いて、DeepSeek-R1、OpenAI-o3-mini、Gemini-2.0-Flash Thinkingなど、最先端の5つのLCMを評価した。
  論文  参考訳（メタデータ） (2025-03-06T18:35:39Z)
• 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)
• 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)
• 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。