論文の概要: Investigating the Association Between Text-Based Indications of Foodborne Illness from Yelp Reviews and New York City Health Inspection Outcomes (2023)

• arxiv url: http://arxiv.org/abs/2510.16334v1
• Date: Sat, 18 Oct 2025 03:39:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 00:56:38.953205
• Title: Investigating the Association Between Text-Based Indications of Foodborne Illness from Yelp Reviews and New York City Health Inspection Outcomes (2023)
• Title（参考訳）: Yelpのレビューとニューヨーク市の健康検査結果(2023年)
• Authors: Eden Shaveet, Crystal Su, Daniel Hsu, Luis Gravano,
• Abstract要約: 食中毒は、汚染食品の摂取によって引き起こされる消化管疾患である。 ソーシャルメディアプラットフォームは、タイムリーな公衆衛生信号を提供する、豊富なユーザー生成コンテンツをホストしている。 本稿では,階層型シグモイド注意ネットワーク(HSAN)によるYelpレビューからの信号を解析する。 HSAN信号とトラクションレベルでの検査スコアの相関は最小限であり,C級レストラン数による有意差は認められなかった。
• 参考スコア（独自算出の注目度）: 4.192844731345034
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Foodborne illnesses are gastrointestinal conditions caused by consuming contaminated food. Restaurants are critical venues to investigate outbreaks because they share sourcing, preparation, and distribution of foods. Public reporting of illness via formal channels is limited, whereas social media platforms host abundant user-generated content that can provide timely public health signals. This paper analyzes signals from Yelp reviews produced by a Hierarchical Sigmoid Attention Network (HSAN) classifier and compares them with official restaurant inspection outcomes issued by the New York City Department of Health and Mental Hygiene (NYC DOHMH) in 2023. We evaluate correlations at the Census tract level, compare distributions of HSAN scores by prevalence of C-graded restaurants, and map spatial patterns across NYC. We find minimal correlation between HSAN signals and inspection scores at the tract level and no significant differences by number of C-graded restaurants. We discuss implications and outline next steps toward address-level analyses.
• Abstract（参考訳）: 食中毒は、汚染食品の摂取によって引き起こされる消化管疾患である。 レストランは、食品のソーシング、準備、流通を共有するため、アウトブレイクを調査するための重要な場所である。 公式チャンネルによる病気の公的な報告は限られているが、ソーシャルメディアプラットフォームは、タイムリーに公衆の健康信号を発信できる豊富なユーザー生成コンテンツをホストしている。 本稿では、階層型シグモイド注意ネットワーク(HSAN)分類器が作成したYelpレビューからの信号を分析し、2023年にニューヨーク市保健衛生省(NYC DOHMH)が発行した公式のレストラン検査結果と比較する。 C級レストランの頻度によるHSANスコアの分布と、ニューヨーク全域の空間パターンのマッピングを比較して、Census tractレベルでの相関性を評価した。 HSAN信号とトラクションレベルでの検査スコアの相関は最小限であり,C級レストラン数による有意差は認められなかった。 本論では, アドレスレベルの分析に向けての次のステップについて論じる。

関連論文リスト

• Advancing Food Nutrition Estimation via Visual-Ingredient Feature Fusion [69.84988999191343]
  我々はファストフード(FastFood)について紹介する。ファストフード(FastFood)は、908のファストフードカテゴリーに84,446のイメージを持つデータセットで、成分や栄養のアノテーションが特徴である。 栄養推定の精度を高めるために,新しいモデル非依存型ビジュアル・イングレディエント・フィーチャー・フュージョン (VIF$2$) 法を提案する。
  論文  参考訳（メタデータ） (2025-05-13T17:01:21Z)
• Review GIDE -- Restaurant Review Gastrointestinal Illness Detection and Extraction with Large Language Models [0.47321763526812183]
  食品性消化管疾患(英: Foodborne gastrointestinal disease, GI)は、イギリスにおける健康上の一般的な原因である。 本研究では,GI病の専門家と共同で開発した新しいアノテーションスキーマをYelp Openのレビューデータセットに適用する。 GI 病検出,症状抽出,食品抽出の3つの課題において,オープンウェイト LLM の性能評価を行った。
  論文  参考訳（メタデータ） (2025-03-12T18:42:43Z)
• NGQA: A Nutritional Graph Question Answering Benchmark for Personalized Health-aware Nutritional Reasoning [49.06840168630573]
  食事は人間の健康において重要な役割を担っているが、個々の健康状態に対する食事の理由付けは大きな課題である。 栄養質問回答(QA)は,この問題に対処するための一般的な方法である。 栄養学的健康推論のために設計された最初のグラフ質問応答データセットであるNGQA(Nutritional Graph Question Answering)ベンチマークを紹介する。
  論文  参考訳（メタデータ） (2024-12-20T04:13:46Z)
• Integrating Social Determinants of Health into Knowledge Graphs: Evaluating Prediction Bias and Fairness in Healthcare [47.23120247002356]
  健康の社会的決定因子(SDoH)は、患者の健康結果において重要な役割を担っているが、そのバイオメディカル知識グラフへの統合は未解明のままである。 本研究では,MIMIC-IIIデータセットとPrimeKGを用いて,SDoHに富んだ知識グラフを構築することにより,このギャップを解消する。
  論文  参考訳（メタデータ） (2024-11-29T20:35:01Z)
• Seasonality Patterns in 311-Reported Foodborne Illness Cases and Machine Learning-Identified Indications of Foodborne Illnesses from Yelp Reviews, New York City, 2022-2023 [8.972167744334206]
  我々はYelpのレビューとメタデータを抽出し、レストランの食品消費に関連する食中毒の発生の可能性を特定した。 我々は311年の食中毒報告の季節パターンを同定し、階層型シグモイド注意ネットワーク(HSAN)を用いたニューヨーク市のレストランのYelpレビューから食品病の季節パターンを同定した。
  論文  参考訳（メタデータ） (2024-05-09T23:10:31Z)
• From Canteen Food to Daily Meals: Generalizing Food Recognition to More Practical Scenarios [92.58097090916166]
  DailyFood-172とDailyFood-16という2つの新しいベンチマークを、毎日の食事から食のイメージをキュレートする。 これらの2つのデータセットは、よく計算された食品画像領域から日常的な食品画像領域へのアプローチの伝達性を評価するために使用される。
  論文  参考訳（メタデータ） (2024-03-12T08:32:23Z)
• UCE-FID: Using Large Unlabeled, Medium Crowdsourced-Labeled, and Small Expert-Labeled Tweets for Foodborne Illness Detection [8.934980946374367]
  食品性疾患検出のための深層学習フレームワークEGALを提案する。 EGALは、クラウドソーシングされた大量のラベルのないデータによって強化された、専門家ラベル付き小さなツイートを使用する。 EGALは、ツイートストリーミングのリアルタイム分析のためにデプロイされる可能性がある。
  論文  参考訳（メタデータ） (2023-12-02T21:03:23Z)
• From Plate to Prevention: A Dietary Nutrient-aided Platform for Health Promotion in Singapore [18.412322278232757]
  シンガポールのサービスとして、多様なヘルスケア指向のアプリケーションをインキュベーションするためのFoodSGプラットフォームを開発した。 シンガポールの多栄養食品料理がもたらす認知能力のハードルを克服するため,我々の食品認識モデルであるFoodSG-SCLに教師付きコントラスト学習を統合することを提案する。
  論文  参考訳（メタデータ） (2023-01-10T07:51:36Z)
• Association Between Neighborhood Factors and Adult Obesity in Shelby County, Tennessee: Geospatial Machine Learning Approach [0.966840768820136]
  本研究の目的は、アメリカ合衆国テネシー州シェルビー郡における成人の肥満有病率に及ぼす社会的健康決定因子(SDoH)の影響を検討することである。 SDoH指標は米国国勢調査と米国農務省から抽出された。 その結果、シェルビー郡では成人の肥満率が高い地区が多かった。
  論文  参考訳（メタデータ） (2022-08-09T15:28:43Z)
• American Twitter Users Revealed Social Determinants-related Oral Health Disparities amid the COVID-19 Pandemic [72.44305630014534]
  新型コロナウイルス(COVID-19)パンデミックの期間中に、26州で9,104人のTwitterユーザーから、口腔の健康関連ツイートを収集しました。 女性や若年者(19-29)は口腔の健康問題について話す傾向が強い。 新型コロナウイルス(COVID-19)のリスクが高い郡の人々は、歯の腐敗や歯の出血、歯の破折について語っています。
  論文  参考訳（メタデータ） (2021-09-16T01:10:06Z)
• Cross-Modal Food Retrieval: Learning a Joint Embedding of Food Images and Recipes with Semantic Consistency and Attention Mechanism [70.85894675131624]
  画像とレシピを共通の特徴空間に埋め込み、対応する画像とレシピの埋め込みが互いに近接するように学習する。 本稿では,2つのモダリティの埋め込みを正規化するためのセマンティック・一貫性とアテンション・ベース・ネットワーク(SCAN)を提案する。 食品画像や調理レシピの最先端のクロスモーダル検索戦略を,かなりの差で達成できることが示される。
  論文  参考訳（メタデータ） (2020-03-09T07:41:17Z)

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。