論文の概要: Frame Semantic Patterns for Identifying Underreporting of Notifiable Events in Healthcare: The Case of Gender-Based Violence
- arxiv url: http://arxiv.org/abs/2510.26969v1
- Date: Thu, 30 Oct 2025 19:52:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-03 17:52:15.904203
- Title: Frame Semantic Patterns for Identifying Underreporting of Notifiable Events in Healthcare: The Case of Gender-Based Violence
- Title（参考訳）: 医療における重要事象の届出不足を識別するためのフレームセマンティックなパターン--性暴力の事例から
- Authors: Lívia Dutra, Arthur Lorenzi, Laís Berno, Franciany Campos, Karoline Biscardi, Kenneth Brown, Marcelo Viridiano, Frederico Belcavello, Ely Matos, Olívia Guaranha, Erik Santos, Sofia Reinach, Tiago Timponi Torrent,
- Abstract要約: 本稿では,医療分野における重要事象の特定のための方法論を紹介する。
この手法はセマンティックフレームを利用してきめ細かいパターンを定義し、構造化されていないデータでそれらを検索する。
本手法は、電子カルテにおけるジェンダーベースの暴力を過度に報告する問題に適用する。
- 参考スコア（独自算出の注目度）: 0.4715655460633048
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We introduce a methodology for the identification of notifiable events in the domain of healthcare. The methodology harnesses semantic frames to define fine-grained patterns and search them in unstructured data, namely, open-text fields in e-medical records. We apply the methodology to the problem of underreporting of gender-based violence (GBV) in e-medical records produced during patients' visits to primary care units. A total of eight patterns are defined and searched on a corpus of 21 million sentences in Brazilian Portuguese extracted from e-SUS APS. The results are manually evaluated by linguists and the precision of each pattern measured. Our findings reveal that the methodology effectively identifies reports of violence with a precision of 0.726, confirming its robustness. Designed as a transparent, efficient, low-carbon, and language-agnostic pipeline, the approach can be easily adapted to other health surveillance contexts, contributing to the broader, ethical, and explainable use of NLP in public health systems.
- Abstract（参考訳）: 本稿では,医療分野における重要事象の特定のための方法論を紹介する。
この手法はセマンティックフレームを利用して、細粒度パターンを定義し、非構造化データ、すなわち医療記録中のオープンテキストフィールドで検索する。
本手法は,プライマリ・ケア・ユニットを受診した患者の電子カルテにおける性別ベースの暴力(GBV)の過度な報告問題に適用する。
e-SUS APSから抽出されたブラジルポルトガル語の2100万文のコーパスで、合計8つのパターンが定義され、検索される。
結果は、言語学者によって手動で評価され、測定された各パターンの精度が向上する。
本手法は, 暴力の報告を精度0.726で効果的に識別し, その堅牢性を確認した。
透明で、効率的で、低炭素で、言語に依存しないパイプラインとして設計されたこのアプローチは、他の健康監視状況に容易に適応することができ、公衆衛生システムにおけるNLPの広範な、倫理的、説明可能な使用に寄与する。
関連論文リスト
- MedPT: A Massive Medical Question Answering Dataset for Brazilian-Portuguese Speakers [35.41469674626373]
ブラジル初の大規模実世界コーパスであるMedPTを紹介した。
患者と医師の相互作用から384,095個の質問応答対を合成する。
本分析では,患者と医師のコミュニケーションにおける自然な非対称性など,主題の幅(3,200トピックス)と独特の言語特性を明らかにした。
論文 参考訳（メタデータ） (2025-11-14T21:13:28Z) - Human Texts Are Outliers: Detecting LLM-generated Texts via Out-of-distribution Detection [71.59834293521074]
我々は,人間によるテキストと機械によるテキストを区別する枠組みを開発した。
提案手法は,DeepFakeデータセット上で98.3%のAUROCとAUPRを8.9%のFPR95で達成する。
コード、事前トレーニングされたウェイト、デモがリリースされる。
論文 参考訳（メタデータ） (2025-10-07T08:14:45Z) - The Open Syndrome Definition [61.0983330391914]
ケースとシンドロームの定義を表現するための,最初のオープンな機械可読フォーマットを提案する。
我々は、既存の人間可読定義を機械可読形式に変換するための、標準化されたケース定義とツールの最初の包括的なデータセットを紹介する。
オープンシンドローム定義フォーマットは、システム間のケース定義の一貫性とスケーラブルな使用を可能にし、公衆衛生の準備と対応を強化するAIの可能性を解放する。
論文 参考訳（メタデータ） (2025-09-29T19:41:54Z) - Arabic Large Language Models for Medical Text Generation [0.5483130283061118]
本研究では,アラビア語医療用テキスト生成のための大規模言語モデル(LLM)を提案する。
このシステムは、正確な医療アドバイス、診断、薬物レコメンデーション、およびユーザ入力に基づく治療計画を提供することによって、患者を支援するように設計されている。
論文 参考訳（メタデータ） (2025-09-12T09:37:26Z) - 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) - AI-assisted summary of suicide risk Formulation [0.9224875902060083]
本研究では,人工知能(AI)の分野である高度自然言語処理(NLP)アルゴリズムの開発について述べる。
自殺リスクアセスメント(英: suicide risk Assessment)とは、個人が抱える問題の性質と発展を理解するための個別化プロセスである。
論文 参考訳（メタデータ） (2024-11-29T16:40:28Z) - Uncertainty-aware Medical Diagnostic Phrase Identification and Grounding [72.18719355481052]
MRG(Messical Report Grounding)と呼ばれる新しい課題について紹介する。
MRGは医療報告から診断フレーズとその対応する接地箱を直接エンドツーエンドで識別することを目的としている。
マルチモーダルな大規模言語モデルを用いて診断フレーズを予測する,堅牢で信頼性の高いフレームワークである uMedGround を提案する。
論文 参考訳（メタデータ） (2024-04-10T07:41:35Z) - Attribute Structuring Improves LLM-Based Evaluation of Clinical Text Summaries [56.31117605097345]
大規模言語モデル(LLM)は、正確な臨床テキスト要約を生成する可能性を示しているが、根拠付けと評価に関する問題に苦慮している。
本稿では、要約評価プロセスを構成するAttribute Structuring(AS)を用いた一般的な緩和フレームワークについて検討する。
ASは、臨床テキスト要約における人間のアノテーションと自動メトリクスの対応性を一貫して改善する。
論文 参考訳（メタデータ） (2024-03-01T21:59:03Z) - Semantic Textual Similarity Assessment in Chest X-ray Reports Using a
Domain-Specific Cosine-Based Metric [1.7802147489386628]
本稿では,生成医療報告と基礎的真実とのセマンティックな類似性を評価するための新しいアプローチを提案する。
本手法の有効性を検証し,医学的文脈におけるドメイン固有の意味的類似性を評価する。
論文 参考訳（メタデータ） (2024-02-19T07:48:25Z) - Detecting automatically the layout of clinical documents to enhance the
performances of downstream natural language processing [53.797797404164946]
我々は,臨床用PDF文書を処理し,臨床用テキストのみを抽出するアルゴリズムを設計した。
このアルゴリズムは、PDFを使った最初のテキスト抽出と、続いてボディテキスト、左書き、フッタなどのカテゴリに分類される。
それぞれのセクションのテキストから興味ある医学的概念を抽出し,医療的パフォーマンスを評価した。
論文 参考訳（メタデータ） (2023-05-23T08:38:33Z)
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。