論文の概要: DETECT: Data-Driven Evaluation of Treatments Enabled by Classification Transformers

• arxiv url: http://arxiv.org/abs/2511.07213v1
• Date: Mon, 10 Nov 2025 15:38:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-11 21:18:45.333872
• Title: DETECT: Data-Driven Evaluation of Treatments Enabled by Classification Transformers
• Title（参考訳）: DETECT: 分類変換器による治療データ駆動評価
• Authors: Yuanheng Mao, Lillian Yang, Stephen Yang, Ethan Shao, Zihan Li,
• Abstract要約: DETECTは、治療前後の日常生活の患者活動を比較することで、治療の成功を評価するデータ駆動フレームワークである。 以上の結果から,DETECTは客観的かつ軽量であり,臨床的意思決定に重要な新規な寄与であることが明らかとなった。
• 参考スコア（独自算出の注目度）: 9.526259310473497
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Chronic pain is a global health challenge affecting millions of individuals, making it essential for physicians to have reliable and objective methods to measure the functional impact of clinical treatments. Traditionally used methods, like the numeric rating scale, while personalized and easy to use, are subjective due to their self-reported nature. Thus, this paper proposes DETECT (Data-Driven Evaluation of Treatments Enabled by Classification Transformers), a data-driven framework that assesses treatment success by comparing patient activities of daily life before and after treatment. We use DETECT on public benchmark datasets and simulated patient data from smartphone sensors. Our results demonstrate that DETECT is objective yet lightweight, making it a significant and novel contribution to clinical decision-making. By using DETECT, independently or together with other self-reported metrics, physicians can improve their understanding of their treatment impacts, ultimately leading to more personalized and responsive patient care.
• Abstract（参考訳）: 慢性的な痛みは、何百万人もの個人に影響を及ぼす世界的な健康上の課題であり、医師が臨床治療の機能的影響を測定するための信頼性と客観的な方法を持つことが不可欠である。 従来の評価尺度のような手法は、パーソナライズされ使いやすいが、自己報告された性質のために主観的である。 そこで本研究では,治療前後の日常生活の患者活動を比較し,治療成功を評価するデータ駆動型フレームワークであるDETECTを提案する。 我々は、公開ベンチマークデータセットにDETECTを使用し、スマートフォンセンサーから患者データをシミュレーションした。 以上の結果から,DETECTは客観的かつ軽量であり,臨床的意思決定に重要な新規な寄与であることが明らかとなった。 DETECTを独立的に、あるいは他の自己報告された指標と組み合わせることで、医師は治療の影響に対する理解を改善し、最終的にはよりパーソナライズされ、反応する患者のケアにつながる。

関連論文リスト

• Assessing the robustness of heterogeneous treatment effects in survival analysis under informative censoring [50.164756034797136]
  臨床研究ではドロップアウトが一般的で、副作用やその他の理由で患者の半数以上が早期に退院する。 ドロップアウトが有益な場合、治療効果の推定値にもバイアスがかかるため、検閲バイアスが導入される。 検閲バイアスに直面した場合の生存分析における条件平均処理効果推定のロバスト性を評価するための仮定リーンフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-15T10:51:17Z)
• Detecting Activities of Daily Living in Egocentric Video to Contextualize Hand Use at Home in Outpatient Neurorehabilitation Settings [2.9158689853305693]
  本研究では, 現実のリハビリテーション環境において, 日常生活活動(ADL)を効果的に認識することが可能であることを示す。 健常者16名を対象に,エゴセントリックな映像を2261分収録した複雑なデータセットを用いて実験を行った。
  論文  参考訳（メタデータ） (2024-12-14T14:38:27Z)
• From Classification to Clinical Insights: Towards Analyzing and Reasoning About Mobile and Behavioral Health Data With Large Language Models [21.427976533706737]
  我々は,多センサデータから臨床的に有用な知見を合成するために,大規模言語モデルを活用する新しいアプローチを採っている。 うつ病や不安などの症状とデータの傾向がどのように関連しているかを,LSMを用いて推論する思考促進手法の連鎖を構築した。 GPT-4のようなモデルでは数値データの75%を正確に参照しており、臨床参加者は、この手法を用いて自己追跡データを解釈することへの強い関心を表明している。
  論文  参考訳（メタデータ） (2023-11-21T23:53:27Z)
• Retrieval-Augmented and Knowledge-Grounded Language Models for Faithful Clinical Medicine [68.7814360102644]
  本稿では,Re$3$Writer法を提案する。 本手法が患者の退院指示生成に有効であることを示す。
  論文  参考訳（メタデータ） (2022-10-23T16:34:39Z)
• Intelligent Sight and Sound: A Chronic Cancer Pain Dataset [74.77784420691937]
  本稿では,Intelligent Sight and Sound (ISS) 臨床試験の一環として収集された,最初の慢性ガン痛データセットを紹介する。 これまで収集されたデータは29の患者、509のスマートフォンビデオ、189,999のフレーム、そして自己報告された感情と活動の痛みのスコアから成っている。 静的画像とマルチモーダルデータを用いて、自己報告された痛みレベルを予測する。
  論文  参考訳（メタデータ） (2022-04-07T22:14:37Z)
• Optimal discharge of patients from intensive care via a data-driven policy learning framework [58.720142291102135]
  退院課題は、退院期間の短縮と退院決定後の退院や死亡のリスクとの不確実なトレードオフに対処することが重要である。 本研究は、このトレードオフを捉えるためのエンドツーエンドの汎用フレームワークを導入し、最適放電タイミング決定を推奨する。 データ駆動型アプローチは、患者の生理的状態を捉えた同種で離散的な状態空間表現を導出するために用いられる。
  論文  参考訳（メタデータ） (2021-12-17T04:39:33Z)
• Disentangled Counterfactual Recurrent Networks for Treatment Effect Inference over Time [71.30985926640659]
  本稿では,DCRN(Disentangled Counterfactual Recurrent Network)を提案する。 時間とともに治療効果の因果構造に完全にインスパイアされたアーキテクチャでは、予測精度と疾患理解が向上する。 実データとシミュレーションデータの両方において,DCRNが処理応答予測の最先端手法より優れていることを示す。
  論文  参考訳（メタデータ） (2021-12-07T16:40:28Z)
• Health improvement framework for planning actionable treatment process using surrogate Bayesian model [1.2468700211588881]
  本研究は,データ駆動方式で治療プロセスを計画するための新しい枠組みを提案する。 このフレームワークの重要なポイントは、個人の健康改善のための「行動可能性」の評価である。
  論文  参考訳（メタデータ） (2020-10-30T06:02:49Z)

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。