論文の概要: Predicting Healthcare Provider Engagement in SMS Campaigns
- arxiv url: http://arxiv.org/abs/2511.17658v1
- Date: Thu, 20 Nov 2025 19:58:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-25 18:34:24.336481
- Title: Predicting Healthcare Provider Engagement in SMS Campaigns
- Title（参考訳）: SMSキャンペーンにおける医療提供者参加の予測
- Authors: Daanish Aleem Qureshi, Rafay Chaudhary, Kok Seng Tan, Or Maoz, Scott Burian, Michael Gelber, Phillip Hoon Kang, Alan George Labouseur,
- Abstract要約: 著者らは、Impiricusプラットフォームを通じて送られた数百万のテキストメッセージを分析し、医師がメッセージのリンクをクリックしたかどうかに影響を及ぼす要因を学習した。
ロジスティック回帰、ランダムフォレスト、ニューラルネットワークモデルを用いることで、いくつかの重要な洞察が得られた。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: As digital communication grows in importance when connecting with healthcare providers, traditional behavioral and content message features are imbued with renewed significance. If one is to meaningfully connect with them, it is crucial to understand what drives them to engage and respond. In this study, the authors analyzed several million text messages sent through the Impiricus platform to learn which factors influenced whether or not a doctor clicked on a link in a message. Several key insights came to light through the use of logistic regression, random forest, and neural network models, the details of which the authors discuss in this paper.
- Abstract（参考訳）: 医療提供者との接続において,デジタルコミュニケーションの重要性が増すにつれて,従来の行動・コンテンツメッセージ機能に新たな重要性が付与される。
それらと有意義に結びつくためには、彼らが関与し、反応する理由を理解することが重要です。
本研究では、Impiricusプラットフォーム経由で送られた数百万のテキストメッセージを分析し、医師がメッセージのリンクをクリックしたかどうかに影響を及ぼす要因を学習した。
いくつかの重要な洞察は、ロジスティック回帰、ランダムフォレスト、ニューラルネットワークモデルの使用によって得られた。
関連論文リスト
- 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) - Yes, this is what I was looking for! Towards Multi-modal Medical
Consultation Concern Summary Generation [46.42604861624895]
マルチモーダル・メディカル・コンシューム・サマリ・ジェネレーションの新しい課題を提案する。
患者のジェスチャーや表情などの非言語的手がかりは、患者の懸念を正確に識別するのに役立つ。
マルチモーダル・メディカル・コンシューム・サマリー・ジェネレーション・コーパスを構築。
論文 参考訳（メタデータ） (2024-01-10T12:56:47Z) - Improving Medical Dialogue Generation with Abstract Meaning
Representations [26.97253577302195]
医療対話生成は、患者への医療専門知識の普及を促進することで遠隔医療において重要な役割を担っている。
既存の研究は、テキストのセマンティクスを表現する能力に制限があるテキスト表現を取り入れることに焦点を当てている。
本稿では、抽象的意味表現(AMR)を用いて、言語構成員や医療機関の役割を記述したグラフィカルな表現を構築する。
論文 参考訳（メタデータ） (2023-09-19T13:31:49Z) - Knowledge-augmented Graph Neural Networks with Concept-aware Attention for Adverse Drug Event Detection [9.334701229573739]
副作用薬物イベント(ADEs)は、薬物の安全性の重要な側面である。
さまざまな文献にはADEに関する豊富な情報が含まれている。
近年,テキストからのADE検出を自動化するために,単語埋め込みとディープラーニングに基づく自然言語処理を適用している。
本稿では,グラフ内のノードの種類によって異なる特徴を学習する,概念認識型アテンション機構を提案する。
論文 参考訳（メタデータ） (2023-01-25T08:01:45Z) - Semantic Communications: Principles and Challenges [59.13318519076149]
本稿では,セマンティックコミュニケーションの概要を紹介する。
シャノン情報理論の簡単なレビューの後、深層学習によって実現される理論、フレームワーク、システム設計とのセマンティックコミュニケーションについて論じる。
論文 参考訳（メタデータ） (2021-12-30T16:32:00Z) - Fragments of the Past: Curating Peer Support with Perpetrators of
Domestic Violence [88.37416552778178]
我々は,過去フラグメントの設計と展開において,6人の支援労働者と18人の加害者とともに働いた10ヶ月の研究を報告した。
私たちは、暴力から脱却した経験をデジタルで強化された成果物、すなわち「フラグメント」を作ることが、メッセージのモチベーションと仲間間のラッピングをいかに翻訳するかを共有します。
これらの知見は、挑戦的な人口を持つ将来のネットワーク設計の実践的考察の基礎となる。
論文 参考訳（メタデータ） (2021-07-09T22:57:43Z) - Word-level Text Highlighting of Medical Texts forTelehealth Services [0.0]
本研究の目的は,異なるテキストハイライト技術が関連する医療状況をどのように捉えることができるかを示すことである。
3つの異なる単語レベルのテキストハイライト手法を実装し評価する。
実験の結果、ニューラルネットワークアプローチは医療関連用語の強調に成功していることがわかった。
論文 参考訳（メタデータ） (2021-05-21T15:13:54Z) - Assessing the Severity of Health States based on Social Media Posts [62.52087340582502]
ユーザの健康状態の重症度を評価するために,テキストコンテンツとコンテキスト情報の両方をモデル化する多視点学習フレームワークを提案する。
多様なNLUビューは、ユーザの健康を評価するために、タスクと個々の疾患の両方に効果を示す。
論文 参考訳（メタデータ） (2020-09-21T03:45:14Z)
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。