論文の概要: An Interpretable Recommendation Model for Psychometric Data, With an Application to Gerontological Primary Care

• arxiv url: http://arxiv.org/abs/2601.19824v1
• Date: Tue, 27 Jan 2026 17:29:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-28 15:26:51.418693
• Title: An Interpretable Recommendation Model for Psychometric Data, With an Application to Gerontological Primary Care
• Title（参考訳）: 心理測定データに対する解釈可能な勧告モデルと老年学プライマリケアへの応用
• Authors: Andre Paulino de Lima, Paula Castro, Suzana Carvalho Vaz de Andrade, Rosa Maria Marcucci, Ruth Caldeira de Melo, Marcelo Garcia Manzato,
• Abstract要約: 提案する推奨モデルが,個人化されたケアプランの作成に役立てられることを示すため,狭義の医療ニッチである老年学プライマリケアに重点を置いている。 以上の結果から,提案モデルが医療ニッチにおけるレコメンダシステムの適用を推し進める可能性が示唆された。
• 参考スコア（独自算出の注目度）: 0.4464102544889846
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: There are challenges that must be overcome to make recommender systems useful in healthcare settings. The reasons are varied: the lack of publicly available clinical data, the difficulty that users may have in understanding the reasons why a recommendation was made, the risks that may be involved in following that recommendation, and the uncertainty about its effectiveness. In this work, we address these challenges with a recommendation model that leverages the structure of psychometric data to provide visual explanations that are faithful to the model and interpretable by care professionals. We focus on a narrow healthcare niche, gerontological primary care, to show that the proposed recommendation model can assist the attending professional in the creation of personalised care plans. We report results of a comparative offline performance evaluation of the proposed model on healthcare datasets that were collected by research partners in Brazil, as well as the results of a user study that evaluates the interpretability of the visual explanations the model generates. The results suggest that the proposed model can advance the application of recommender systems in this healthcare niche, which is expected to grow in demand , opportunities, and information technology needs as demographic changes become more pronounced.
• Abstract（参考訳）: ヘルスケア設定でレコメンデーションシステムを有用なものにするためには、克服すべき課題がある。 理由は多岐にわたる: 公的に利用可能な臨床データがないこと、ユーザーが推奨された理由を理解するのが難しいこと、その勧告に従うためのリスク、そしてその有効性に関する不確実性。 本研究では、精神測定データの構造を利用して、モデルに忠実な視覚的説明を提供し、ケア専門家によって解釈可能なレコメンデーションモデルを用いて、これらの課題に対処する。 提案する推奨モデルが,個人化されたケアプランの作成に役立てられることを示すため,狭義の医療ニッチである老年学プライマリケアに重点を置いている。 ブラジルの研究パートナーが収集した医療データセットにおけるモデルの比較オフライン性能評価の結果と、モデルが生成する視覚的説明の解釈可能性を評価するユーザスタディの結果について報告する。 以上の結果から, 人口動態の変化が顕著になるにつれて, 需要の増大, 機会, 情報技術の必要性が期待される医療ニッチにおけるレコメンダシステムの適用を推し進める可能性が示唆された。

関連論文リスト

• Addressing Data Heterogeneity in Federated Learning of Cox Proportional Hazards Models [8.798959872821962]
  本稿では,フェデレーションサバイバル分析の分野,特にCox Proportional Hazards(CoxPH)モデルについて概説する。 本稿では,合成データセットと実世界のアプリケーション間のモデル精度を向上させるために,特徴ベースのクラスタリングを用いたFLアプローチを提案する。
  論文  参考訳（メタデータ） (2024-07-20T18:34:20Z)
• Recent Advances in Predictive Modeling with Electronic Health Records [71.19967863320647]
  EHRデータを予測モデリングに利用すると、その特徴からいくつかの課題が生じる。 深層学習は、医療を含む様々な応用においてその優位性を示している。
  論文  参考訳（メタデータ） (2024-02-02T00:31:01Z)
• MedDiffusion: Boosting Health Risk Prediction via Diffusion-based Data Augmentation [58.93221876843639]
  本稿では,MedDiffusion という,エンドツーエンドの拡散に基づくリスク予測モデルを提案する。 トレーニング中に合成患者データを作成し、サンプルスペースを拡大することで、リスク予測性能を向上させる。 ステップワイズ・アテンション・メカニズムを用いて患者の来訪者間の隠れた関係を識別し、高品質なデータを生成する上で最も重要な情報をモデルが自動的に保持することを可能にする。
  論文  参考訳（メタデータ） (2023-10-04T01:36:30Z)
• Explainable Deep Learning in Healthcare: A Methodological Survey from an Attribution View [36.025217954247125]
  本稿では,今後の研究者や臨床医の方法論として,深部・包括的に解釈可能性の方法を紹介した。 我々は、これらの方法が医療問題にどのように適応し、適用されたか、また、医師がこれらのデータ駆動技術をよりよく理解するのにどのように役立つかについて議論する。
  論文  参考訳（メタデータ） (2021-12-05T17:12:53Z)
• Recommending best course of treatment based on similarities of prognostic markers [0.9176056742068814]
  本稿では,医療分野における協調フィルタリングに基づくレコメンデーションシステムを提案する。 提案システムでは、患者の予後マーカーを入力として受け入れ、最良の治療コースを生成する。
  論文  参考訳（メタデータ） (2021-07-15T17:52:12Z)
• 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)
• Privacy-preserving medical image analysis [53.4844489668116]
  医用画像におけるプライバシ保護機械学習(PPML)のためのソフトウェアフレームワークであるPriMIAを提案する。 集合型学習モデルの分類性能は,未発見データセットの人間専門家と比較して有意に良好である。 グラデーションベースのモデル反転攻撃に対するフレームワークのセキュリティを実証的に評価する。
  論文  参考訳（メタデータ） (2020-12-10T13:56:00Z)
• (Un)fairness in Post-operative Complication Prediction Models [20.16366948502659]
  手術前のリスク推定の実例を考察し,様々なアルゴリズムの偏見や不公平性について検討する。 当社のアプローチでは,潜在的なバイアスに関する透過的なドキュメントを作成して,ユーザが慎重にモデルを適用できるようにしています。
  論文  参考訳（メタデータ） (2020-11-03T22:11:19Z)

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。