論文の概要: What Makes a Good Doctor Response? An Analysis on a Romanian Telemedicine Platform

• arxiv url: http://arxiv.org/abs/2602.17194v1
• Date: Thu, 19 Feb 2026 09:25:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-20 15:21:28.897856
• Title: What Makes a Good Doctor Response? An Analysis on a Romanian Telemedicine Platform
• Title（参考訳）: 良い医師の反応は何か? ルーマニアの遠隔医療プラットフォームでの分析
• Authors: Adrian Cosma, Cosmin Dumitrache, Emilian Radoi,
• Abstract要約: ルーマニア語テキストを用いた遠隔医療における患者満足度信号の分析を行った。 我々は、フィードバックを2つの結果としてモデル化し、サムアップ応答をポジティブとして扱い、負のフィードバックや欠落したフィードバックを他のクラスにグループ化する。
• 参考スコア（独自算出の注目度）: 1.4969391620741985
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Text-based telemedicine has become a common mode of care, requiring clinicians to deliver medical advice clearly and effectively in writing. As platforms increasingly rely on patient ratings and feedback, clinicians face growing pressure to maintain satisfaction scores, even though these evaluations often reflect communication quality more than clinical accuracy. We analyse patient satisfaction signals in Romanian text-based telemedicine. Using a sample of 77,334 anonymised patient question--doctor response pairs, we model feedback as a binary outcome, treating thumbs-up responses as positive and grouping negative or absent feedback into the other class. We extract interpretable, predominantly language-agnostic features (e.g., length, structural characteristics, readability proxies), along with Romanian LIWC psycholinguistic features and politeness/hedging markers where available. We train a classifier with a time-based split and perform SHAP-based analyses, which indicate that patient and clinician history features dominate prediction, functioning as strong priors, while characteristics of the response text provide a smaller but, crucially, actionable signal. In subgroup correlation analyses, politeness and hedging are consistently positively associated with patient feedback, whereas lexical diversity shows a negative association.
• Abstract（参考訳）: テキストベースの遠隔医療は一般的なケアの手段となり、臨床医は医学的アドバイスを明確かつ効果的に書き込む必要がある。 プラットフォームは患者の評価やフィードバックにますます依存しているため、臨床医は満足度を維持するためのプレッシャーの増大に直面している。 ルーマニア語テキストを用いた遠隔医療における患者満足度信号の分析を行った。 77,334名の匿名患者質問対のサンプルを用いて,フィードバックを2次結果としてモデル化し,親指上げ応答を肯定的とみなし,否定的あるいは欠落したフィードバックを他クラスにグループ化する。 解釈可能な言語に依存しない特徴(例えば、長さ、構造的特徴、可読性プロキシ)と、ルーマニア語のLIWC精神言語的特徴と、利用可能な丁寧さ/ヘッジマーカーを抽出する。 我々は,時間的分割による分類器を訓練し,SHAPに基づく分析を行い,患者と臨床の歴史的特徴が予測に支配的であり,強い先行機能として機能し,応答テキストの特徴は小さいが重要な行動可能な信号を提供することを示す。 サブグループ相関分析では、丁寧さとヘッジは患者からのフィードバックと常に正の相関を示すが、語彙的多様性は負の相関を示す。

関連論文リスト

• Mapping Patient-Perceived Physician Traits from Nationwide Online Reviews with LLMs [3.364244912862208]
  本稿では,5つの人格特性と5つの患者主観的判断を推定する大規模言語モデル(LLM)に基づくパイプラインを提案する。 この分析は、米国の医師226,999人の4100万人の患者のレビューを含む。
  論文  参考訳（メタデータ） (2025-10-05T02:16:35Z)
• Modeling Challenging Patient Interactions: LLMs for Medical Communication Training [39.67477471073807]
  本研究は,患者とのコミュニケーションスタイルをシミュレートするためのLarge Language Models (LLMs) を提案する。 感情的・会話的特徴を具現化した仮想患者(VP)を開発した。 医療専門家はこれらのVPを評価し、信頼度(3.8 pm 1.0$;合理化:3.7 pm 0.8$)を評価し、彼らのスタイルを正確に識別した。
  論文  参考訳（メタデータ） (2025-03-28T09:04:10Z)
• A Comparative Study on Patient Language across Therapeutic Domains for Effective Patient Voice Classification in Online Health Discussions [0.48124799513933847]
  本研究では,患者音声の正確な分類における言語的特徴の重要性を分析する。 我々は、類似した言語パターンと組み合わせたデータセットに基づいて事前学習した言語モデルを微調整し、高い精度で患者音声を自動分類した。 この話題の先駆的な研究として、ソーシャルメディアから真正の患者体験を抽出することに注力することは、医療基準の進歩に向けた重要なステップである。
  論文  参考訳（メタデータ） (2024-07-23T15:51:46Z)
• RECAP-KG: Mining Knowledge Graphs from Raw GP Notes for Remote COVID-19 Assessment in Primary Care [45.43645878061283]
  本稿では,患者相談の前後に書かれた生のGP医療ノートから知識グラフ構築を行うフレームワークを提案する。 私たちの知識グラフには、既存の患者の症状、その持続時間、重症度に関する情報が含まれています。 本フレームワークを英国における新型コロナウイルス患者の相談ノートに適用する。
  論文  参考訳（メタデータ） (2023-06-17T23:35:51Z)
• Generating medically-accurate summaries of patient-provider dialogue: A multi-stage approach using large language models [6.252236971703546]
  効果的な要約は、対話におけるすべての医学的関連情報を一貫性と精度良く捉えることが要求される。 本稿では, 医療会話の要約問題に, タスクを, より小さな対話に基づくタスクに分解することで対処する。
  論文  参考訳（メタデータ） (2023-05-10T08:48:53Z)
• This Patient Looks Like That Patient: Prototypical Networks for Interpretable Diagnosis Prediction from Clinical Text [56.32427751440426]
  臨床実践においては、そのようなモデルは正確であるだけでなく、医師に解釈可能で有益な結果を与える必要がある。 本稿では,プロトタイプネットワークに基づく新しい手法であるProtoPatientを紹介する。 利用可能な2つの臨床データセット上でモデルを評価し、既存のベースラインよりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-10-16T10:12:07Z)
• Human Evaluation and Correlation with Automatic Metrics in Consultation Note Generation [56.25869366777579]
  近年,機械学習モデルによる臨床相談ノートの作成が急速に進んでいる。 5人の臨床医が57件のモック・コンサルテーションを聴き、自作のノートを書き、自動的に生成されたノートを編集し、全てのエラーを抽出する、広範囲にわたる人的評価研究を行った。 単純な文字ベースのLevenshtein距離測定は、BertScoreのような一般的なモデルベースの測定値に比較して、同等に動作します。
  論文  参考訳（メタデータ） (2022-04-01T14:04:16Z)
• Towards more patient friendly clinical notes through language models and ontologies [57.51898902864543]
  本稿では,単語の単純化と言語モデリングに基づく医療用テキストの自動作成手法を提案する。 我々は,公開医療文のデータセットペアと,臨床医による簡易化版を用いている。 本手法は,医学フォーラムデータに基づく言語モデルを用いて,文法と本来の意味の両方を保存しながら,より単純な文を生成する。
  論文  参考訳（メタデータ） (2021-12-23T16:11:19Z)
• 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)
• Benchmarking Automated Clinical Language Simplification: Dataset, Algorithm, and Evaluation [48.87254340298189]
  我々はMedLaneという名の新しいデータセットを構築し、自動化された臨床言語簡易化手法の開発と評価を支援する。 我々は,人間のアノテーションの手順に従い,最先端のパフォーマンスを実現するDECLAREと呼ばれる新しいモデルを提案する。
  論文  参考訳（メタデータ） (2020-12-04T06:09:02Z)

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。