論文の概要: Epidemic Informatics and Control: A Holistic Approach from System Informatics to Epidemic Response and Risk Management in Public Health
- arxiv url: http://arxiv.org/abs/2607.13914v1
- Date: Wed, 15 Jul 2026 14:54:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-16 16:39:12.80387
- Title: Epidemic Informatics and Control: A Holistic Approach from System Informatics to Epidemic Response and Risk Management in Public Health
- Title（参考訳）: エピデミック・インフォマティクスとコントロール : システム・インフォマティクスから公衆衛生におけるエピデミック・レスポンスとリスクマネジメントへ
- Abstract要約: 本稿では,疫病対策のための総合システム情報システム,すなわちDMAIC(De Define, Measure, Analyze, Improve, and Control)を提案する。
我々は、人口健康、健康システム、小売業、教育、製造業といった異なる産業に対する経済的な課題だけでなく、流行の流行によって引き起こされる特定の課題を定義します。
第3に,疫学的な洞察のためのデータの可能性を実現することの重要性について論じ,意思決定支援のための分析手法やツールを活用する必要性を強調した。
- 参考スコア（独自算出の注目度）: 42.57231823298569
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper presents a holistic systems informatics approach, i.e., Define, Measure, Analyze, Improve, and Control (DMAIC), for epidemic response and management through the intensive use of data, statistics and optimization. Despite the sustained successes of system informatics in a variety of established industries such as manufacturing, logistics, services and beyond, there is a dearth of concentrated review and application of the data-driven DMAIC approach in the context of epidemic outbreaks. First, we define specific challenges posed by epidemic outbreaks to populational health, health systems, as well as economic challenges to different industries such as retailing, education and manufacturing. Second, we present a review of medical testing and statistical sampling methods for data collection, as well as existing efforts in data management and data visualization. Third, we discuss the importance to realizing the full potential of data for epidemic insights, and emphasize the need to leverage analytical methods and tools for decision support. Fourth, an epidemic brings imperative changes to health systems. We discuss the new trend of healthcare solutions to improve system resilience, including telehealth, artificial intelligence, resource allocation, and system re-design. In closing, prescriptive approaches are discussed to optimize the health policies and action strategies for controlling the spread of virus. We posit that this work will catalyze more in-depth investigations and multi-disciplinary research efforts to accelerate the application of system informatics methods and tools in epidemic response and risk management.
- Abstract（参考訳）: 本稿では,データ,統計,最適化の集中的活用を通じて,疫病対策と管理を行うための総合システム情報システム,すなわち,定義,測定,分析,改善,制御(DMAIC)を提案する。
製造業、ロジスティクス、サービスなど、様々な確立した産業において、システムインフォマティクスが持続的に成功しているにもかかわらず、感染拡大の状況において、データ駆動型DMAICアプローチの集中的なレビューと適用が進められている。
まず, 人口健康, 健康システム, 小売業, 教育業, 製造業など様々な業種に対する経済的課題について検討する。
第2に,データ収集のための医学的検査と統計的サンプリング手法,およびデータ管理とデータの可視化に関する既存の取り組みについて概説する。
第3に,疫学的な洞察のためのデータの可能性を実現することの重要性について論じ,意思決定支援のための分析手法やツールを活用する必要性を強調した。
第4に、伝染病は医療システムに衝動的な変化をもたらす。
遠隔医療、人工知能、資源配分、システム再設計など、システムのレジリエンスを改善するための医療ソリューションの新たなトレンドについて論じる。
閉鎖においては、ウイルスの拡散を制御するための健康政策と行動戦略を最適化するための規範的アプローチについて議論する。
本研究は、疫病対策・リスク管理におけるシステム情報学の手法・ツールの活用を加速させるため、より詳細な調査や多分野の研究を円滑に進めることが期待できる。
関連論文リスト
- Semantic Reasoning in Medicine: The Role of Knowledge Graphs Across Five Key Domains [4.387420859170988]
知識グラフ(KG)は、複雑な医療データの統合と推論のための有望なソリューションとして登場した。
KGは意思決定、予測、レコメンデーション、パーソナライズドケアのためのセマンティックバックボーンを提供する。
本調査は,医学におけるKGsに関する研究を,応用指向と方法論指向の両面からレビューし,分類する。
論文 参考訳（メタデータ） (2026-06-13T06:52:15Z) - Beyond Traditional Diagnostics: Transforming Patient-Side Information into Predictive Insights with Knowledge Graphs and Prototypes [55.310195121276074]
本稿では,病気を予測するための知識グラフ,プロトタイプ認識,解釈可能なフレームワークを提案する。
構造化された信頼された医療知識を統合された疾患知識グラフに統合し、臨床的に意味のある疾患のプロトタイプを構築し、予測精度を高めるために対照的な学習を利用する。
臨床的に有効な説明を提供し、患者の物語と密接に一致し、患者中心のヘルスケアデリバリーの実践的価値を強調している。
論文 参考訳（メタデータ） (2025-12-09T05:37:54Z) - Integrating Genomics into Multimodal EHR Foundation Models [56.31910745104141]
本稿では,ポリジェニックリスクスコア(PRS)を基本データモダリティとして統合した,革新的なEHR基盤モデルを提案する。
このフレームワークは、臨床データと遺伝子前置詞の複雑な関係を学習することを目的としている。
このアプローチは、病気の予測、積極的な健康管理、リスク階層化、パーソナライズされた治療戦略に対する新たな洞察を解放するために重要である。
論文 参考訳（メタデータ） (2025-10-24T15:56:40Z) - Medical Reasoning in the Era of LLMs: A Systematic Review of Enhancement Techniques and Applications [59.721265428780946]
医学における大きな言語モデル(LLM)は印象的な能力を実現しているが、体系的で透明で検証可能な推論を行う能力に重大なギャップが残っている。
本稿は、この新興分野に関する最初の体系的なレビューを提供する。
本稿では,学習時間戦略とテスト時間メカニズムに分類した推論強化手法の分類法を提案する。
論文 参考訳（メタデータ） (2025-08-01T14:41:31Z) - Data-Centric Epidemic Forecasting: A Survey [56.99209141838794]
この調査は、様々なデータ駆動の方法論および実践的進歩を掘り下げるものである。
疫学的なデータセットと,流行予測に関連する新しいデータストリームを列挙する。
また,これらの予測システムの現実的な展開において生じる経験や課題についても論じる。
論文 参考訳（メタデータ） (2022-07-19T16:15:11Z) - Towards a Unified Pandemic Management Architecture: Survey, Challenges
and Future Directions [1.1470070927586016]
SARS-CoV-2は、世界中の健康、経済、社会に前例のない影響を与えている。
疫学、臨床、生理学のデータを収集し、緩和策について決定を下そうとしている。
IoT(Internet of Things)とエッジコンピューティングの進歩は、データ収集とインテリジェントな計算を通じて、パンデミック管理のためのソリューションを提供する。
我々は、IoTとエッジコンピューティングを活用する統一的なパンデミック管理アーキテクチャを構想し、ワクチン配布、動的ロックダウン、移動スケジューリング、パンデミック予測の推奨を自動化する。
論文 参考訳（メタデータ） (2022-02-04T02:01:02Z) - An Overview of Healthcare Data Analytics With Applications to the
COVID-19 Pandemic [20.912943922420407]
本稿では,医療の一般的な問題に対して,革新的な分析手法,機械学習ツール,メタヒューリスティックがどう対処できるかを説明する。
特に、現代のデジタル技術、統計手法、データプラットフォーム、データ統合システムの応用について述べる。
ビッグデータの分析と解釈は、複数の学際的な努力を必要とする非常に難しい作業である、と我々は主張する。
論文 参考訳（メタデータ） (2021-11-25T06:37:24Z) - Digital Epidemiology: A review [0.0]
疫学は近年、計算モデルに基づく大きな進歩を目撃している。
ビッグデータとアプリによって、大規模な実データによるモデルの検証と精錬が可能になる。
エボラは、システム解を必要とするため、複雑性のレンズからアプローチする必要がある。
論文 参考訳（メタデータ） (2021-04-08T08:45:20Z) - 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)
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。