論文の概要: Clinical Audit Logs as Multi-Axial Traces of Care Delivery

• arxiv url: http://arxiv.org/abs/2607.15397v1
• Date: Thu, 16 Jul 2026 18:54:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-20 17:56:52.684251
• Title: Clinical Audit Logs as Multi-Axial Traces of Care Delivery
• Title（参考訳）: ケアデリバリーのマルチ軸トレースとしての臨床監査記録
• Abstract要約: このパースペクティブは、監査ログを多軸イベントストリームとして記述することで広さを説明できる。 各ログされたアクションは、同時に複数の臨床的意義のある関係に属す。 この構造は、生のストリーム上で再利用可能な表現を学ぶための基礎モデル事前学習を動機付けている。
• 参考スコア（独自算出の注目度）: 2.3035725779568588
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Electronic health record audit logs record timestamped actions through which clinical work is carried out. Generated as operational metadata, they now support research on clinician effort, patient outcomes, care-team coordination, and workflow structure. This Perspective explains that breadth by articulating audit logs as multi-axial event streams and drawing implications for representation learning, evaluation, and governance. Each logged action belongs simultaneously to multiple clinically meaningful relations: a clinician's work, a patient's trajectory, a team's activity, and a recurring workflow. This structure motivates foundation-model pretraining to learn reusable representations over the raw stream. Reading audit logs as multi-axial traces specifies what such representations must preserve, how their value should be tested, and how their use should be governed.
• Abstract（参考訳）: 電子健康記録監査は、臨床作業を行うタイムスタンプ化された行動を記録する。 運用メタデータとして生成され、クリニックの取り組み、患者の成果、ケアチーム調整、ワークフロー構造の研究をサポートする。 このパースペクティブは、監査ログを多軸イベントストリームとして記述し、表現学習、評価、ガバナンスに影響を及ぼすことを説明します。 記録された各アクションは、臨床医の仕事、患者の軌道、チームの活動、繰り返し行われるワークフローなど、複数の臨床的に有意義な関係に同時に属する。 この構造は、生のストリーム上で再利用可能な表現を学ぶための基礎モデル事前学習を動機付けている。 監査ログを多軸トレースとして読むことは、そのような表現が保持しなければならないもの、どのように値をテストするべきか、どのように使うべきかを規定する。

関連論文リスト

• Toward Workflow-Aware Benchmarking for Healthcare NLP Agents [4.287745257410248]
  医療用NLPエージェントのエピソードレベル評価プロトコルを提案する。 モデル、エージェント、シミュレートされたワークフローの振る舞いにまたがるエビデンスを分離する。 それは、状態継続性、エビデンストレーサビリティ、エスカレーション決定のためのアノテーションとスコアを定義します。
  論文  参考訳（メタデータ） (2026-08-31T19:41:58Z)
• Improving Hospital Process Management through Process Mining: A Case Study on COVID-19 Clinical Pathways [1.7219362335740878]
  本研究は、共有学習データセットのCOVID Dataを用いて、新型コロナウイルスのケア経路を分析する。 我々は、不均一な臨床表をプロセスマイニング可能なイベントログに変換する透明で再現可能なパイプラインを構築します。
  論文  参考訳（メタデータ） (2026-04-28T09:24:27Z)
• ClinicalAgents: Multi-Agent Orchestration for Clinical Decision Making with Dual-Memory [17.805771452487612]
  専門医の認知ワークフローをシミュレートする新しいマルチエージェントフレームワークであるCrysicalAgentsを紹介する。 厳密なシーケンシャルチェーンとは異なり、CricerAgentsはモンテカルロ木探索(MCTS)プロセスとしてモデル化された動的オーケストレーション機構を採用している。 これにより、Orchestratorは仮説を反復的に生成し、証拠を積極的に検証し、重要な情報が欠落した時にバックトラッキングをトリガーすることができる。
  論文  参考訳（メタデータ） (2026-03-27T08:52:19Z)
• Agentic Cognitive Profiling: Realigning Automated Alzheimer's Disease Detection with Clinical Construct Validity [66.94391219005291]
  本稿では,臨床プロトコルロジックによる自動スクリーニングを実現するエージェント認知プロファイリング(ACP)を提案する。 我々の設計の中心は、すべての定量化を決定論的関数呼び出しに委譲することで、測定から意味的理解を分離することである。 ACPは、タスク試験で90.5%のスコアマッチ率、AD予測で85.3%の精度を達成し、一般的な基準を上回っている。
  論文  参考訳（メタデータ） (2026-03-18T06:15:35Z)
• The Taxonomies, Training, and Applications of Event Stream Modelling for Electronic Health Records [6.63303513347406]
  EHRは、医療における人工知能の変革的ポテンシャルを提供する。 従来のモデリングアプローチは、実世界の臨床データの本質的にの空間性と不規則性に対応するのに苦労することが多い。 研究は、患者の記録を連続的なシーケンスとして扱うイベントストリーム表現に移行した。
  論文  参考訳（メタデータ） (2026-03-14T16:08:30Z)
• MedDCR: Learning to Design Agentic Workflows for Medical Coding [55.51674334874892]
  医療符号化は、フリーテキスト臨床ノートを標準化された診断および手続きコードに変換する。 本稿では,設計を学習問題として扱うクローズドループフレームワークであるMedDCRを提案する。 ベンチマークデータセットでは、MedDCRは最先端のベースラインを上回っている。
  論文  参考訳（メタデータ） (2025-11-17T13:30:51Z)
• Interpretable Clinical Classification with Kolgomorov-Arnold Networks [70.72819760172744]
  Kolmogorov-Arnold Networks (KAN) は、透明で象徴的な表現を通じて固有の解釈能力を提供する。 Kansは、組み込みの患者レベルの洞察、直感的な可視化、最寄りの患者の検索をサポートする。 これらの結果は、カンを、臨床医が理解し、監査し、行動できる信頼できるAIへの有望なステップと位置づけている。
  論文  参考訳（メタデータ） (2025-09-20T17:21:58Z)
• DENSE: Longitudinal Progress Note Generation with Temporal Modeling of Heterogeneous Clinical Notes Across Hospital Visits [0.1578515540930834]
  プログレッシブノートは電子健康記録で最も臨床的に意味のあるアーティファクトの1つである。 その重要性にもかかわらず、それらは大規模なEHRデータセットでは不足している。 DENSEは、医師が過去の出会いを参照する方法をシミュレートすることで、臨床文書と整合するように設計されたシステムである。
  論文  参考訳（メタデータ） (2025-07-18T17:00:27Z)
• A Survey of the Impact of Self-Supervised Pretraining for Diagnostic Tasks with Radiological Images [71.26717896083433]
  自己教師付き事前学習は,伝達学習における特徴表現の改善に有効であることが観察されている。 本総説ではX線, CT, 磁気共鳴, 超音波画像における使用法について概説する。
  論文  参考訳（メタデータ） (2023-09-05T19:45:09Z)
• Conceptualizing Machine Learning for Dynamic Information Retrieval of Electronic Health Record Notes [6.1656026560972]
  本研究は、特定の臨床コンテキストにおける注記関連性の監督源として、機械学習におけるEHR監査ログの使用を概念化したものである。 本手法は,個々のノート作成セッションでどのノートが読み込まれるかを予測するために0.963のAUCを実現できることを示す。
  論文  参考訳（メタデータ） (2023-08-09T21:04:19Z)
• Self-supervised Answer Retrieval on Clinical Notes [68.87777592015402]
  本稿では,ドメイン固有パスマッチングのためのトランスフォーマー言語モデルをトレーニングするためのルールベースのセルフスーパービジョンであるCAPRを紹介する。 目的をトランスフォーマーベースの4つのアーキテクチャ、コンテキスト文書ベクトル、ビ-、ポリエンコーダ、クロスエンコーダに適用する。 本稿では,ドメイン固有パスの検索において,CAPRが強いベースラインを上回り,ルールベースおよび人間ラベル付きパスを効果的に一般化することを示す。
  論文  参考訳（メタデータ） (2021-08-02T10:42:52Z)
• BiteNet: Bidirectional Temporal Encoder Network to Predict Medical Outcomes [53.163089893876645]
  本稿では,患者の医療旅行におけるコンテキスト依存と時間的関係を捉える,新たな自己注意機構を提案する。 エンド・ツー・エンドの双方向時間エンコーダネットワーク(BiteNet)が患者の旅路の表現を学習する。 実世界のEHRデータセットを用いた2つの教師付き予測と2つの教師なしクラスタリングタスクにおける手法の有効性を評価した。
  論文  参考訳（メタデータ） (2020-09-24T00:42:36Z)

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。