Fugu-MT 論文翻訳(概要): Digital Medicines Information at National Scale: Search Behaviour and System Performance of MediVerify Across 1.5 Million Queries

論文の概要: Digital Medicines Information at National Scale: Search Behaviour and System Performance of MediVerify Across 1.5 Million Queries

arxiv url: http://arxiv.org/abs/2609.28946v1
Date: Thu, 24 Sep 2026 02:53:08 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-25 21:10:09.67735
Title: Digital Medicines Information at National Scale: Search Behaviour and System Performance of MediVerify Across 1.5 Million Queries
Title（参考訳）: 全国規模のデジタル医療情報:150万件のクエリを対象としたMidVerifyの検索行動とシステムパフォーマンス
Abstract要約: 低所得国と中所得国(LMIC)における大規模医学検索行動は、いまだにあまり特徴付けられていない。我々は2024年7月から2025年にかけて1,497,304件の匿名クエリを振り返って分析した。大規模医学検索データは、医療情報需要と政策整合性に関する洞察を提供する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: National-scale digital health platforms generate usage data that reveal population healthcare needs. MediVerify, Sri Lanka's online medicines information platform providing access to National Medicines Regulatory Authority (NMRA)-approved medicines, recorded over 1.49 million queries in its first year. Large-scale medicine search behaviour in low- and middle-income countries (LMICs) remains poorly characterised. Objectives: To characterise medicine information-seeking behaviour, identify mismatches between public demand and essential medicines policy, and evaluate technical performance. Methods: We retrospectively analysed 1,497,304 anonymised queries submitted between July 2024-2025. Queries were normalised and mapped to 11,933 approved medicines using fuzzy matching based on Levenshtein distance (threshold <=5). Therapeutic categories were assigned using an Anatomical Therapeutic Chemical (ATC)-aligned classification. Query patterns and system performance were analysed, and energy consumption was estimated from processing times. Results: Vitamins/minerals (11.74%), antibiotics (10.57%), anti-diabetes (7.02%), and antihypertensives (6.84%) dominated searches. The top 20 accounted for 37.3% of queries, while approximately 40%-50% of registered medicines were never queried. Zero-result queries (~ 1%) indicated unmet information needs. Frequently searched medicines diverged from essential medicines lists. Median latency was 8ms, with >99% query resolution. Estimated energy consumption was approximately 0.12 kWh per million queries. Conclusions: Large-scale medicine search data provide insights into healthcare information demand and policy alignment. MediVerify demonstrates that a national digital health platform can achieve high utilisation at low computational and environmental cost. Usage analytics could strengthen pharmaceutical policy and digital health infrastructure in LMICs.
Abstract（参考訳）: 全国規模のデジタルヘルスプラットフォームは、人口医療のニーズを明らかにする利用データを生成する。スリランカのオンライン医薬品情報プラットフォームであるMediVerifyは、NMRA(National Medicines Regulatory Authority)が承認した医薬品へのアクセスを提供しており、最初の1年で1億4900万以上のクエリを記録した。低所得国と中所得国(LMIC)における大規模医学検索行動は、いまだにあまり特徴付けられていない。目的:医療情報探索行動の特徴付け、公衆の要求と本質的な医療政策のミスマッチを特定し、技術的パフォーマンスを評価すること。方法:2024年7月から2025年の間に1,497,304件の匿名クエリを振り返って分析した。レベンシュテイン距離 (threshold <=5。治療カテゴリーは、解剖学的治療化学(ATC)の分類を用いて割り振られた。クエリパターンとシステム性能を分析し,処理時間からエネルギー消費量を推定した。結果:ビタミン/ミネラル(11.74%)、抗生物質(10.57%)、抗糖尿病(7.02%)、抗高血圧(6.84%)が検索を支配した。トップ20は37.3%で、登録された医薬品の約40%から50%はクェリされなかった。 0-resultクエリ(約1%)は、アンメタル情報の必要性を示している。頻繁に検索された医薬品は、本質的な医薬品リストから逸脱した。メディアレイテンシは8msで、クエリの解像度は99%だった。推定エネルギー消費量は100万クエリあたり約0.12kWhであった。結論: 大規模医学検索データは、医療情報需要と政策整合性に関する洞察を提供する。 MediVerifyは、国のデジタルヘルスプラットフォームが低計算と環境コストで高い活用を達成できることを実証している。利用分析は、LMICsの医薬品政策とデジタルヘルスインフラを強化する可能性がある。

関連論文リスト

Health System Scale Semantic Search Across Unstructured Clinical Notes [1.599023522858371]
我々は168万人の患者から1億6600万の臨床ノートを索引付けする意味検索システムを大小児病院に展開する。このシステムは、サブレイテンシークエリのレイテンシ(現在237msのシングルユーザ、451msの20ユーザ)を毎月約4,000米ドルのコストで提供する。
論文参考訳（メタデータ） (2026-04-28T13:09:48Z)
CDrugRed: A Chinese Drug Recommendation Dataset for Discharge Medications in Metabolic Diseases [49.09102662968899]
メタボリックな疾患の治療薬の排出を目的とした,中国初の医薬品推奨データセットであるCDrugRedを提示する。データセットには3,190人の患者から5,894件の未確認記録が含まれており、患者の人口統計、医療史、臨床経過、退院診断などの包括的情報を含んでいる。退院医薬品推奨タスクにおいて,いくつかの最先端の大規模言語モデル (LLM) をベンチマークすることでCDrugRedの有用性を評価する。
論文参考訳（メタデータ） (2025-10-24T01:47:23Z)
Decide less, communicate more: On the construct validity of end-to-end fact-checking in medicine [59.604255567812714]
我々は、専門家が医療証拠を合成することによって、ソーシャルメディアからの真の主張を検証する方法を示す。臨床試験の形で、野生の主張と科学的証拠を結びつける困難さ。我々は,ファクトチェックは対話型コミュニケーション問題としてアプローチし,評価すべきであると主張している。
論文参考訳（メタデータ） (2025-06-25T22:58:08Z)
A randomized simulation trial evaluating ABiMed, a clinical decision support system for medication reviews and polypharmacy management [3.8243906257653504]
STOPP/START v2ガイドラインの実装に基づき,臨床診断支援システムであるABiMedを設計した。ランダム化シミュレーション試験において,39名の薬剤師によるABiMedの評価を行った。
論文参考訳（メタデータ） (2024-09-03T13:50:59Z)
MedAlign: A Clinician-Generated Dataset for Instruction Following with Electronic Medical Records [60.35217378132709]
大型言語モデル(LLM)は、人間レベルの流布で自然言語の指示に従うことができる。医療のための現実的なテキスト生成タスクにおけるLCMの評価は依然として困難である。我々は、EHRデータのための983の自然言語命令のベンチマークデータセットであるMedAlignを紹介する。
論文参考訳（メタデータ） (2023-08-27T12:24:39Z)
Towards Expert-Level Medical Question Answering with Large Language Models [16.882775912583355]
大規模言語モデル (LLMs) は医学的質問応答において大きな進歩をもたらした。ここでは、基礎改善(PaLM2)、医療領域の細かな改善、戦略の推進を組み合わせ、ギャップを埋めるMedPaLM 2を提案する。また, MedMC-ofQA, PubMed, MMLUの臨床トピックスデータセットに近づいたり, 最先端に近づいたりした。
論文参考訳（メタデータ） (2023-05-16T17:11:29Z)
Neural Bandits for Data Mining: Searching for Dangerous Polypharmacy [63.135687276599114]
一部の多薬局は、不適切とみなされており、死亡や入院などの健康上の有害な結果に関係している可能性がある。我々は、クレームデータセットを効率的にマイニングし、薬物の組み合わせと健康結果の関係の予測モデルを構築するためのOptimNeuralTS戦略を提案する。提案手法では,最大72%のPIPを検出でき,平均精度は99%であり,30000タイムステップで検出できる。
論文参考訳（メタデータ） (2022-12-10T03:43:23Z)
MedML: Fusing Medical Knowledge and Machine Learning Models for Early Pediatric COVID-19 Hospitalization and Severity Prediction [27.352097332678213]
我々は、新しい機械学習モデルであるMedMLを用いて、全国的な小児新型コロナウイルスデータ問題に対処する。 MedMLは600万以上の医療概念から、医療知識と妥当性スコアに基づいて最も予測可能な特徴を抽出する。入院予測タスクは143,605名,重症度予測タスクは11,465名,重症度予測タスクは143,605名であった。
論文参考訳（メタデータ） (2022-07-25T15:56:14Z)
Heterogeneous Treatment Effect Estimation using machine learning for Healthcare application: tutorial and benchmark [8.869515663374248]
多くの研究が、薬物効果は人口間で不均一であることを示した。ヘテロジニアス処理効果(HTE)を推定する高度な機械学習モデルが近年出現している。我々は,医療分野にHTE手法を導入し,実現可能性を検討することを目的とする。
論文参考訳（メタデータ） (2021-09-27T02:34:44Z)

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。