論文の概要: The Collection of a Real-World, Large-Scale Dataset for Automated Skill Evaluation in Central Line Dressing Change

• arxiv url: http://arxiv.org/abs/2610.23789v1
• Date: Fri, 16 Oct 2026 17:19:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 00:56:08.035116
• Title: The Collection of a Real-World, Large-Scale Dataset for Automated Skill Evaluation in Central Line Dressing Change
• Title（参考訳）: ラインドレッシングにおける実世界の大規模データセットの収集と自動スキル評価
• Abstract要約: 中央線関連血液ストリーム感染症(CLABSIs)は、医療現場における致死率や死亡率の主要な原因である。 能力評価への現在のアプローチは、主に臨床教育者による手動オブザーブレーションに依存している。 CLDCスキル評価のための大規模ビデオデータセットの収集過程について述べる。
• 参考スコア（独自算出の注目度）: 3.618815887949715
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Central line-associated bloodstream infections (CLABSIs) remain a major source of preventable morbidity and mortality in healthcare settings. Proper execution of the central line dressing change (CLDC) procedure is essential for infection prevention, yet current approaches to competency assessment rely primarily on manual ob- servation by clinical educators, making evaluation time-intensive, difficult to scale, and limited in consistency and granularity. These challenges highlight the need for AI-assisted skill evaluation methods that can support more objective, reproducible, and scalable assessment of clinical performance. However, progress in this area has been constrained by the lack of broad-scale, clinically grounded datasets for developing and evaluating such methods. In this work, we present the collection process of a large-scale video dataset for CLDC skill evaluation, comprising 365 recordings of registered nurses collected during the 2026 annual competency exam at Houston Methodist Hospital. Each video is paired with subtask-level temporal annotations and clinical performance assessments spanning 17 subtasks of the procedure. We describe the data collection and curation pipeline, including pilot testing of record- ing configurations, annotation protocol design, and post-collection processing. We further establish the feasibility of video-based skill assessment through benchmark experiments with spatiotemporal deep learning models. This dataset provides a foundation for future research on automated clinical skill assessment, feedback generation, and AI-assisted training in nursing education.
• Abstract（参考訳）: 中央線関連血液ストリーム感染症(CLABSIs)は、医療環境における予防可能な死亡率と死亡率の主要な原因である。 セントラルラインドレッシング・チェンジ(CLDC)の適切な実施は感染予防に不可欠であるが、近年の能力評価へのアプローチは、主に臨床教育者による手動オブザーブレーションに依存し、時間集約的、スケールが難しく、一貫性と粒度が制限されている。 これらの課題は、より客観的、再現可能、スケーラブルな臨床成績評価を支援するAI支援スキル評価手法の必要性を強調している。 しかし、この領域の進歩は、そのような手法の開発と評価のための広範囲で臨床基盤のデータセットが欠如していることに制約されている。 本研究は,ヒューストン・メソジスト病院における2026年度能力試験において収集された登録看護師の365件の記録を含む,CLDCスキル評価のための大規模ビデオデータセットの収集過程について述べる。 それぞれのビデオは、サブタスクレベルの時間的アノテーションと、プロシージャの17のサブタスクにまたがる臨床パフォーマンスアセスメントとがペアリングされる。 データ収集とキュレーションのパイプラインについて述べる。その中には、レコード入力設定のパイロットテスト、アノテーションプロトコル設計、コンパイル後処理などが含まれる。 さらに、時空間深層学習モデルを用いたベンチマーク実験により、映像ベースのスキルアセスメントの実現可能性を確立する。 このデータセットは、看護教育における自動臨床スキルアセスメント、フィードバック生成、AI支援トレーニングに関する将来の研究の基礎を提供する。

関連論文リスト

• A Multi-Agent LLM Framework for Rating the Quality of Surgical Feedback [52.053200111780626]
  手術室の外科医が行う言語的フィードバックは、居住スキル獲得において重要な形式的役割を担っている。 本稿では,手術訓練の文脈に根ざした,解釈可能なフィードバック品質基準を発見するための2段階のLCMベースのフレームワークを提案する。 本手法では,多エージェントおよび外科領域の知識注入を用いて,人間の解釈可能な評価基準の小さなセットを探索する。
  論文  参考訳（メタデータ） (2026-05-25T05:31:44Z)
• 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)
• WetCat: Enabling Automated Skill Assessment in Wet-Lab Cataract Surgery Videos [10.057885114005826]
  WetCatは、自動スキルアセスメントのために特別にキュレートされたウェットラブ白内障手術ビデオの最初のデータセットである。 WetCatは、人工眼で訓練生が行う手術の高解像度記録を含む。 WetCatは、既存の臨床指標に沿った解釈可能なAI駆動評価ツールの開発を可能にする。
  論文  参考訳（メタデータ） (2025-06-10T15:22:55Z)
• FoMoH: A clinically meaningful foundation model evaluation for structured electronic health records [15.619686828044543]
  ファンデーションモデルは、下流のタスクとは無関係に意味のある表現を抽出する能力を考えると、医療において大きな可能性を秘めている。 包括的かつ有意義なタスクのデシダラタが欠如していることから、これらのモデルが臨床的有用性にもたらす可能性については、ほとんど意見の一致がない。 コロンビア大学アーヴィング医療センターの500万人の患者を対象に, EHRデータに基づく最先端基礎モデルの評価を行った。
  論文  参考訳（メタデータ） (2025-05-22T17:29:52Z)
• Automated Scoring of Clinical Patient Notes using Advanced NLP and Pseudo Labeling [2.711804338865226]
  本研究では,最先端自然言語処理(NLP)技術を活用したアプローチを提案する。 提案手法は効率と有効性を向上し,性能を損なうことなくトレーニング時間を著しく短縮する。
  論文  参考訳（メタデータ） (2024-01-18T05:17:18Z)
• Multimodal Pretraining of Medical Time Series and Notes [45.89025874396911]
  ディープラーニングモデルは、意味のあるパターンを抽出する際の約束を示すが、広範囲なラベル付きデータが必要である。 本稿では,臨床測定値とノートのアライメントに着目し,自己指導型事前学習を用いた新しいアプローチを提案する。 病院内での死亡予測や表現型化などの下流タスクでは、データのごく一部がラベル付けされた設定において、ベースラインよりも優れています。
  論文  参考訳（メタデータ） (2023-12-11T21:53:40Z)
• Pruning the Way to Reliable Policies: A Multi-Objective Deep Q-Learning Approach to Critical Care [46.2482873419289]
  我々は、より信頼性の高いクリティカルケアポリシーを得るための深いQ-ラーニングアプローチを導入する。 本手法を,集中治療室のシミュレーション環境と実際の健康記録を用いて,オフライン・オフ・セッティングで評価した。
  論文  参考訳（メタデータ） (2023-06-13T18:02:57Z)
• Federated Cycling (FedCy): Semi-supervised Federated Learning of Surgical Phases [57.90226879210227]
  FedCyは、FLと自己教師付き学習を組み合わせた半教師付き学習(FSSL)手法で、ラベル付きビデオとラベルなしビデオの両方の分散データセットを利用する。 外科的段階の自動認識作業において,最先端のFSSL法よりも顕著な性能向上を示した。
  論文  参考訳（メタデータ） (2022-03-14T17:44:53Z)
• A Review of Computational Approaches for Evaluation of Rehabilitation Exercises [58.720142291102135]
  本稿では,モーションキャプチャシステムを用いたリハビリテーションプログラムにおける患者のパフォーマンスを評価するための計算手法についてレビューする。 エクササイズ評価のための再検討された計算手法は, 離散的な運動スコア, ルールベース, テンプレートベースアプローチの3つのカテゴリに分類される。
  論文  参考訳（メタデータ） (2020-02-29T22:18:56Z)

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。