MétaCan
Menu
Retour à la cohorte
Enregistrement W3207535187 · doi:10.1109/mcg.2021.3112845

Communicating Patient Health Data: A Wicked Problem

2021· preprint· en· W3207535187 sur OpenAlexafffund
Fateme Rajabiyazdi, Charles Périn, Lora Oehlberg, Sheelagh Carpendale

Notice bibliographique

RevueIEEE Computer Graphics and Applications · 2021
Typepreprint
Langueen
DomaineComputer Science
ThématiquePersona Design and Applications
Établissements canadiensSimon Fraser UniversityUniversity of CalgaryUniversity of VictoriaCarleton University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaAlberta Innovates - Technology Futures
Mots-clésVisualizationComputer scienceHealth careAction (physics)Exploratory researchProcess (computing)Space (punctuation)Data scienceWork (physics)Data visualizationPatient dataCall to actionHuman–computer interactionInternet privacyArtificial intelligenceEngineeringBusiness

Résumé

récupéré en direct d'OpenAlex

Designing patient-collected health data visualizations to support communicating patient data during clinical visits is a challenging problem due to the heterogeneity of the parties involved: patients, healthcare providers, and healthcare systems. Designers must ensure that all parties' needs are met. This complexity makes it challenging to find a definitive solution that can work for every individual. We have approached this research problem-communicating patient data during clinical visits-as a wicked problem. In this article, we outline how wicked problem characteristics apply to our research problem. We then describe the research methodologies we employed to explore the design space of individualized patient data visualization solutions. Lastly, we reflect on the insights and experiences we gained through this exploratory design process. We conclude with a call to action for researchers and visualization designers to consider patients' and healthcare providers' individualities when designing patient data visualizations.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,126
score de la tête « metaresearch » (Gemma)0,194
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,126
Score d'incertitude au seuil0,668

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1260,194
Méta-épidémiologie (sens strict)0,0020,003
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0040,003
Études des sciences et des technologies0,0100,023
Communication savante0,0180,023
Science ouverte0,0050,016
Intégrité de la recherche0,0060,010
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,069
Tête enseignante GPT0,305
Écart entre enseignants0,236 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Computer Graphics and ApplicationsMême sujetPersona Design and ApplicationsTravaux en français237 207