第5回全国ビッグデータヘルスサイエンスカンファレンスのアブストラクトに会う (2024)

地元のオラルティ^1,2、ミランダ・ニクソン^1,3ξao ming l i^1,3

¹サウスカロライナ大学、コロンビア、サウスカロライナ州、ビッグデータヘルスサイエンスセンター。²米国サウスカロライナ大学公衆衛生学のアーノルド公衆衛生学部保健サービス政策と管理局。³米国サウスカロライナ大学、サウスカロライナ大学、アーノルド公衆衛生学部の保健促進科学科

BMC Proceedings 2024、18（8）：I1

2024年2月2〜3日にサウスカロライナ州コロンビアで開催された第5回全国ビッグデータヘルスサイエンス会議からのこの手続きを発表できることを嬉しく思います。この会議は、技術、公衆衛生、ヘルスケア、科学的革新の交差点における極めて重要な瞬間を再びマークします。

今年のテーマ「健康におけるビッグデータの力を解き放つ：科学的および医療コミュニティにデータ分析に力を与える」は、過去10年間で経験したデータとコンピューティング技術の天文学的成長を考慮して、この時間と空間に適しています。私たちは、前回の会議（2023年2月11〜12日、サウスカロライナ州コロンビア）以来起こったいくつかのことを要約して強調したいと思います。

• 人工知能、ChatGpt、機械学習などの言葉は、米国の人口の遍在になっています[1,2]

• ヘルスケアのデジタル化ビッグデータは急速に成長しています、

• ヘルスケア業界は、世界のデータの約30％を占めるデータの「ペタバイト」を生成し続けており、データ量が大幅に増加し、そのような分野で経験が大幅に増加しています。

  • ◦ゲノミクス、分子研究、

  • ◦医療画像採掘、

  • ◦人口の健康など[3,4]、

• ヘルスケアビッグデータ市場は、2025年までに700億ドルに達すると予想されており、10年間でほぼ600％の増加を表します[5]

• ビッグデータ分析は、将来のリスクを予測し、積極的な監視を実施し、疾患を理解し、より良い標的介入を予測するために、臨床試験で広く使用された研究、監視、介入レベルで公衆衛生を強化しました[6]。

ヘルスケアデータの成長は、コンピューティングパワーの増加、ストレージサイズ、電子ヘルス記録（EHR）の使用、ウェアラブルデバイスの採用、テレメディシンの拡大など、いくつかの要因の影響を受けます。

サウスカロライナ大学（USC）BDHSCは、最先端の研究と発見を実施し、専門開発と学術トレーニングを提供し、コミュニティと業界にサービスを提供する学際的な企業です。センターは、センシングと診断のための人工知能、電子健康記録、ゲノミクス、地理空間、ソーシャルメディア、およびビッグデータ分析の利用を集合的に促進する2つの機能的なハブ、ビジネス/起業家精神と技術を含む5つのコンテンツコアで構成されています。ヘルスケア研究、サービスの改善、および学術トレーニング。2019年にUSC Excellenceイニシアチブを通じて設立以来、BDHSCはサウスカロライナ州およびそれ以降の共同ビッグデータヘルスサイエンスの研究を強化することに大きな進歩を遂げてきました。

私たちの署名プログラムには、この全国会議と全国学生事件の競争が含まれます。2020年の最初の全国会議以来、今日の会議は飛躍的に成長しました。

• 前の4つの会議には、284人のプレゼンターがいる1,500人の参加者が集まりました。

• この会議は現在、一部が国立医学図書館、NIH（R13LM014347）*によってサポートされています。

• この繰り返しの全国会議は、現在、USCのリーダーシップとビッグデータヘルスサイエンスの研究に対するコミットメントの象徴です。

私たちは、画期的な開発を探求し、コラボレーションを促進し、ビッグデータヘルスサイエンスの研究における変革の進歩への道を開く態勢を整えています。

情報が豊富に流れ、テクノロジーが前例のないペースで進化するビッグデータの時代では、ヘルスケアの改善のためにデータを活用する能力はこれまで以上に有望ではありませんでした。この会議のテーマは、このプロセスでパートナーとしてコミュニティを関与させながら、私たちの自由に使える広大なデータセット内にある計り知れない可能性を理解し、利用するという私たちのコミットメントを反映しています。

2024年の会議の2日間を通して、洞察、経験、研究結果を共有した基調講演者、専門家、思想的リーダーを含む100人以上のプレゼンターの素晴らしいラインナップがありました。私たちは、精密医学と予測分析からデータのプライバシー、倫理的考慮事項、およびヘルスケアの将来を形作る上で人工知能の役割に至るまでのトピックを掘り下げました。

2024年の会議は、単なるアイデアを交換するためのプラットフォームではなく、コラボレーションのためのネクサスでした。私たちは、以下を含む注目すべきハイライトで、全国および世界のスピーカーをホストすることを誇りに思いました。

• 15州と5つの国（中国、イタリア、日本、ナイジェリア、南アフリカ）の38の大学および組織の講演者と発表者。

• 発表者には、5つのNIH研究所/オフィス、SC保健環境管理局（DHEC）、SAS統計ソフトウェア、およびその他の政府、学界、産業、およびヘルスケア組織のリーダーと専門家が含まれていました。

• NIHのリーダーシップと役員は、データサイエンスの研究に対するNIHの優先事項と関心に関するパネルディスカッションを開催しました。

• 会議はまた、USCの3人のNIH資金によるビッグデータトレーニングプログラム（ジュニア教員のR25、コミュニティ学者向けのR25、およびプレデクラル学生のT35）の現在の研修生による作業を紹介しました。

私たちのコミュニティエンゲージメントに焦点を当てて、会議はサウスカロライナ州の過小評価されている学生のための2番目の専門的およびキャリア開発昼食を開催しました。。

最近のGoldman Sachsの報告書は、次のように述べています「AIは、テクノロジーが発展するにつれてますます普及することが期待されています。ヘルスケア、銀行、輸送などの分野に革命をもたらします。その結果、労働市場は変化し、新しいポジションとスキルを必要とします。" [7]。

2024年にAIがヘルスケアを揺るがす方法の5つの予測を次に示します[8]。

1. 1。

   生成的AIは、医療結果の改善のためにプロバイダーと患者を調整するのに役立ちます（AIで武装すると、医療提供者は診断と治療により多くの時間と専門知識を割り当て、最終的に患者のケアと満足のための水準を上げるためにより良い装備を備えています）。

2. 2。

   AIは、ヘルスケアエコシステム全体の支払人の摩擦を減らします（AIは、プランの選択、プロバイダーの選択、ヘルスケアファイナンス全体の会員体験を強化します。フォーカスヘルスケアシステム。

3. 3。

   AI Copilotsは、ヘルスケアの労働力の不足と戦うのに役立ちます（Covidは医療従事者の不足を悪化させました）。2024年以降、ヘルスシステムはAI Copilotsに依存して使用することを余儀なくされます。たとえば、コミュニティヘルスワーカー（CHW）は、AI copilotsを使用して在宅ケアを提供できます。AIは、患者のリマインダーを自動化し、輸送を手配し、音声マーカーを分析して、うつ病や不安などの潜在的な健康問題を検出できます。AIによって収集されたデータは、医療チームに自動的に患者のフォローアップを警告することができます。

4. 4。

   AIの透明性に対する需要の向上。害を避けるために、透明性はAIの焦点となります。医療機関は、AIモデルを要求、追跡、理解して、正確な意思決定を確保し、患者データを保護し、完全な透明性と説明責任を維持します。

5. 5。

   コンプライアンスと財政的圧力は、ヘルスケア管理のためのAIへのより大きな依存を強制します。AIは、2024年以降、ヘルスケアの管理ワークフローを最適化します。

労働力のAIの準備をするために、産業、政府、学界を含むすべての人が協力しなければなりません。

• チャンピオンの継続的な学習

• AIリテラシーに優先順位を付けます

• 創造性と革新を育みます

• 心理的安全性を確立します

• 柔軟な作業モデルを実装します

• 共同相乗効果を促進します

• 従業員の経験を調整します

• AIトレンドの最前線にとどまります

会議の出席者が議論に従事し、ワークショップに出席し、仲間の参加者とネットワーク化されたとき、それらの多くは、これらの課題を克服するのに役立つ画期的なコラボレーションの次の波を引き起こす可能性のあるつながりを形成する機会をつかみました。この手続きの要約の多くは、可能なことの境界を押し広げる能力と野心を反映しており、米国および世界的に人口の健康を改善するために取り組んでいる際に、発見と革新のペースを加速しています。

すべての組織委員会のメンバー、スポンサー、ボランティア、そしてこのイベントを実現するためにたゆまぬ努力をしたすべての人々に感謝したいと思います。ビッグデータヘルスサイエンスの分野を進めるためのあなたの献身とコミットメントは本当に称賛に値します。

最後に、先にある課題と機会を受け入れましょう。この（そして将来の）会議が、ビッグデータと健康科学の融合が私たちが知っているように医療の景観を変え、変化する未来に向けて私たちを促進するインスピレーション、知識、コラボレーションの源となりますように。6でより多くの参加者とより多くの要約を見るのを楽しみにしています^th2025年2月13〜14日、サウスカロライナ州コロンビアで開催される全国ビッグデータヘルスサイエンス会議。

*この会議の資金は、国立医学図書館からR13LM014347によって（一部）可能になりました。書かれた会議資料または出版物や講演者とモデレーターによって表明された見解は、必ずしも保健福祉省の公式政策を反映しているわけではありません。また、商品名、商業慣行、または組織からの言及も、米国政府による承認を暗示していません。

参照

1. 1。

   Johnson、D.、Goodman、R.、Patrinely、J.、Stone、C.、Zimmerman、E.、Donald、R.、...＆Whelking、L。（2023）。AI生成された医学的反応の精度と信頼性の評価：ChAT-GPTモデルの評価。研究広場。

2. 2。

   Wu、T.、He、S.、Liu、J.、Sun、S.、Liu、K.、Han、Q。L。、＆Tang、Y。（2023）。ChatGptの簡単な概要：歴史、現状、潜在的な将来の開発。IEEE/CAA Journal of Automatica Sinica、10（5）、1122-1136。

3. 3。

   Atasoy、H.、Greenwood、B。N。、＆McCullough、J。S。（2019）。患者ケアのデジタル化：医療の質と利用に対する電子健康記録の影響のレビュー。公衆衛生の年次レビュー、40、487-500。

4. 4。

   Galetsi、P。、＆Katsaliaki、K。（2020）。ヘルスケアにおけるビッグデータ分析に関する文献のレビュー。Journal of the Operational Research Society、71（10）、1511-1529。

5. 5。

   ヘルスケア分析市場タイプ（記述、予測、認知）、アプリケーション（財務、RCM、詐欺、臨床、運用）、コンポーネント（サービス、ソフトウェア）、展開（オンプレミス、クラウド）、エンドユーザー（病院、支払者）＆地域 - 2027年までのグローバル予測。ヘルスケア分析市場。Marketsandmarkets Research Report、2022年12月ID：5439282

6. 6。

   Cozzoli、N.、Salvatore、F。P.、Faccilongo、N。、およびMilone、M。（2022）。ビッグデータ分析は、ヘルスケア組織管理にどのように使用できますか？体系的なレビューからの文学の枠組みと将来の研究。BMCヘルスサービスリサーチ、22（1）、1-14。

7. 7。

   ジャレッド・コーエンとジョージ・リー（2023年12月14日）。生成世界秩序：AI、地政学、およびパワーゴールドマンサックスインテリジェンスが利用可能https://www.goldmansachs.com/intelligence/pages/the-generative-world-order-ai-geopolitics-and-power.html

8. 8。

   AIは2024年にヘルスケアのセンターステージに上がるために、ヘルスケアのグローバルマーケットリーダーであるロバートコネリー、PEGASYSTEMSが利用可能https://www.healthcaredive.com/spons/ai-to-take-center-stage-in-healthcare-in-2024/700098/

Dilek Akgun^1,2、オードリー・オーエン^1,3、Bellings Olablei^1,3

¹サウスカロライナ大学、コロンビア、サウスカロライナ州、ビッグデータヘルスサイエンスセンター。²米国サウスカロライナ大学サウスカロライナ大学エンジニアリングおよびコンピューティング大学統合情報技術科。³米国サウスカロライナ大学公衆衛生学部の保健サービス政策と管理局

対応：Dilek Akgun（akgun@mailbox.sc.edu））

BMC Proceedings 2024、 18（8）：O1

導入：データ駆動型の意思決定の進化し続ける状況では、データサイエンスは業界全体で定番となっています。この分野での実践的な経験の重要性を認識して、データサイエンスケースの競争は、学部生および大学院生が分析的な洞察力、問題解決能力、およびチームワークスキルを育成するための貴重なプラットフォームとして役立ちます[1]。さらに、ケースの競争は、従来の教室の境界を超越した動的な教育的アプローチ[2]を表しており、実世界の問題にチームサイエンス[3,4]アプローチを適用するためのプラットフォームを学生に提供します。

ヘルスケアにおけるデータサイエンスケースの競争の利点の調査

ヘルスケアデータのさまざまな種類とモードの天文学的な成長には、データ科学者がマルチモーダルヘルスケアデータから関連する洞察とインテリジェンスを分析および抽出するために必要な能力を所有する必要があります。データサイエンスの習熟度は、今日のデジタルヘルスエコノミーでますます重要になっています。この点で、ケース競争は学生に無数の利益を提供します。このペーパーでは、学部生および大学院生に医療に適用されるデータサイエンスケースの競争の利点を検討し、これらの体験学習の機会がどのようにして学生がヘルスケアデータ主導の景観で成功するようにすることを解明します。

学習体験の向上：Data Science Case Competitionに参加することで、学生は学業トレーニングを補完および豊かにする実践的な学習体験を提供します。この体験学習アプローチは、学生がヘルスケアに適用されるデータ駆動型の意思決定の影響を直接目撃するため、理論的概念のより深い理解を促進します。

批判的思考と分析スキルの開発：ケースの競争は、批判的思考と創造性を要求して、制約内の多面的な問題を解決し、不確実な環境で分析スキルと回復力を促進します。

教室の知識の実用的なアプリケーション：データサイエンスケースの競争により、学生は教室で学んだ理論的概念を実際のシナリオに適用することができます。複雑で実生活の問題に取り組むことにより、学生は分析、分析的手法、統計的方法論、および問題解決戦略をより深く理解することを策定します。この実践的な経験は、教室の学習を強化し、生徒の理論を実践に翻訳する能力を高めます。

革新と創造性：参加者は、新しいアプローチを考案し、型破りな方法論を探求し、従来のデータ分析手法の境界を押し広げることに挑戦しています。これは、イノベーションの文化と継続的な学習と適応の考え方を促進します。これは、今日の急速に進化するデジタル景観で非常に評価されているスキルセットです。

専門能力開発：参加は、プロジェクト管理、時間管理、チームワーク、およびプレゼンテーションスキル、データの分析、洞察の策定、および彼らの調査結果を審査員に提示することに取り組む際に、労働力の自信と競争力を築きながら競争力を築きます。

ネットワーキングの機会：データサイエンスケースの競争は、学生が業界の専門家、学者、および仲間の参加者とネットワークを作るためのプラットフォームを提供します。審査員と対話することで、学生は現場のベテランの専門家から貴重なメンターシップにさらされます。

ユースケース：2024年のビッグデータヘルスサイエンスケース競争

ビッグデータヘルスサイエンス（BDHS）ケースコンペティション[5]は、2020年以来、サウスカロライナ大学ビッグデータヘルスサイエンスセンター（BDHSC）が主催しています。[6]。米国の大学や大学の学部生および大学院生は、全国BDHS学生事例コンペティションに参加する資格があります。BDHSケースコンペティションは、大学院生と学部生の熱狂的なチームに、分析スキルを使用して、大きなデータセットを使用して重要な医療問題に取り組む機会を与えることを目的としています。競争中の参加者の証言とフィードバックに例示されているように、BDHSケース競争は、上記の利点を実現するための強力なユースケースです。このケースコンテストは、5年前に開始されて以来、米国41の大学と1つの中国大学の369人の学生を含む124のチームを集めました。BDHSの症例競争に参加した学生の総数と、競合するチームと機関の数を表1に示します。図1は、学位ごとに参加学生の分布の割合を示しています。

結論：要約すると、ヘルスケアに適用されるデータサイエンスケースの競争は、学部生および大学院生がデータ主導の経済に優れていることを可能にする変革的な教育経験を表しています。理論と実践のギャップを埋め、コラボレーション、チームサイエンスアプローチを促進し、学生を将来の労働力と科学者として準備することにより、これらの競争は、データサイエンスのヘルスケアへの適用における体験学習の基礎として機能します。このアプローチは、医療専攻をキャリアと見なすように非医療専攻を奨励することにより、医療に適用されるデータサイエンスの労働力不足を減らすのに役立ちます。

参照

1. 1。

   Baba、Y.、Takase、T.、Atarashi、K.、Oyama、S。、＆Kashima、H。（2018）。教育目的のためのデータ分析競争プラットフォーム：学んだ教訓と将来の課題。人工知能に関するAAAI会議の議事録、32（1）。https://doi.org/10.1609/aaai.v32i1.11391

2. 2。

   バーク、M。G。、カーター、J。D。、およびヒューイ、A。W。（2013）。仕事の世界に向けて学生を準備するためのケーススタディ競技の使用。産業と高等教育、27（3）、157-162。https://doi.org/10.5367/ihe.2013.0156

3. 3。

   Gamble、E。、＆Jelley、R。（2014）。競争のケース：ケース競争を通じてエビデンスに基づいた管理について学ぶ。アカデミーオブマネジメントラーニングと教育、433-445。

4. 4。

   Hall、K。L.、Vogel、A。L.、Huang、G。C.、Serrano、K。J.、Rice、E。L.、Tsakraklides、S。P.、およびFiore、S。M.（2018）。チームサイエンスの科学：科学における共同作業に関する経験的証拠と研究ギャップのレビュー。アメリカ心理学者、73（4）、532。

5. 5。

   ビッグデータの学生ケース競争|USCビッグデータヘルスサイエンスセンター。（n.d。）。2024年2月26日から取得https://bigdata.sc.edu/events/student-case-competition/

6. 6。

   全国ビッグデータヘルスサイエンスセンター会議|。（n.d。）。2024年2月26日から取得https://www.sc-bdhs-conference.org/

アンナ・L・チュパック、シレル・H・ハルム、ファーナズ・ヘサム・シャリアーティ、エルン・N・ロニー、アンドリュー・T・カチンスキー

米国サウスカロライナ大学、サウスカロライナ大学、アーノルド公衆衛生学部の保健促進科学科

対応：アンナ。Chupak（alchupak@email.sc.edu））

BMC Proceedings 2024、 18（8）：O2

研究の目的：歩行者と自転車のcrash落事故は、特に貧弱なインフラストラクチャを備えた恵まれない地域内で、米国南東部で非常に懸念があります。構築された環境の特性が積極的な輸送の安全性にどのように関連しているか、またはこの関連性が近隣の不利益によってどのように異なるかを研究していません。この研究では、サウスカロライナ州（SC）の国勢調査地域全体の社会的脆弱性による変動を含む、近隣の歩行可能性と歩行者と自転車のクラッシュの関係を調べました。

方法：SCの各国勢調査地域について、4つの重要な変数が収集されました（n= 1,103）：歩行性、歩行者のcrash落、自転車のcrash落、および社会的脆弱性（SV）。EPAのNational Walkability Index（NWI）は、グループを1〜20（低から高い歩行性）からブロックし、交差密度、通過に近い、土地利用の多様性の重要な指標が含まれています。スコアは、ブロックグループ間で平均化され、路ごとの歩行性を決定しました。歩行者（n= 10,689）およびバイシクリスト（n= 4,802）クラッシュカウントと重症度は、SCDOT [2011-2021]から取得され、路ごとに合計され、1日あたりの平均旅行に合計されました。SVは、コミュニティが危険に対する感受性の程度であり、CDC SVインデックス（SVI）によって測定されました。より高いパーセンタイルランクは、SVが大きいことを示しています。NWIとSVI間の相互作用を含む、歩行者と自転車のクラッシュと近隣の歩行性の関係を決定するために、段階的な線形回帰が実施されました。

結果：すべてのSC国勢調査地域で、近隣の歩行性と歩行者のcrash落カウントと旅行あたりの重症度との間に有意な負の関係がありました（B = -0.005、SE = 0.001; B = -1.011、SE = 0.192）、および自転車のクラッシュ数と旅行あたりの重症度（B = -0.019、SE = 0.003; B = -2.681、SE = 0.489）。NWIとSVIの間の重要な相互作用が発生し、クラッシュが社会的脆弱性によって大きく異なることを示しています。

議論：近隣の歩行可能性が悪化するにつれて、歩行者と自転車のクラッシュ数と重症度が増加し、SVが大きい国勢調査地域間のより強い関係が増加しました。これらの調査結果は、積極的な輸送の安全性に対処し、すべての人に公平な環境を作成するために、インフラストラクチャの改善を必要とするSCの近隣を特定するのに役立ちます。それにより、より大きな身体活動を促進し、慢性疾患を減らします。

フェイ・コブ・ペイトン^1,2、ミシェル・ロジャース³

¹米国ニュージャージー州ニューアーク、ラトガース大学、芸術科学部。²ノースカロライナ州立大学、米国ノースカロライナ州ローリー大学ビジネス管理局。³コンピューティングアンドインフォマティクスの学校、ドレクセル大学、フィラデルフィア、ペンシルバニア州、米国

対応：Fay Cobb Payton（fcpayton@ncsu.edu））

BMC Proceedings 2024、 18（8）：なれ

背景：MHealth and Health Information Technologyの出現により、エンジニアと臨床医は、モバイルデバイス、電子健康記録（EHR）、およびその他の情報通信技術（ICT）が意思決定のコンテキストにもたらす可能性を活用するために集まりました[1]。ICTは、臨床データのコミュニケーション、作成、普及、保存、および管理を促進するためのツールとリソースとして有益なユースケースを実証しています。しかし、黒人女性の出産経験における有害事象に関する落胆した統計を考えると、ICTの成功は、黒人の母親の体に関する知識、助産とドゥーラスによるケア治療[2]などのケア治療などを排除するべきではありません。ベースのケア前、妊娠中、妊娠後。

材料と方法：労働と出産の結果に関する黒人女性の好みの研究の不足があり続けています。黒人女性の妊娠関連死亡率は、非ヒスパニック系黒人女性の出生100,000人あたり39.9人であり、非ヒスパニック系の白人、アジア、ヒスパニック系の母親の14.1、12.8、および11.6と比較されます[3]。で公開された最近の作品アメリカ公衆衛生協会出版局[4]は、黒人女性の生殖健康に関連する複雑さを捉え、助産やドゥーラスの使用を含むより多くの全体的なアプローチを調べて、出産体験のより多くの公平性を提供します。

黒人女性の母体の出産の健康を特定するために、学術文献のコーパスを構築し、自然言語処理方法を使用してテーマを明らかにします。臨床医、ドゥーラス、助産師、潜在的に黒人の母親とのフォーカスグループを介してこれらの発見を三角測量して、出産体験のギャップを決定します。

結果：私たちの仕事は進行中です。私たちは、上記のものと三角測量されているため、データコーパスの結果を報告する準備ができています。しかし、私たちは、黒の体験を変える場合、出産体験、文化的に中心の出産の代替品、および代替モードがEHRとヘルスポータル[7]に比べて、出産体験、文化的に中心の出産の代替品と比較して、小さなデータ[5、6]を仮定しています。女性は事前ポストとプロセス中[8]。

結論：私たちは、ビッグデータへの過度の依存が、黒人女性の出産体験の専門知識と迷惑を捉えていない一方で、ケア提供のバイアスを高めることができないことを提案します[5]。EHRSは、Doulasなどのコミュニティベースの専門家の創意工夫を説明して、医療結果の改善を可能にし、黒人母体ケアの擁護を増幅するために再承認する必要があります[7]。この作業は、社会経済的階級、教育レベル、さらには住宅の郵便番号に依存しないこれらの悲惨な結果に対処するための健康政策の必要性を考えると重要です。

この要約は、電子ヘルスレコードコアブレイクアウトセッションで最高の口頭プレゼンテーションとして選択されました。

参照

1. 1。

   Otieno、G。O.、et al。電子医療記録システムの有効性の測定：ベンチマーク病院の複合インデックスの構築に向けて。International Journal of Medical Informatics。2008;77:10、657-669。

2. 2。

   Baillie、L.、Chadwick、S.、Mann、R。、およびBrooke-Read、M。、（2013）。実践的に電子健康記録システムを使用することを学習した学生看護師と助産師の経験、実際の看護師教育の調査。2013;13：5、437-441。

3. 3。

   慢性疾患予防および健康増進センター、生殖健康局。https://www.cdc.gov/reproductionhealth/maternal-mortality/pregnancy-mortality-surveillance-system.htm#race-ethnicity、最後に更新された2023年3月23日。

4. 4。

   Faustin、Y.F.、Black、K。Z。、およびHussey。私たちはモノリスではありません：キリスト降誕、人種差別、黒いディアスポラ全体の母親/乳児の健康。モス、R.D。（編）。黒人女性の生殖健康とセクシュアリティ：全体的な公衆衛生アプローチ、2023。203-213。

5. 5。

   ペイトン、F.C。少量のデータがなければ、ヘルスケアのAIは格差に貢献している、科学系アメリカ人、2023年9月。

6. 6。

   Hicklin、K.、Ivy、J.、Payton、F.C.、Kulkarni、V.、Viswanathan、M。、およびMyers、E。サービスサイエンス - 特別号前進医療サービス、2018年。

7. 7。

   Rogers、M。L。、＆Jeanty、J。患者のWebポータルの使用の理解：評価と使いやすさの研究

8. 8。

   Gebel C、Hodin S. Doula Careへのアクセスの拡大：連合の状態。2020。https://www.mhtf.org/2020/01/08/expanding-access-to-doula-care/#:~:text=State%20Doula%20Legislation,%3A%20Indiana%2C%20Oregon%20and%20Minnesota

Ramya Govindarajan、Judy Katz、Roy Simpson

看護学部、エモリー大学、アトランタ、ジョージア州、米国

対応：Ramya Govindarajan（rgovind@emory.edu））

BMC Proceedings 2024、 18（8）：O4

問題：看護師は、データを電子健康記録（EHRS）に入力する時間の35％以上を費やしています。しかし、ほとんどの人は、EHRデータを活用して看護知識を促進したり、ケアを改善したり、看護のコスト価値を示したりする方法を知りません。国内の専門組織は、10年以上にわたって看護教育における情報学の能力を求めています（例：2021AACNエッセンシャル）、ほとんどのアカデミックプログラムは、このようなカリキュラムを正常に実装していません。包括的なデータセットは、データサイエンスを教えるための不可欠なツールですが、そのようなビッグデータセットのコスト、複雑さ、アクセシビリティ、つまり教員の時間/知識は、一般的な障壁を当てています。

プロジェクト：プロジェクトネル^TM看護データサイエンスとその多様なアプリケーションの教育と学習のための一連のアプリケーションであり、情報学におけるその多様なアプリケーションです。看護師が看護師が設計した看護師が設計し、上記の長年の障壁に体系的に対処しています。Nellには、ジョージア州最大のヘルスケアシステムの1つであるEmory Healthcare Systemのヘルスケアデータが含まれています。Nellには、学生がビッグデータを探索/ダウンロードするための検索可能な大きなデータベース、ユーザーフレンドリーなフロントエンド、看護学生向けのデータサイエンスを紹介するeラーニングコース、独自のデータ辞書、いくつかの基本データ視覚化ツール、カスタム - カスタム -さまざまなレベルの看護学生のためにカリキュラムを作成し、さまざまなトピックをカバーする楽しいアニメーションビデオ。データベースには、ケア設定全体で1M+患者を表す32T+ deidentified Data Pointsが含まれています。Nell Resourcesは、たとえそれが主題自身に慣れていなくても、教員がデータサイエンスを教えるのを助けます。現在、ニュージャージー州ラトガース大学のエモリー大学の看護学生は、情報学コースでネルを使用してヘルスケアデータの知識を拡大しています。

学んだ教訓：学術機関でのデータサイエンスと情報学教育を開始するための一連のアプリケーションを開発するには、十分な時間と財源が必要です。医療システムのさまざまな部門からの大規模なデータ辞書を詳細に分析して、看護師、看護学生、教員、研究者の練習グループからのフォーカスグループを使用して、教育目的に関連する分野を抽出しました。データへの曝露が限られている人口に対応するには、実際のヘルスケアデータの複雑さを失うことなく、クエリプロセスをシンプルにするために革新的なアイデアを必要としました。最先端のテクノロジーは、安全な保管と迅速な検索に使用されました。すべての構造化されたデータと臨床ノートは、IRBクリアランスの合併症を避けるために医療データを使用するために除特定されました。全体として、看護学生のさまざまなグループと協力することは、非常にやりがいのある経験でした。私たちは、看護学生に実際の医療データを教育することを何年も教育することを楽しみにしています。

この要約は、電子ヘルスレコードコアブレイクアウトセッション2で最高の口頭プレゼンテーションとして選択されました。

マシュー・S・ハルデマン¹、メリッサ・ノーラン²、Smoomé-Joas Gass³、ヘンリー・ハイト²

¹米国サウスカロライナ大学コロンビア大学医学部家族および予防医学部。²米国サウスカロライナ大学、サウスカロライナ大学公衆衛生学部、疫学および生物統計学科。³米国サウスカロライナ大学公衆衛生学部の保健サービス、政策、管理局

対応：マシュー・S・ハルデマン（matthew.haldeman2@prismahealth.org））

BMC Proceedings 2024、 18（8）：兄弟

研究の目的：人間の寄生線虫のグループである土壌を伝達されたhelm虫（STH）は、世界集団の最大3分の1に影響を及ぼし、主に低リソース設定の貧困集団の間で持続します[1,2]。ステロールラウンド、STHの種は、サウスカロライナを含む米国南東部の農村部全体に持続することが知られていますが、進行中の監視がないため、高品質の有病率データは欠けています[2–4]。このプロジェクトは、（1）人間の推定電流の有病率を解明することを目的としていますstrongyloides感染、および（2）に関連する臨床疫学的リスク因子を評価するstrongyloidesサウスカロライナ州の住民の間の感染。

方法：人間の有病率を解明するために2つの補完的なアプローチが採用されましたstrongyloidesサウスカロライナ州の感染。まず、有病率を推定するために、積極的な監視が使用されましたstrongyloidesAll-in Covid-19研究からのバンク化された血清サンプルのサブセットの戦略的サンプリングによる血清学テスト。人口統計、社会経済、および露出データは、それらのオールイン研究参加者のアンケートからの人々のために照合されました。第二に、パッシブサーベイランスは、Prisma Health Systemの電子ヘルスレコードクエリを介して行われましたstrongyloides期間8/16/17-8/15/22の症例。人口統計学的、社会経済、リスク要因、および健康転帰データは、すべての肯定的な症例と2つのマッチングされたネガティブコントロールについて収集されました。両方について、ANOVAとFisherの正確な統計を使用して、血清陽性グループと血清陰性群の間で参加者の特性を比較しました。最後に、地理空間統計と、公衆衛生介入のための感染症予測モデルを作成するために採用されました。

結果：研究の過程で、の血清学的証拠について合計1,458個の血清サンプルをテストしましたstrongyloides、そのうち78（5.35％）が陽性でした。陽性の48（61.5％）は女性で、30（38.5％）は男性でした。血清陽性の参加者の年齢分布は、64ヨーの年齢層で最も高い血清陽性を持つバイモーダル分布を示し、55-64YOグループと18-24YOグループがそれに続きました。血清陽性の最大の郡にはチェスターフィールドとフィレンツェが含まれていましたが、スパルタンバーグ、アレンデール、ハンプトン、コレトン、オレンジバーグ、ヨーク、ユニオン郡にも大きな積極性がありました。Prisma Healthでの電子健康記録のレビューでは、診断された合計26人の患者が明らかになりましたstrongyloides、そのうち20人（76.9％）が重要な国際旅行を記録し、7人（26.9％）が難民の地位文書を持っていました。6（23.1％）には、旅行履歴が記録されていませんでした。両方のために、人口統計学的、社会経済的、曝露要因の統計分析、および地理空間分析は保留中であり、2024年1月31日までに完了します。

議論：この研究では、の小さいながらも交渉できない有病率が見つかりましたstrongyloidesサウスカロライナ州の住民の中で、国際旅行をしている人たちとない人の間では、完全な分析がまだ保留されています。これに照らして、strongyloidesそして、おそらく他のSTHは、サウスカロライナで以前予想よりも普及している可能性があります。ほとんどの臨床医がこの病気に気づいていないことを考えると、それだけで検査または治療する方法だけです - strongyloides州の公衆衛生に対する免責されていない脅威かもしれません。サウスカロライナ州のストロングロイドの負担と地理空間分布をよりよく特徴付けるには、さらなる研究が必要になります。

参照

1. 1。

   James SL、Abate D、Abate KH、Abay SM、Abbafati C、Abbasi N、他グローバル、地域、および国家の発生率、有病率、および年は、195か国と領土の354の疾患と怪我のために障害とともに生きました。2018年11月; 392（10159）：1789–858。

2. 2。

   Montgomery SP、Starr MC。米国における土壌移動helm虫症：系統的レビュー - 1940〜 2010年。Am J Trop Med Hyg。2011年10月1日; 85（4）：680–4。

3. 3。

   Hotez PJ。アメリカ合衆国の貧困の無視された感染。plos negl trop dis。2008年6月25日; 2（6）：E256。

4. 4。

   リンMK、モリッシーJA、保存DF。米国の土壌移動helm虫：疫学的調査の強化の道のための5つの一般的な寄生虫と将来の方向のレビュー。Curr Trop MedRep。2021Mar 30; 8（1）：32–42。

コリンズ・イマーヒアグ¹、デビッド・ウダンウホ¹、イボニ・フィリップス¹、レイ・デスモンド・ウメチネウ¹、私の汗をかいた染料¹、 ろ背 医場にチュカ¹、ペディアド誰も¹、若者の質¹、Evelyn Urueye¹、フランシス・オギリマ¹、ピウス・クリストファー・イゼア¹、バビロンの禁止¹、オプションを添加します²、リリアン・アノムナチ²、Oolajo Jaiyeola²、ダミラ・オラニアン²

¹ナイジェリア、アブジャ、統合保健プログラムセンター。²技術的なアドバイスConnect、アブジャ、ナイジェリア

対応：コリンズimarhiagbe（cimarhiagbe@cihpng.org））

BMC Proceedings 2024、 18（8）：O6

問題：カドゥナ州は、生殖年齢の200万人の女性を抱えており、23の地方自治体地域（LGA）にわたって、複数のドナーがサポートする母性新生児の青年期の健康と栄養（RMNCAH+N）介入を実装しています。この多様性の介入は、重要なデータ要素としての主要パフォーマンスインジケーター（KPI）のプロセス監視に必要な公式National District Health Information System（DHIS）プラットフォームを介して、データ収集、報告、および主要なRMNCAH+Nインジケーターの容易な視覚化の課題となりました。多くの場合、DHISインスタンスでは利用できません。州による迅速な更新のアクセス不能は、保健当局やその他の利害関係者による複数のExcelスプレッドシートの使用につながり、断片化された表形式のデータプレゼンテーション、分析の退屈なプロセス、およびトレンド分析のための最小限のデータ視覚化につながりました（図1）。これらの課題を緩和するために、Technical Advice Connectは、Bill and Melinda Gates Foundationの資金とともに、統合された健康プログラムのためのセンターをサポートし、Kaduna州政府にRMNCAH+に関する十分な情報に基づいた決定のためのデータを作成し、視覚化するためのダッシュボードを作成し、視覚化するための技術支援を提供しました。nグループ出生時ケアモデルを介したRMNCAH+N介入の取り込みを拡大する介入の一部としてのパフォーマンス。

プロジェクトの説明：RMNCAH+Nの技術ワーキンググループとのコンサルティングプロセスを通じて、ダッシュボードの作成のためのデータのニーズが特定され、KPIに沿ってレビューされました。電子ダッシュボードは、施設、LGA、および州レベルの状態RMNCAH+Nの日常的なサービスデータを視覚化および共有するように設計されています。電子ダッシュボードの開発は、さまざまなユーザーレベルで制御されたアクセスを伴うWebポータルに統合されたTableau埋め込み分析を使用して、2021年1月に開始され、45日間にわたって完了しました。

ダッシュボードは、State、LGA、Ward、施設レベルで2017年から2021年までの利用可能なデータを使用して、250を超えるインジケータを識別し、簡単にナビゲートされたフィルターを使用した年齢、性別、および介入モードの分解を視覚化します。ダッシュボードは、アプリケーションプログラミングインターフェイス（API）を介してDHIS2にリンクされ、1つの画面にストーリーボードとして表示されるRMNCAH+Nプログラム領域のデータ分析がありました。

設計、開発、およびテスト段階は、2022年4月に最終出版物を導くダッシュボードのデモを行う主要な政府の保健機関が関与する3つの反復レビュー会議を通過しました。ダッシュボードと、必要なサポートをユーザーに提供します。

学んだ教訓：2022年4月のRMNCAH+Nダッシュボードの実装では、それぞれRMNCAH+N介入のすべてのコンポーネントから少なくとも250個のインジケータが正常に報告されました。その使用について訓練された27人の州当局にアクセスが提供されました。ダッシュボードは、プログラムの意思決定、追跡、および監視を改善するためのデータのほぼリアルタイムのレビューと自動分析に役立ちました。家族計画の取り込み、妊婦による病院の配達、予防接種などのRMNCAH+Nの結果を監視していました。これは、州当局によるMNCH介入の監視と、母親の転帰の全体的な改善のためのプロセスの所有権を大幅に改善する可能性を秘めています（図2）。

結論：RMNCAH+Nダッシュボードは、集団の健康を担当する利害関係者の意思決定を改善するために重要なデータの可視性とアクセシビリティを高めたデジタル介入の成功でした。

アンドリュー・T・カチンスキー¹、Shirelle H. Hallum¹、アンナ。チュパック¹、エリン・N・ルーニー¹、ケルシー・M・トーマス¹、エレノア・ウィザースプーン¹、ネイサンH.フイン²

¹米国サウスカロライナ大学公衆衛生学部の保健促進、教育、行動局。²ネブラスカ大学リンカーン大学エンジニアリング大学、米国リンカーン、米国、リンカーン学科

対応：アンドリュー・T・カチンスキー（atkaczyn@mailbox.sc.edu））

BMC Proceedings 2024、 18（8）：ああ

目的：近隣の不利益と歩行者と自転車のcrash落についての研究は、積極的な輸送の速度を制御しており、積極的なクラッシュと健康格差がひどいか、複数の社会人口学的指標の包括的な指標を採用している米国南東部でこの関係を調べました。この研究では、サウスカロライナ州（SC）全体の社会的脆弱性（SV）のレベル（SV）に従って、歩行者と自転車のクラッシュの相対的な割合の不平等を調べることにより、これらのギャップに対処します。

方法：SVデータとその4つの次元（CDC SVインデックスで測定されたように、SVデータとその4つの次元（CDC SVインデックスで測定されたように、すべての国勢調査地域で測定された（住宅/民族的地位、住宅タイプ、輸送）が編集されました。n= 1,103）sc内。歩行者を含む2011年から2021年の間のすべてのクラッシュのデータ（n= 10,688）および/または自転車（n= 4,802）は、SCの運輸省から取得され、それぞれの地域にジオコードされました。総平均歩行者と自転車のクラッシュの重症度（同等の物質損傷のみ）も、各地域について計算されました。クラッシュ頻度と重大度の両方のスコアは、街灯データに基づいて、道路内の歩行および自転車旅行の年間平均数を使用して調整されました。混合モデルの線形回帰は、SV全体とその4つの次元と4つのクラッシュ測定の間の関係を分析しました。歩行者の衝突頻度、自転車の衝突頻度、歩行者のクラッシュの重症度、自転車のクラッシュの重症度。都市部と農村部の層分析が行われました。

結果：全体的なSVは、都市部の4つのクラッシュ結果すべてと積極的かつ有意に関連していましたが、農村部ではありません。旅行あたりの歩行者のcrash落（B = 0.048、SE = 0.012）、旅行あたりの歩行者の衝突の重症度（B = 9.018、SE = 2.516）、旅行あたりの自転車のクラッシュ（b = 0.093、SE = 0.029）、および自転車は旅行あたりの重大度（b = 16.370、SE = 5.482）。SVの社会経済的地位と家庭構成と障害の側面についても同様の結果が観察されました。

議論：都市部では、より大きなSVは、より深刻な歩行者およびサイクリストのcrash落の結果に関連しています。積極的な輸送の安全性と公衆衛生を改善するには、ターゲットを絞ったポリシー、プログラム、およびインフラストラクチャの介入が必要です。

モリー¹xing hu a²、マイケルC.ウー²、ni zhao³

¹米国ルイジアナ州ラファイエットのルイジアナ大学数学科。²米国ワシントン州シアトルのフレッド・ハッチンソンがんセンターの公衆衛生科学部。³ジョンズホプキンス大学、米国メリーランド州ボルチモア大学生物統計学科

対応：マイケルC.ウー（mcwu@fredhutch.org）;nzhao10@jhu.edu））

BMC Proceedings 2024、 18（8）：O8

背景：この研究は、T細胞受容体（TCR）の多様性分析に対するライブラリーサイズの変動の影響に対処し、一般的に使用される「全体的な希少性」方法を具体的に評価することに焦点を当てています。シーケンス実験における読み取りの総数を表すライブラリサイズは、サンプル間で大幅に異なる可能性があり、アルファの多様性の正確な推定と比較を複雑にします。「全体的な希少な」アプローチはこの問題に対処するために広く適用されていますが、その有効性は厳密に評価されていません。

方法：この研究では、シミュレーションを実施し、既知のサイトメガロウイルス（CMV）セロスタトスを使用した666人の健康な骨髄ドナーからの実際のTCRデータを分析しました。CMV Serostatusの陽性および陰性をテストした患者からのサンプル間のTCR配列合計読み取りで系統的な違いが観察されました。実際のTCRデータは、CMVセロスタス陽性および陰性をテストする患者からのサンプル間のTCRシーケンス合計読み取りの体系的な違いを明らかにしました。この問題に応じて、アルファの多様性に対するライブラリサイズの交絡効果を効果的に制御するために、革新的で堅牢な希薄化アプローチを提案しました。

結果：シミュレートされたデータと実世界のCMVデータの両方を使用した広範なシミュレーションの結果は、ライブラリサイズの交絡効果を制御する上で「全体的に希薄化」方法の不十分さを実証しました。対照的に、提案されている希薄化アプローチは、関連テストでより優れたタイプIエラー率と統計力の強化を達成することにより、優れた性能を示しました。この方法は、他の正規化戦略を上回り、特にシーケンス合計読み取りが大きいサンプルのサンプルとサンプルシーケンス読み取りの損失を大幅に減らしました。

結論：結論として、この研究では、ライブラリサイズのバリエーションに対処する際の「全体的な希薄化」方法の制限を強調し、TCR多様性分析のためのより効果的なソリューションとして新しいレアファクションアプローチを導入します。提案された方法は、優れた統計力を示し、この分野の研究者に貴重なツールを提供します。

アンジェラD.リーディング¹、Rabins Wosti²、j iaはy iをすべきです¹、キャロラインA.ルディシル³ジハードp。奴隷⁴、アレックス・ユーイング⁵、bo cai¹

¹米国サウスカロライナ大学、サウスカロライナ大学公衆衛生学部、疫学および生物統計学科。²サウスカロライナ大学、サウスカロライナ大学、サウスカロライナ大学、コンピュータサイエンスアンドエンジニアリング学部。³米国サウスカロライナ大学公衆衛生学部の保健促進、教育、行動局。⁴米国サウスカロライナ州チャールストン、サウスカロライナ医科大学公衆衛生科学科。⁵Prisma Health Data Support Core、Prisma Health、グリーンビル、SC、米国

対応：アンジェラD.リーディング（liese@mailbox.sc.edu））

BMC Proceedings 2024、 18（8）：として

問題：電子健康記録（EHR）からのデータの利用可能性の増加は、より費用対効果が高く、タイムリーで、持続可能な公衆衛生監視の新しい時代の前兆として宣伝されています。特に1型糖尿病については、発症後すぐに治療を必要とする急性合併症に関連しているため、小児糖尿病は本質的にEHRベースの研究に役立ちます。サウスカロライナ州（SC）州で伝統的な活発な小児糖尿病監視を20年間行った後、EHRデータのみに依存して、SCで新しい小児監視の取り組みが開始されました。

プロジェクト：データ抽出、国家共通データモデル（CDM）、伝送、および分析への変換、変換、および分析を支配するEHRベースの監視を使用して、小児糖尿病の有病率を決定するためのプロトコルが開発されました。小児糖尿病の症例の確認は、支払者に関係なく、州全体で資格のある医療サイト全体で入院患者および外来患者の出会いにおける特定のICDコードの存在に基づいていました。表現型を定義するために使用されるその他のデータには、糖尿病に関連する診断テスト（および関連する値、グルコースやHBA1cなど）および薬物が含まれます。ここでは、プロセス関連の経験と学んだ教訓を説明することを目指しています。

学んだ教訓：SCデータ確認ネットワークには、以前に糖尿病研究の検索に従事していたプロバイダーと機関が含まれていました。提案された10の機関のうち、全国のPcornet CDMにコード化されたデータは1つだけで、確認されたデータを調和させるための大幅な努力が得られました。領収書へのデータのリクエストの間の時間は2か月から6か月の範囲であり、最初に受信したデータは一般に更新する必要がありました。残念ながら、いくつかの機関は、データ管理リソースの不足と研究における人間の被験者の保護の訓練を受けた人員の不足を挙げて、EHRベースのプロジェクトへの参加を拒否しました。ある大規模な機関のEHRの別のEHRベンダーへの移行は、予期せぬアクセス障壁を作成し、最終的に移行前にレガシーデータへのアクセスを妨げました。

これまでの経験は、SCの小児糖尿病の監視のために、EHRデータのみに依存していること、つまり医療文書と請求コードのために収集されたデータがいくつかの課題を抱えていることを示唆しています。SCのすべての主要なヘルスケアシステムによる1つのCDMの採用の欠如、または支払人に関係なくすべての遭遇タイプを含む州全体のEHRデータウェアハウスの入手可能性は、SCのEHRベースの研究のハードルである可能性があります。将来の全国的に資金提供された開発。

ジェニファーT. 5月¹、Swann Arp Adams^1,2

¹米国サウスカロライナ大学、サウスカロライナ大学看護大学のバイオベーハイオール看護科学科。²米国サウスカロライナ大学アーノルド公衆衛生学部疫学および生物統計学科

対応：ジェニファーT.メイ（jm293@mailbox.sc.edu））

BMC Proceedings 2024、 18（8）：O10

勉強の目的：レズビアン、ゲイ、バイセクシュアル、トランスジェンダー、クィア、およびその他の性的および性別の少数派（LGBTQ+）の大人は、非LGBTQ+大人と比較して健康格差を経験します（1、2）。米国には2,000万人のLGBTQ+大人がいます（3）、および140万人のトランスジェンダー成人（2）のうち。LGBTQ+の成人は、一般的な健康状態の低下、精神的苦痛、障害の可能性の高い割合を示す可能性が高くなります。LGBTQ+の年配の成人の80％以上が、性的指向または性同一性（SOGI）の認識のために、少なくとも一度は差別または被害を経験しています。差別と被害の経験は、ヘルスケアへのアクセスや健康上の結果へのアクセスの困難に関連しています。その結果、近年、LGBTQ+集団の臨床ケアの改善への関心が高まっています。この分野の重要な障壁は、これらの個人を識別するデータがないことです。これは、この情報を利用してこの脆弱なグループに害を及ぼす可能性によってさらに複雑になっています。その結果、この研究の目的は、サウスカロライナ統合データウェアハウス（SCIDW）を使用して、サウスカロライナ州のLGBTQ+成人に関するデータの可用性を評価することでした。

方法：SOGIデータの可用性を調べるために、連続混合方法研究を実施しました。主要な情報提供者インタビューを使用して、サウスカロライナ統合データウェアハウスでの潜在的な可用性とSOGIデータのソースを測定するために使用されました。この情報を使用して、インタビューで指定されたソースから特定のトランスジェンダーICD-9またはICD-10コードを使用して、成人（18歳以上）の2000〜2022データの記述データ分析を実施しました。

結果：SCIDWで利用可能なデータには、倉庫のメンバーである州機関や組織からのSOGIデータは含まれていません。トランスジェンダーの成人人口は、特定のICD-9、ICD-10、およびDSM-5コードを通じて調査できます。記録数と特定されたユニークな個人は、SCIDWの各データソースから計算されました。

議論：SCIDWのメンバーである州機関と組織がSOGIデータを個別に収集している可能性があることは除外することはできませんが、特定のソースからの限られたデータのみを確認することができました。SOGIデータへのアクセスの欠如（収集されている場合）は、サウスカロライナ州のLGBTQ+市民の格差と資源のニーズを研究する際の調査結果のバイアスにつながる可能性があります。

サウスカロライナ統合データウェアハウスは堅牢であり、サウスカロライナ州全体で格差と資源のニーズを理解するのに不可欠です。SOGIデータが収集された場合、SOGIデータを要求するオプションを提供する安全で保護的な方法を開発することをお勧めします。州の組織や機関がSOGIデータを収集していない場合は、収集を義務付けることをお勧めします。完全なSOGIデータがなければ、政策立案者、研究者、コミュニティ組織、およびSCIDWを使用する他の人々は、サウスカロライナのLGBTQ+市民の独自のニーズを完全には理解していません。これらの集団間の健康格差を減らすために、調整された介入とプログラムの開発にはギャップがあります。

ラトヤ・マクドナルド¹、メリンダ・ハーマン¹、ケーシー・ホプキンス²、ユリア・ユルコ³

¹米国サウスカロライナ州クレムソンのクレムソン大学バイオエンジニアリング局。²米国サウスカロライナ州クレムソンのクレムソン大学看護学部;³米国サウスカロライナ州グリーンビル、プリスマヘルスアップステート、コロンおよび直腸手術部門

対応：ラトヤマクドナルド（latoyam@g.clemson.edu））

BMC Proceedings 2024、 18（8）：O11

導入：オストミー手術後の患者の安全性と結果は、認定オストミーケア看護師（COCN）へのアクセスを含む複数の要因に依存しています[1,2]。ただし、コミュニティケア（<10％）または農村部（<2％）の設定[5,6]で動作するCOCNはほとんどいません。看護師と患者の相互作用（NPI）は、電子健康記録（EHRS）に看護師のメモとして文書化されています。これは、システム分析において高レベルの有用なリスク要因情報と複雑さと因子抽出を持っています。これにより、EHRSはエビデンスに基づいた実践のための極めて重要なリソースになります[7,8]。

さらに、EHRのデータは、抽出するために異なるデジタルツールを必要とするフローシート（コード化されたデータ）またはフリーテキスト入力（非コードデータ）に構造化されています。データベース（KDD）での知識発見などのリソースやNIH統一医療言語システムメタソーラス（UMLSM）は、さまざまなプラットフォームでパターンと用語を特定するための貴重なツールです[3,4,9,10]。EHRに適用されるKDDアプローチを介したUMLSMなどのNIHリソース[10]を使用した機械学習手法は、NPIを分析するためのツールを提供し、Ostomy看護のための分類法の開発を支援することができます。

目的：機械学習自然言語処理（NLP）の方法論を特定して適用するには、EHRデータからOstomy看護ケアの分類法を開発するための方法論。

方法：このIRBが承認した遡及的研究には、のコホートが含まれていましたn= IleoStomyまたはIleoStomyのCPTコードを持つ14人の患者。EHRSから抽出されたデータには、コード化されたデータ（人口統計、病歴、結果）および非コード化されたデータ（看護師の資格情報、オストミー手術の120日以内に構造化されていない看護師のメモ）が含まれていました。訓練を受けた医療専門家は、看護師のメモから手動でテキストを抽出し、オストミー固有の患者安全イベントを特定し、登録看護師（RN）とCOCNSが提供するOSTOMY看護ケアの種類を分類しました。

独立した単語の使用頻度と用語頻度の文書頻度（TFIDF）は、ノートの個別の単語に単語が含まれている回数として定義されました。UMLSデータベースは、代替名とアプリケーションを識別するために使用されました。NLP分類を使用して、データを識別して分類しました。トークン化とlemmatizationを使用して、EHR非コードデータから重要な用語を抽出しました。単語マッピングは、潜在的なセマンティックおよび構文関係を理解するためにも使用されました。

結果：この予備分析では、合計513個のNPIが分析されました。相互作用の約55％はRNSから、45％がCOCNからであり、RNとCOCNノートの間の単語頻度の変動がありました（図1）。単語の頻度に基づいて、テキストと使用頻度内の共起に基づいて、12の高周波ヘッダーと10のTFIDFヘッダーが特定されました。（図2）

結論：この研究では、機械学習EHR分析をサポートして、看護師がオストミーケアで使用しているさまざまな言語を特定します。予備的な結果に基づいて、NLPアプリケーションを使用して、RNSとCOCNの言語の違いを特定できます。キーワード、重要な用語、および主要な単語は、高周波やTF-IDFなどのNLPアプリケーションを使用して配置できます。（図1、図2）。このプロジェクトの将来の作業は、オストミーケアの有用な分類法を決定するための機械学習方法論を通じて、オストミー看護に適用される条件を定義、マッピング、および比較検討することを目的としています。

この要約は、センシングと診断のコアブレイクアウトセッションのためのAIで最高の口頭プレゼンテーションとして選択されました

参照

1. 1。

   Coca C、Fernándezde Larrinoa I、Serrano R、García-Llana H.オストミーの人の健康関連の生活の質に対する専門実践看護ケアの影響。j創傷オストミーの看護師。2015; 42（3）：257-263。https://doi.org/10.1097/WON.0000000000000126。

2. 2。

   ミラーLR。オストミー手術とアメリカのユナイテッドオストミー協会の入院中のオストミーケア患者患者の権利章典：横断的研究。j創傷オストミーの看護師。2020; 47（6）：589-593。https://doi.org/10.1097/WON.0000000000000709。

3. 3。

   saaty tl。決定を下す方法：分析階層プロセス。J運用Res Soc。1973; 24（6）：19-43。から入手可能：https://www.jstor.org/stable/25061950。

4. 4。

   Saaty TL、Katz JM。決定を下す方法：分析階層プロセス。Eur J Operational Res。1990; 48（1）：9-26。https://doi.org/10.1016/0377-2217(90)90057-I。

5. 5。

   Berti-Hearn L、Elliott B.閉鎖患者の看護とセルフケアへの移行を改善するためのリソースガイド。在宅医療は今。2018; 36（1）：43-49。https://doi.org/10.1097/NHH.0000000000000643。PMID：29298196。

6. 6。

   Boyle DK、Bergquist-Beringer S、Cramer E.急性期治療病院における傷、オストミー、およびContinence認定看護師と医療施設の関係。j創傷オストミーの看護師。2017; 44（3）：283-292。https://doi.org/10.1097/WON.0000000000000327。

7. 7。

   USLU A.病院ケアの電子医療記録のJValue。J Med Syst。2021; 23（12）：E26323。https://doi.org/10.2196/26323。

8. 8。

   世界保健機関。健康のための人的資源に関するグローバル戦略：労働力2030. 2016年。https://www.who.int/hrh/resources/globstrathrh-2030/en/。

9. 9。

   Schott LL、Eaves D、Inglese G、Sinha M.腹部のオストミー手術を受けている個人の特性、滞在病院の長さ、および再入院：米国の大規模な医療データベースのレビュー。j創傷オストミーの看護師。2022; 49（6）：529-539。https://doi.org/10.1097/WON.0000000000000922。

10. 10。

    Turner M、Ive J、Velupillai S.臨床NLPにおける言語の不確実性：分類法、データセット、およびアプローチ。In：コンピューターサイエンスの講義ノート。LNCS、ボリューム12880。会議用紙。最初のオンライン：2021年9月14日。doi：[利用可能な場合はdoiを追加]。

Hu Anning¹、z非常に長いl i^2,3,4、マンマスターY u¹、shiの言葉チャン¹

¹ペンシルベニア州立大学、ペンシルベニア州立大学、ペンシルベニア州地理学科。²サウスカロライナ州サウスカロライナ大学、サウスカロライナ大学、サウスカロライナ大学、サウスカロライナスマートステートセンター³サウスカロライナ大学、コロンビア、サウスカロライナ州、ビッグデータヘルスサイエンスセンター。⁴米国サウスカロライナ大学、サウスカロライナ大学、芸術科学大学地理学科、地理学およびビッグデータ研究研究所

対応：Hu Anning（hmn5304@psu.edu））

BMC Proceedings 2024、 18（8）：O12

学習目標：この研究では、高解像度の動的集団マップ、ハザード曝露推定[1]や感染性疾患伝播[2,3]などの社会経済分析と研究の基本的なデータセットの作成に焦点を当てています。米国では、国勢調査局は静的人口の推定値を提供し、最も詳細なレベルは近隣（ブロックグループ）レベルです。毎年、Landscan [4] Datasetは、昼間と夜間の推定値を約90メートルの解像度に含むグリッド型の人口マップを提供しています。ただし、平日の都市部での大気汚染曝露を推定するなど、微細な動的な分析を促進するために、毎日や1時間ごとのような高い時間分解能を提供する人口マップはほとんどありません。この研究では、スマートフォンベースのヒューマンモビリティデータ（ADVANパターン）を使用して、米国の各近隣の1時間ごとの母集団を再構築する方法を提案します。時空間スケール。

方法：ADVAN（AdvanResearch.com）からHuman Mobility Dataset、Neighborhood Patternsを収集しました。このデータセットは、スマートデバイスのロケーションデータから派生しており、毎月、在宅国勢調査ブロックグループ（CBG）から他のCBGに追跡されたデバイスカウントが含まれており、各CBGの時間ごとのデバイスの停止がカウントされます。この研究では、各CBGの1時間ごとのインバウンドおよびアウトバウンドフローを復元するために、反復比例フィッティング（IPF）を採用しました。次に、国勢調査の年間集団に従って1時間ごとのCBG人口を計算しました。調査地域は米国であり、期間は2023年6月です。

予備的な結果：予備的な結果は、各CBGの1時間ごとの母集団で構成されています。陸地の昼間のグレートされた人口と比較して、総郡レベルではその差は約20％です。ニューヨーク郡（マンハッタン地域）の場合、陸地からの昼間の人口は340万人で、平日の正午の人口は結果が近い（図1、266百万、79.2％）が、都市への旅行者は都市への旅行者を考慮することはありません。データの制限に。夜間の人口は約200万人で、以前の研究[5]に合わせています。CBGレベルでは、我々の結果は、陸上データと比較して約80％の差があります。

議論：1時間ごとの人口データは、大気汚染の暴露や医療施設への交通シミュレーションなど、急速な環境の変化を伴う公衆衛生研究の形成的です。私たちは、動的な人口を使用して包括的な公衆衛生研究を提唱しています。この研究の制限に注目する価値があります。1）複数の仮定が採用されましたが、実際には、訪問者のホームCBG分布が毎月の分布と同じであるなど、必ずしも真実ではありません。2）動的集団の更新されて信頼できる観察は、時間給の推定値を包括的に検証するために制限されています。

参照

1. 1。

   M. Yu、S。Zhang、K。Zhang、J。Yin、M。Varela、およびJ. Miao、「低コストセンサー、自動機械学習、および大きな人間のモビリティを統合することにより、高解像度PM2.5暴露モデルの開発データ、"環境科学のフロンティア、Vol。11、2023、アクセス：2023年12月4日。[オンライン]。利用可能：https://www.frontiersin.org/articles/10.3389/fenvs.2023.1223160S。

2. 2。

   チャンet al。、「Covid-19のモビリティネットワークモデルは、不平等を説明し、再開することを知らせます」自然、Vol。589、いいえ。7840、アート。いいえ。7840、2021年1月、https://doi.org/10.1038/s41586-020-2923-3。

3. 3。

   H.ニンet al。、「人間のモビリティデータとSEIRモデルを使用した近隣レベルシミュレーションを使用したCovid-19の地理的伝送パターンの明らかな：サウスカロライナのケーススタディ」Applied Earth Observation and GeoinformationのInternational Journal、Vol。118、p。103246、2023年4月、https://doi.org/10.1016/j.jag.2023.103246。

4. 4。

   E.ウェーバー、J。モール、S。ウェストン、A。ローズ、C。ブレルズフォード、およびT.ハウザー、「Landscan USA 2021」オークリッジ国立研究所、テネシー州オークリッジ、2022年。https://doi.org/10.48690/1527701。

5. 5。

   M. L.モスとC.チン、「マンハッタンの動的な人口」、NYU Wagner公共サービスワーキングペーパー、2012年、アクセス：2023年11月14日。[オンライン]。利用可能：https://www.academia.edu/download/76316859/dynamic_pop_manhattan.pd

Damilare 2番目¹、 関数²

¹ヘルスケア情報学、大学の基本および応用科学大学、ミドルテネシー州立大学、マーフリーズボロ、テネシー州、米国。²米国テネシー州マーフリーズボロ、ミドルテネシー州立大学工学技術科

対応：function flujb（misagh.faezipour@mtsu.edu））

BMC Proceedings 2024、 18（8）：O13

導入：人工知能（AI）は、効率、意思決定、顧客の相互作用、全体的な競争力の改善を通じて、幅広い産業を再構築する変革力です。エンターテインメント、ビジネス、ヘルスケアを含む現代生活のすべての側面は、ビッグデータと機械学習の影響を受けています[1]。グローバルな老化、慢性疾患の増加、および健康上の課題により、医療の需要が高まり、患者の待ち時間が長くなり、より多くの医療専門家が緊急に必要になります。臨床意思決定サポートシステムなどのAIは、医療エラーを減らしながら、医療提供の均一性と効率を改善することができます[2]。キーワード分析によると、AIは医師が患者を診断し、病気がどのように広がるかを予測し、治療計画をカスタマイズするのに役立ちます[3]。この研究の目的は、機械学習とディープラーニングが診断および処方の推奨システムを作成して、医療専門家がより効率的なサービスを患者により提供する方法を示すことを目的としています。

目的

• AIベースの診断システムを開発します

• 電子健康記録を統合します

• システムの精度を検証および評価します。

方法論

• AIシステムをテストおよびトレーニングするために、代表的なデータセットとさまざまなデータセットを取得します。患者の人口統計、過去の診断、治療結果、電子健康記録、および表1に見られるその他の関連する臨床データを取り入れています。

• 準備されたデータセットを使用して、ランダムフォレスト分類子モデルを作成およびトレーニングし、精度、感度、および特異性を最適化します。

結果：医学の予測処方の精度の約88％がモデルで達成されました。80〜20の列車テストの分割で287行のデータセットが使用されました。より大きなデータセットでは、精度が増加すると予想されます。ヘルスケアの提供の効率も、このようなAIシステムを臨床ワークフローに統合することにより改善すると予想されます。これは、より迅速な処方の決定、より迅速な診断の回転時間、および利用可能なヘルスケアリソースのより効率的な使用として表示される可能性があります。

結論：特に診断および処方の推奨システムの作成と応用を通じて、医療分野でAIを使用してヘルスケアの提供を強化する大きな可能性があります。人工知能とヘルスケアの提供の統合は、患者の転帰の強化を提供し、診断精度を向上させることにより、セクターを変革する大きな可能性を秘めています。

参照

1. 1。

   Secinaro S、Calandra D、Secinaro A、Muthurangon V、Biancone P.ヘルスケアにおける人工知能の役割：構造化された文献レビュー。BMC MedはDecis Makを通知します。2021;21：1-23。

2. 2。

   Tadiboina S. N.ヘルスケアにおける人工知能の利点。Webology。2021;18（5）：3779-3785。

3. 3。

   Reddy S、Fox J、Purohit M. P.人工知能対応ヘルスケア配信。J R Soc Med。2019;112（1）：22-28。

Refilwe Nancy Phaswana-Mafuya^1,2、エディスを広げます^1,2

¹南アフリカ医学研究評議会/ヨハネスブルグ大学（SAMRC/UJ） - パンアフリカ疫学研究センター（ペーサー）南アフリカ、ヨハネスブルグヨハネスブルグの外国部門。²ヨハネスブルグ大学ヨハネスブルグ、ヨハネスブルグ、南アフリカ環境衛生省

対応：Refilwe Nancy Phaswana-Mafuya（refilwep@uj.ac.za））

BMC Proceedings 2024、 18（8）：O14

問題：現在、主要な集団（KP）HIV監視とプログラミングデータが収集され、サハラ以南のアフリカに保存される中央の場所はありません。KPSに関するデータは、多数の利害関係者によって小規模で収集されています。さまざまなデータソースを活用する機会があります。デジタルデータプラットフォームであるBoloka Dataリポジトリは、KPS間のHIVの理解とモニタープログラムターゲットの理解を向上させるためのデータストレージおよびその後の分析の集中メカニズムとして開発されています。この集中標準化されたデータベースは、南アフリカの「HIV、性感染症、結核のための国家戦略計画（2023〜2028）」に向けた進捗を評価するのに役立ちます。2030年までに。

プロジェクト：このペーパーでは、ボロカプロジェクトのデータストレージ、管理、および調和（ステージ3および4）がこれまで展開した方法について説明します（図1を参照）。データは、制限されたアクセス制御のステージング領域に配置されています。RedCapは、HIVの不均一性の理解を改善するレベルとスケールで多くの必要なタイムリーな情報を提供できるように、データの調和に使用されています。データは前処理され、標準化された形式に変換され、構造化されたが柔軟で更新可能なデータリポジトリが作成されます。これには、データのクリーニング、変換、統合が含まれ、分析のためにデータを完成させることができます。さまざまなタイプとサイズのデータを保存するために、さまざまなオプションが検討されています。この目的のために、データ調和プロセスを導くボロカ調和ツールを開発しました。

学んだ教訓：プロジェクトの開始時にデータストレージ容量と汎用性を事前に決定することが重要です。データの調和に考慮すべきニュアンスがあります。そのようなハードルに対処すると、高レベルの統合分析の可能性は手ごわいです。メタデータの品質管理と、ハーネスされたデータと統合する方法が必要です。データ調和ツールには、メタデータ制御、データのトレーサビリティ、セキュリティなどの重要な機能が必要です。データストレージ、管理、調和のギャップに対処するためのトレーニングが必要です。

タマラ・L・シェルドン、クリスタル・チャン

米国サウスカロライナ大学サウスカロライナ大学、ダーラムーアビジネススクール、経済学科

対応：タマラL.シェルドン（tamara.sheldon@moore.sc.edu））

BMC Proceedings 2024、 18（8）：O15

背景：気候変動は干ばつの増加と温度の上昇につながり、それがより多くの山火事と山火事の煙を引き起こしている[1,2]。メンタルヘルスと山火事に関する研究は非常に限られています[3]が、微粒子物質への慢性暴露という証拠があります（PM_2.5）精神疾患の生理学的要因である可能性があります[4]。私たちは、精神的健康に対する山火事曝露の影響を評価します。

方法：火災ポイントで高解像度のNASA衛星ジオダタを山火事駆動型PMと組み合わせます_2.5濃度[5]暴露領域を正確に評価する。Nielseniqから、うつ病/不安を含む自己報告された病気に関する個人レベルのデータを全国代表パネル（約50,000人の回答者）に取得します。2つの山火事データセットを郵便番号でNielseniqデータにリンクして、2011年から2017年までの年間世帯、社会人口統計学的特性、居住郡、山火事および山火事の煙暴露のさまざまな尺度を取得し、および世帯員が過去6か月間にうつ病/不安を経験したかどうか。この分析をカリフォルニアに限定します。カリフォルニアはどちらも頻繁に山火事の対象となり、人口密度が高く、Nielseniqデータのサンプルサイズが比較的大きくなります。サンプル全体で、世帯の14.5％がうつ病/不安を経験している世帯主を報告しています。

結果：双方向固定効果ロジットとプロビットモデルを推定して、家庭の特徴と時間の傾向を制御して、山火事への暴露後に世帯員がうつ病を経験する確率を予測します。山火事の曝露の5つの測定値をテストします。1）家庭の郵便番号に山火事があったかどうかの指標前の暦年2）山火事関連の煙があったかどうか、3）山火事駆動型PM日数_2.535μg/mを超えました³前暦年、4）50μg/mを超えた日数³、および5）100μg/mを超えた日数³。

議論：最初の2つの火災曝露対策の統計的に有意な影響は見つかりませんが、より高いPMを経験していることがわかります_2.5前の暦年の日は、おそらくうつ病/不安を経験している世帯が大幅に増加します。PMで5、10、または15日を経験したこと_2.535μg/mを超えるレベル³17％、22％、および28％の確率に関連しています。PMで5、10、または15日を経験したこと_2.550μg/mを超えるレベル³19％、26％、34％の確率に関連しています。要約すると、PMの10日間にさらされることがわかります_2.5レベルは、翌年、うつ病/不安を経験する世帯の確率をほぼ2倍にします。私たちの調査結果は、政策立案者が山火事の人的コストを理解するのに役立ち、山火事の準備と対応の際に緊急管理者がコミュニティとよりよくコミュニケーションをとるのに役立ちます。

参照

1. 1。

   マンスール、シェイク、イクラ・ファルーク、M。ムバシル・カクルー、アラ・エル・ディン・マフムード、マナル・ファウジー、シモーナ・マリアナ・ポペスク、M・N・アリエメニ、クリスチャン・ソンヌ、ヨルグ・リンクルベ、パルヴァイズ・アーメダバード。「気候変動への反応を伴う山火事周波数の上昇」Journal of Environmental Management301（2022）：113769。

2. 2。

   Liu、Jia Coco、Loretta J. Mickley、Melissa P. Sulprizio、Francesca Dominici、Xu Yue、Keita Ebisu、Georgiana Brooke Anderson、Rafi Fa Khan、Mercedes A. Bravo、Michelle L. Bell。「気候変動の下で、米国西部の山火事からの微粒子大気汚染。」気候変動138（2016）：655-666。

3. 3。

   to、P.、eboreime、E。and agyapong、V.I.、2021。精神的健康に対する山火事の影響：スコーピングレビュー。行動科学、11（9）、p.126。

4. 4。

   Braithwaite、Isobel、Shuo Zhang、James B. Kirkbride、David PJ Osborn、Joseph F. Hayes。「大気汚染（粒子状物質）暴露およびうつ病、不安、双極性、精神病、自殺リスクとの関連：系統的レビューとメタ分析。」環境の健康の観点127、いいえ。12（2019）：126002。

5. 5。

   Childs、Marissa L.、Jessica Li、Jeffrey Wen、Sam Heft-Neal、Anne Driscoll、Sherrie Wang、Carlos F. Gould、Minghao Qiu、Jennifer Burney、Marshall Burke。「周囲の山火事煙の毎日のローカルレベルの推定値PM2。5私たちのために。」環境科学技術56、いいえ。19（2022）：13607-13621。

ベス・ウィリアムズ¹、Bezawit Kase²、ハリー・ヘフナー³、ソーニャ・ヤング³、ジャロンキング⁴

¹サウスカロライナ州保健環境管理局のベストチャンスネットワーク、サウスカロライナ州コロンビア、米国。²サウスカロライナ州保健環境管理局、米国サウスカロライナ州環境統制局がん。³SC包括的癌プログラム、サウスカロライナ州保健環境局、サウスカロライナ州コロンビア、米国。⁴がんプログラム、サウスカロライナ州保健環境管理局、サウスカロライナ州コロンビア、米国

対応：ベス・ウィリアムズ（williame@dhec.sc.gov））

BMC Proceedings 2024、 18（8）：O16

問題：サウスカロライナ中央癌レジストリ（SCCCR）は、サウスカロライナ州（SC）のすべてのがん症例の国勢調査であり、SCのがん発生率データを収集、処理、分析、および公開しています。がん予防および制御プログラムの3つの武器の1つとして運営されているSCCCRは、すべての国家主導の癌イニシアチブに通知します。SCの癌予防および制御プログラムの2つの無料アームは、乳房および頸部がんスクリーニングプログラム（Best Chance Network（BCN）として知られる）と、包括的な癌制御予防（CCCP）プログラムです。対処されている問題は、公衆衛生プログラミングでこの広大なデータセットをどのように利用するかです。

プロジェクト：サウスカロライナ中央癌レジストリ（SCCCR）は、サウスカロライナ州保健環境統制局内のサウスカロライナ州の人口ベースの癌監視システムです。SCCCRは、サウスカロライナのがんの発生率と死亡率を収集、処理、分析、公開しています。レジストリによって収集されたデータを利用して、定義された領域（郡レベル）での癌の発生頻度を決定し、異なる集団（人種、性別、年齢）の発生頻度を決定し、サウスカロライナの癌統計（発生率を比較することができます。米国の全国平均に対する、死亡率、および生存）。このレジストリは、内部および外部のパートナーと協力して、議員、医療専門家、研究者、および一般の人々が参照できる癌の発生と関連する死亡に関する情報を公開します。レジストリは、疾病管理予防センター（CDC）および北米中央癌登録協会（NAACCR）に年間識別されたデータを毎年提出しています。レジストリは1996年以来がんデータを収集しています。リクエストに応じて、レジストリはがんに関連する集計統計を提供し、がんクラスター分析を実施し、研究者に特定された生データを提供できます。

学んだ教訓：2つの別々のケーススタディとして、BCNおよびCCCPプログラムはSCCCRを使用してSCのがん転帰を改善します。BCNプログラムは、年に2回、データリンケージのためにすべての侵襲性頸部および侵襲的およびin-situ乳がん記録をSCCCRに安全に送信します。データリンケージの主な目的は、最終診断を確認し、標準化されたがん段階データを取得することです。このデータリンケージのもう1つの利点は、SCCCRの癌の症例がないことを確認するための組み込みの品質保証尺度です。このデータのリンケージに従って、地理的および人口統計学的分析を実行して、特定の集団が癌の結果で格差を経験している外れ値を特定します。格差を経験しているこれらの集団にサービスを提供する医療提供者が特定され、BCNプログラムに参加するよう招待され、より早く、より定期的な乳房および子宮頸がんのスクリーニングを促進します。1996年以来SCCCRによってサポートされているBCNプログラムは、1991年からSCで継続的に運営されています。最近、CCCPはSCCCR分析を使用して、2023年6月に最初のSC Men's Health Instituteにつながった他のがんの格差を特定しました。

ケイシャ・ウィルソン

米国サウスカロライナ大学コロンビア医学部病院、微生物学、免疫学

対応：ケイシャ・ウィルソン（Kiesha.wilson@uscmed.sc.edu））

BMC Proceedings 2024、 18（8）：および17

背景：急性呼吸dis迫症候群（ARDS）は、広範囲にわたる肺炎症を特徴とする重度の状態であり、しばしばブドウ球菌エンテロトキシンB（SEB）などの細菌毒素によって引き起こされます。マクロファージは、ARDSの病因に極めて重要な役割を果たし、表現型および機能的特性に顕著な不均一性を示します。

方法と結果：単一細胞シーケンス分析を使用して、SEB誘導ARDSモデルのマクロファージの不均一性を調査しました。マクロファージの5つの異なるサブセットを特定しました。これには、居住者の肺胞マクロファージと、MAFB、IFITM6、ACE、およびAPPマクロファージとして指定された4つの追加集団が特定されました。後者のサブセットは、MHC2とLY6Cを発現するM1表現型を示しました。これは炎症誘発性活性化を示しています。特に、MAFBおよびAPPマクロファージは、CD205やArg1などのM2表現型に関連するマーカーも表示し、混合活性化状態を示唆しています。さらに、居住者の肺胞マクロファージを除くすべてのマクロファージサブセットは、ケモカインを発現し、炎症を起こした肺微小環境内の免疫細胞の動員と調節への関与を暗示しています。さらに、ATACデータは、すべてのマクロファージサブセットにわたるインターフェロン刺激遺伝子のプロモーター領域へのアクセシビリティの増加を明らかにしました。

議論：私たちの発見は、SEB誘発ARDの間にマクロファージの多様な機能状態を解明し、この条件の根底にあるこの壊滅的な反応における治療介入の潜在的な標的を強調しています。

ヤンr¹、dを抑えるためにw u¹、エリン・カッソン²、l i-shi unc²、パトリシア・カヴァゾス・レーグ²ミンハン³

¹サウスカロライナ大学コロンビア州サウスカロライナ大学エンジニアリングアンドコンピューティングカレッジ29208;²医学部、ワシントン大学、セントルイス、ミズーリ州63110;³マクウィリアムズ生物医学情報学部、UTヘルス、ヒューストン、テキサス77030

対応：d縁石w u（dezhiwu@cec.sc.edu）;ming.huang@uth.tmc.edu））

BMC Proceedings 2024、 18（8）：O18 O18

導入：評価の発生とは、主に2019年に発生した電子タバコまたはvaping製品の使用関連肺損傷症例の急増を指します[1]。この発生は、vapingと電子タバコの使用に関連する潜在的な健康リスクに大きな注意を向けました[2]。オンラインプラットフォーム、特にRedditは、vapingに関連する一般の認識と経験の豊富な情報源として機能します[3]。ただし、これらのオンライン投稿とコメントの膨大な量と複雑さは、従来のデータ抽出および分析方法に大きな課題を提示します[4]。この研究では、高度な自然言語処理（NLP）技術を採用することにより、この課題に対処しようとしています。私たちは、vaping関連の議論を効率的かつ正確に検出できる回復力のあるモデルを開発し、それにより公衆衛生の監視と対応戦略に貴重な意味を提供することを目指しています。

目的：主な目的は、Redditに関するvaping関連の議論を識別し、無関係な談話と区別するための堅牢なNLPメソッドを開発することです。これには、このような議論の複雑さとコンテキストをキャプチャすることが含まれます。これは、従来のキーワードベースの検索方法で挑戦することがよくあります。第二に、この研究は、ソーシャルメディアでの健康行動関連の投稿の監視と分析のために事前に訓練された大規模な言語モデルを効果的に利用することにより、重要な知識のギャップを埋めるように努力しています。

方法：私たちのアプローチは、NLPモデルをトレーニングおよびテストするための堅牢なゴールドスタンダードデータセットの作成から始まり、vaping関連の議論を特定しました。検索文献によるvaping関連キーワードのリストを特定し、深いセマンティック検索を活用してキーワードリストを拡張しました[5]。順番に、vaping関連のキーワードを含む投稿とコメントを抽出し、評価の発生中に人気のあるvaping subredditsからの肯定的なケースとして抽出しました。また、ネガティブコントロールグループと同じように、非視察関連のSubredditsからの同数の投稿を選択しました。臨床チームには、各ケースから1,000のポストのランダムサンプルと、コントロールグループがゴールドスタンダードデータセットとして注釈を付けました。その後、この注釈付きコーパスを使用して、変圧器（BERT）からの双方向エンコーダー表現に基づいて、7つの異なる訓練を受けた言語モデルを微調整しました。これらの7つのBERTモデルには、2つのジェネリックBERTモデル（Bert [6]とRoberta [7]）、3つのドメイン固有のモデル（Biobert [8]、Bio_Clinicalbert [9]、およびPubMedbert [10]）、および2つのソース固有のモデルが含まれています。（Bertweet [11]およびRedditbert [12]）。最後に、これらの微調整された言語モデルをアンサンブルモデルに組み合わせて、vaping関連の議論を集合的に検出しました。

結果：アンサンブルバートモデルは印象的なパフォーマンスを紹介し、Redditでvaping関連コンテンツを識別する際に0.97の精度スコアと0.96のF1スコアを達成しました。これらの結果は、大規模なReddit投稿内でのvaping固有の議論を正確に区別する際に、アンサンブル事前訓練を受けた言語モデルの習熟度を強調しています。

結論：この研究では、アンサンブル事前訓練を受けたBERTモデルに基づいて検出モデルを使用して、Redditのvaping関連投稿を特定することの実現可能性と有効性を強調しています。複数の事前に訓練されたBERTモデルの統合パワーを活用するこの方法は、大量のRedditコンテンツをスクリーニングする大きな可能性を示しています。vapingについて議論したりネットワークしたりする個人を検出することにより、このアプローチは、潜在的なvapingユーザー、特にvaping関連の健康問題のリスクがあるユーザーを特定することに実際的な意味を持ちます。さらに、潜在的なアウトリーチプログラムを促進し、患者のサポートと介入プログラムを提供して、vapingの危害を減らし、停止を促進することができます。この検出モデルにより、新しい物質や健康状態の流行が生じるにつれて、標的介入に対して迅速な反応会場が高リスクの個人に到達することができます。

謝辞：著者は、サウスカロライナ大学（USC）、米国サウスカロライナ州コロンビア（PI：WU -Grant 80002838）および国立衛生研究所（R34 DA054725）から提供された資金支援を認めたいと考えています。コンテンツは著者の責任のみであり、必ずしも資金提供機関の公式見解を表すものではありません。

参照

1. 1。

   ウィニカ、リディア、マンガロール・アミス・シェノイ。「電子タバコの評価と肺毒性：レビュー。」Journal of General Internal Medicine35（2020）：2130-2135。

2. 2。

   Cao、Dazhe James、他「電子タバコの健康への影響と、電子タバコの発生、またはvaping製品の使用関連肺損傷のレビュー。」Journal of Medical Toxicology16（2020）：295-310。

3. 3。

   ウー、デジ、他「2019年の電子タバコとvaping使用肺損傷の発生中のTwitterとRedditでのvapingをめぐるトピックと感情：比較研究。」Journal of Medical Internet Research24.12（2022）：E39460。

4. 4。

   Sebei、Hiba、Mohamed Ali Hadj Taieb、Mohamed Ben Aouicha。「ソーシャルメディア分析プロセスとビッグデータパイプラインのレビュー。」ソーシャルネットワーク分析とマイニング8.1（2018）：30。

5. 5。

   グハ、ラマナサン、ロブ・マックール、エリック・ミラー。「セマンティック検索。」World Wide Webに関する第12回国際会議の議事録。2003年。

6. 6。

   Devlin、Jacob、et al。「バート：言語理解のための深い双方向変圧器の事前訓練。」Arxiv Preprint arxiv：1810.04805（2018）。

7. 7。

   Liu、Yinhan、他「ロベルタ：堅牢に最適化されたBert Gretrainingアプローチ。」Arxiv Preprint Arxiv：1907.11692（2019）。

8. 8。

   Lee、Jinhyuk、他「Biobert：生物医学のテキスト採掘のための事前に訓練された生物医学言語表現モデル。」バイオインフォマティクス36.4（2020）：1234-1240。

9. 9。

   シェーファーH、フリードリッヒCM。Mimic-III放電概要を使用したトランスアーキテクチャによる多言語ICD-10コードの割り当て。評価フォーラムの会議とラボ。2020。

10. 10。

    ハン、チン、シュボ・ティアン、ジンフェン・チャン。「PubMedbertベースの分類器は、ツイートで投薬の言及を検出するためのデータ増強戦略を備えています。」Arxiv Preprint arxiv：2112.02998（2021）。

11. 11。

    Nguyen、Dat Quoc、Thanh Vu、およびAnh Tuan Nguyen。「Bertweet：英語のツイートの事前に訓練された言語モデル。」Arxiv Preprint arxiv：2005.10200（2020）。

12. 12。

    Zhang F. Fan-S/Reddit-TC-Bert。顔を抱き締める。2022年2月21日。URL：https://huggingface.co/Fan-s/reddit-tc-bert[2023-12-10にアクセス]

ハードワークξAO¹y ridicule x u²、リン仕上げw u³

¹サウスカロライナ大学、サウスカロライナ州コロンビア、米国ジャーナリズムとマスコミュニケーションの学校。²サウスカロライナ大学、サウスカロライナ大学、サウスカロライナ大学ソーシャルワークカレッジ。³サウスカロライナ大学、コロンビア、サウスカロライナ州、情報通信大学

対応：ハードワーク（axiao@mailbox.sc.edu））

BMC Proceedings 2024、 18（8）：および19

研究の目的：米国では毎年約40万人の子供が里親にされています[1]。里親はソーシャルメディアに依存して、里子を育て、ピアサポートを求める情報を探している場合があります[2]。里親協会（FPA）は、里親が仲間とネットワークを獲得し、情報を共有し、トレーニングとサポートを受け、自分自身を擁護するための重要な情報源です[3]。しかし、FPAがソーシャルメディアを使用してそれらと対話する方法についてはほとんど知られていません。この研究の目的は、FPAがソーシャルメディアでコミュニケーションするものの問題に答えることにより、ソーシャルメディアでのFPAのコミュニケーションの根底にあるパターンを明らかにすることです。

方法：13州のFPASのFacebookページの残りの部分が身元不明であったため、合計38の州レベルのFPAが研究サンプルとして選択されました[2]。2022年のこれらのFPAからのFacebookの投稿はすべて、CrowdTangleを使用して廃棄され、これらの38のFPASのFacebookページからの合計22,051のFacebook投稿が収集されました。これらのFPAで議論されたトピックを特定するために、Python環境における自然言語処理の監視されていない機械学習アルゴリズムを使用しました。特に、FPAのFacebookの投稿は、多数のテキストの中から隠されたトピックを明らかにした潜在的なディリクレの割り当てを使用して分析されました。

結果：モデリングの結果は、3つのトピックがあることを示しました（k= 3）は、トピックの最適な数でした。トピックの類似点について議論し、文献をレビューした後、FPASのFacebook投稿からこれらの3つのトピックに名前を付けました。最初のものは、トレーニング、会議、イベントの発表であり、2番目は里親のコミュニティへの感謝の表現であり、3番目は里親を互いにサポートするコミュニティとして扱うことでした。

議論：私たちの調査結果は、FacebookでFPASの里親とのコミュニケーションが3つのトピックに集中していることを示唆しています。3つのトピックは、組織のソーシャルメディアコミュニケーションに関する以前の文献と部分的に合意されています。この研究の結果は、関与戦略の重要性を強調しています。これは、感謝の表現と里親をコミュニティの一部として扱うことであり、関与を強化するコミュニケーション戦術です。さらに、この研究は、非常に専門的でありながら非常に重要なサービス分野のソーシャルメディアコミュニケーショントピックパターンを明らかにしています。この研究の結果は、FPAの里親とのコミュニケーションを強化するための重要な理論的および実際的な意味をもたらします。

参照

1. 1。

   児童福祉。主要な事実と統計 - 全国里親ケア月 - 児童福祉情報ゲートウェイ[インターネット]。www.childwelfare.gov。2022.利用可能：https://www.childwelfare.gov/fostercaremonth/awareness/facts/

2. 2。

   Lee JY、Chang OD、Ammari T.ソーシャルメディアRedditデータを使用して、Covid-19の間に里親の懸念とニーズを調べます。児童虐待とネグレクト。2021年11月; 121：105262。

3. 3。

   州の里親/養子縁組協会/連合 - 児童福祉情報ゲートウェイ[インターネット]。www.childwelfare.gov。[2023年12月4日引用]。から入手可能：https://www.childwelfare.gov/organizations/?CWIGFunctionsaction=rols:main.dspList&rolType=Custom&RS_ID=32。

アシアｔ アデオ軍¹、 関数²

¹米国テネシー州立大学、ヘルスケア情報学の基本および応用科学大学。²米国テネシー州ミドルテネシー州立大学工学技術科

対応：function flujb（misagh.faezipour@mtsu.edu））

BMC Proceedings 2024、 18（8）：P1

導入：ヘルスケアにおける人工知能（AI）とビッグデータテクノロジーの迅速な統合は、患者の経験と治療のモダリティを再構築しています。これらの進歩が展開するにつれて、患者がAIとビッグデータの採用をどのように認識しているかを理解することが、患者中心の慣行を確保するために重要になります[1]。この拡張された要約は、因果ループ分析を使用して、ヘルスケアにおけるAIとビッグデータの採用に関する患者の認識のユニークな調査を提示します。これらの技術の統合は、患者の経験に大きな影響を及ぼし、この研究は、態度、懸念、潜在的な結果を形成する因果関係を解明することを目的としています。

目的：この研究の主な目標は、因果ループのレンズを介して患者の認識の包括的な分析を実施することです。患者がヘルスケアにおけるAIとビッグデータの統合をどのように認識しているかに影響を与えるフィードバックメカニズムと相互接続変数を理解しようとします。

方法：キー変数間の動的な関係を視覚化する因果ループ図が構築されます。この図には、既存の調査[1]からの洞察が組み込まれており、データのセキュリティとプライバシーに関する懸念とともに、ビッグデータの利点とAIの効率を強調しています。この定性的分析は定量的発見を補完し、患者の認識に影響を与える要因を包括的に理解します。

結果：図1に示す因果ループ図は、AIおよびビッグデータの患者の認識の中で複雑なパターンを明らかにします。信頼の増加とより高い満足度によって推進される肯定的な経験は、AIとビッグデータのより広い採用につながる補強ループを形成します。同時に、信頼の低下と満足度の低下に根ざした否定的な経験は、採用に対する抵抗をもたらす可能性のあるバランスのとれたループを作成します。因果ループへのビッグデータの利点とAI効率の組み込みは、システム内のインフルエンサーと触媒としての役割を強調しています。これらの変数の相互作用は、肯定的なフィードバックループとネガティブなフィードバックループの微妙なバランスを強調し、患者の知覚の複雑なダイナミクスに関する洞察を提供します。

議論：この研究は、AIおよびビッグデータの患者の認識内で因果関係を理解することの重要性を強調しています。正のループは、患者の経験を改善し、AI駆動型のソリューションの受け入れの増加の可能性を強調しています。逆に、バランスループは、患者中心のアプローチを維持するために、データのセキュリティとプライバシーの懸念に対処する必要性を強調しています。因果ループは、医療従事者、政策立案者、およびテクノロジー開発者に貴重な洞察を提供できます。積極的な患者の認識を培うための戦略には、AIの利点に関する教育、データセキュリティ対策に関する透明なコミュニケーション、倫理的考慮事項に継続的に焦点を当てることが含まれます。

結論：この研究では、因果ループ分析を活用して、AIの患者の認識とヘルスケアにおけるビッグデータの採用に影響を与える要因の複雑な組み合わせを掘り下げます。図に描かれている因果関係に焦点を当てることにより、私たちは遊びのダイナミクスをより深く理解し、進化する医療技術の時代に患者中心のアプローチを促進するための実用的な洞察を明らかにします。

参照

1. 1。

   Yiwei Z.、Shiwei S.ヘルスケアの文脈における患者のAI養子縁組意図の探求。スプリンガー。2021.デジタルヘルスアンドメディカル分析：第2回国際会議、DHA 2020、中国北京、2020年7月25日、改訂された論文2、27〜39ページ。

Saeeda Sehirban Akhtar¹、ibitein okeafor¹、ファンy y i²j i red l iu²

¹米国サウスカロライナ州サウスカロライナ大学公衆衛生学部の保健サービス政策と管理局。²米国サウスカロライナ州サウスカロライナ大学アーノルド公衆衛生学部疫学および生物統計学科

対応：Saeeda Sehirban Akhtar（sakhtar@email.sc.edu））

BMC Proceedings 2024、 18（8）：ba

背景：うつ病は、胎児の発達、出生結果、および母親と子供の全体的な健康に影響を与え、生殖年齢の女性に不均衡に影響を与える主要な公衆衛生負担です[1]。女性の生活の生殖期におけるホルモンの変化は、うつ病に対する感受性の増加と関連しています[4-6]。しかし、妊娠喪失の以前の歴史など、他の心理的ストレッサーの寄与は研究されていません[7-9]。

目的：この研究の目的は、妊娠喪失の以前の歴史と生殖年齢グループの女性のうつ病との関連を調べることと、人種/民族によって協会が修正されているかどうかを調べることを目的としています。

方法：この横断的研究では、2007年から2018年の国民健康栄養調査（NHANES）のデータを利用して、以前に妊娠した18〜49歳の女性に制限されています（NHANES）n= 4,288）。うつ病の存在は、患者の健康アンケート（PHQ-9）スコア≥10として定義されました。妊娠の以前の損失は、以前の妊娠の総数と出生出生の総数の差から得られ、0（妊娠損失なし）、1（妊娠損失1）、および2（2以上の妊娠損失）に分類されました。多変量ロジスティック回帰モデルを使用して、人口統計学的因子と母体の罹患率の因子を制御した後の妊娠喪失の歴史とうつ病の関連を調べました。層別分析を実施して、人種/民族性による協会の変動を決定しました。

結果：うつ病の全体的な有病率は13.36％でした。うつ病の有病率は、2人以上の妊娠喪失の女性（18.16％）の女性の間で高く、妊娠損失が1回、妊娠損失のない人のうち12.27％が続きました（p= 0.0009）。2回以上の以前の妊娠損失を経験した女性は、妊娠損失のない女性と比較してうつ病に対してより高いオッズでした（調整済みオッズ比[AOR]：1.54 [95％CI：1.08-1.93]）。多変数分析（表1）は、母親の人種と妊娠の喪失との間に有意な相互作用を示しました（p= 0.0360）。層別分析（表2）は、1つの妊娠喪失を経験した非ヒスパニック系黒人の間でうつ病のオッズが高かったことを明らかにしました（AOR：1.68 [95％CI：1.12-2.53]および2つ以上の妊娠損失を持つ非ヒスパニック系白人（AOR）：1.56 [95％CI：1.02-2.38]。

結論：生殖年齢の女性の間でのうつ病の有病率は、妊娠喪失の数が多いにつれて増加します。以前の妊娠喪失の歴史を持つ生殖熟成された女性の間で精神的健康を促進することを目的とした介入は、特に非ヒスパニック系黒人とNH白人の間で提唱されています。これらの特定の民族グループのメンタルヘルスのニーズを認識し、対処することは、妊娠喪失に関連する感情的な課題に直面した女性を効果的に支援する包括的で文化的に敏感な戦略を開発するために重要です。

キーワード：うつ;妊娠損失;メンタルヘルス;母性人種

参照

1. 1。

   Accortt EE、Cheadle AC、Dunkel Schetter C.出生前のうつ病と出生不利な結果：更新された系統的レビュー。母子健康ジャーナル。2015年6月19日：1306-37。

2. 2。

   スミスMV、シャオL、ハウエルH、リンH、ヨンカーズKA。健康な開始プロジェクトにおける周産期うつ病と出生結果。母子健康ジャーナル。2011年4月15日：401-9。

3. 3。

   Smith KF、Huber LR、Issel LM、Warren-Findlow J.Journal of Community Health。2015年10月; 40：984-92。

4. 4。

   Soares CN、Zitek B.女性のライフサイクル全体での生殖ホルモンの感受性とうつ病のリスク：脆弱性の連続体？Journal of Psychiatry and Neuroscience。2008年7月1日; 33（4）：331-43。

5. 5。

   Broen an、Moum T、BødtkerAS、EkebergØ。流産と誘発性中絶後のメンタルヘルスの経過：縦断的な5年間の追跡調査。BMC医学。2005年12月; 3：1-4。

6. 6。

   Rossen LM、Ahrens KA、Branum AM。1990年から2011年の米国女性の妊娠損失のリスクの傾向。小児および周産期疫学。2018年1月; 32（1）：19-29。

7. 7。

   Stuart-Parrigon K、Stuart S.周産期うつ病：更新と概要。現在の精神医学レポート。2014年9月; 16：1-9。

8. 8。

   Dagher RK、Bruckheim HE、Colpe LJ、Edwards E、White DB。周産期うつ病：課題と機会。Journal of Women's Health。2021年2月1日; 30（2）：154-9。

9. 9。

   Faleschini S、Aubuchon O、Champeau L、Matte-GagnéC。周産期喪失の歴史：その後の健康な出生後の母親と父親の心理的結果の研究。Journal of Tofficive Disorders。2021年2月1日; 280：338-44。

ソンユアン・デン、ケビン・ベネット

SC農村部およびプライマリヘルスケアセンター、サウスカロライナ大学コロンビア大学コロンビア大学、サウスカロライナ州

対応：Song Yuan deng（songyuan@email.sc.edu））

BMC Proceedings 2024、 18（8）：掘削

目的：筋骨格（MSK）の変化は妊娠中に発生し、腰痛（PLBP）と骨盤痛（PPP）の発症につながります。どちらの状態も、メディケイドに導入された受益者における処方オピオイドの使用に関連しています。リウマチ学者や産婦人科医 /婦人科医へのアクセスにおける農村部と都市の格差を考えると、処方オピオイドの使用も異なる場合があります。この研究の目的は、サウスカロライナ州のメディケイド登録妊婦のPLBPとPPPの有病率における農村部と都市の違いを説明し、比較することです。

方法：この調査では、サウスカロライナ州の収益および財政問題（SCRFA）オフィスが提供する2015-2021のメディケイド請求データを利用しました。この研究では、2016 - 2021年の期間中に152,309人の出生が確認されました。肥満、過度の体重増加の診断（EWG）、診断された過剰な胎児成長（EFG）、乳房乳房腹部（DRA）の診断（DRA）の診断、および靭帯の弛緩（診断（診断）など、妊娠関連の筋骨格リスク（P -MSKR）を評価するために5つの測定値が使用されました。ll）。この研究では、国際疾患の分類V10コードを適用して、これらのリスクとPLBPおよびPPPを特定しました。摂食は、郵便番号集計エリアレベルで、2010年の農村都市通勤エリア（RUCA）コード（1.0-3.0、4.1、5.1、7.1、8.1、および10.1）を使用して定義されました。妊娠中、居住地は3つのレベルに分類されました。常に田舎、時には田舎で、決してありません。常に/時には農村部と決して農村部の妊娠の間のPLBPとPPPサブセットの有病率の分析。

結果：含まれる妊娠のうち、30,692（20.2％）は常に農村であり、1,041（0.7％）が時々農村であり、120,576（79.2％）は決して農村ではありませんでした。P-MSKRの平均有病率は、妊娠を含むすべての妊娠で65.6％であり、常に農村の妊娠の有病率は農村の妊娠よりもわずかに高かった（66.5％対65.4％、p<.001）。PLBPの平均有病率は、含まれるすべての妊娠で15.3％でした。常に田舎の妊娠のそれは、田舎の妊娠よりも高かった（16.7％対15.2％、p<.001）、そして時々農村の妊娠のそれは、決して田舎のものよりも高かった（17.9％対15.2％、p= .018）。PPPの平均有病率は、含まれるすべての妊娠で25.2％でした。常に田舎の妊娠のそれは、田舎の妊娠よりも高かった（27.9％対24.5％、p<.001）、そして時々農村の妊娠のそれは、決して田舎のものよりも高かった（28.3％対24.5％、p= .004）。PLBP / PPPの平均有病率は、含まれるすべての妊娠に対して33.3％でした。常に田舎の妊娠のそれは、決して田舎の妊娠よりも高かった（36.3％対32.5％、p<.001）、および時々農村の妊娠のそれは、農村の妊娠とは有意なものではありませんでした（35.4％対32.5％、p= .0503）。

議論：この研究では、サウスカロライナのメディケイド登録受益者の妊娠中のPLBPとPPPの有病率における農村部の格差があることがわかりました。将来の研究では、PLBP/PPPの有病率を考慮して、処方オピオイドの使用のリスクにおける農村部の格差を調査するかもしれません。政策立案者は、特に農村住民のリウマチ専門医と産婦人科医 /婦人科医の需要と供給のギャップに対処することができます。

endeshafa serer^1,2、マリア・ガブリエラ・カンポロ¹、アンジェラ・アリブランディ¹

¹イタリア、メッシーナ大学メッシーナ大学経済学科。²エチオピア、ジェンダー、ジェンダー大学統計局

対応：endesha assefa dares（enduass@gmail.com））

BMC Proceedings 2024、 18（8）：ビーム

目的：幼児期の栄養失調は、子供の健康と発達に長期的かつ不可逆的な影響を与える可能性があります。この研究では、空間的変動を備えたベイジアン法を使用して、計量的共変量の柔軟な傾向を調査し、負傷のリスクが高いコミュニティを特定します。

方法：アンダーウェイトに関する横断データは、2016年のエチオピア人口統計調査（EDHS）から収集されました。ベイジアン地球拡張モデルが実行されます。モデルのスカルパラメーターに適切な事前分布が提供され、推論はモンテカルロマルコフチェーン（MCMC）シミュレーションを使用して完全にベイジアンです。

結果：結果は、子どもの年齢、母体のボディマス指数（BMI）、および母親の年齢などの計量的共変量が子供の低体重に影響を与えることを示しています。より低い母体BMISは、子どもたちの体重不足に大きな影響を与えているようです。また、有意な空間的不均一性があり、予測値のIDW補間に基づいて、国の西部、中央、東部はホットスポットエリアです。

結論：私たちの分析は、子供の年齢、母親のBMI、母親の年齢の柔軟なモデリングをサポートしています。固定効果と共変量に加えて、アンダーウェイトに対する残存の影響のかなりの証拠もあります。

キーワード：空間分布。栄養失調;半パラメトリックベイジアン分析。p-スプライン;Bayesx;MCMC：エチオピア

ルーシー・エドワーズ、ジュリア・ゲと、C一定温度10 g

サウスカロライナ大学薬局大学

対応：ルーシー・エドワーズ（lucye@email.sc.edu））

BMC Proceedings 2024、 18（8）：p5

目的：抗生物質は、多くの種類の細菌感染症を治療または予防するために使用されます。これらの薬物は、細菌を殺したり、繁殖したり拡散したりするのを防ぐことで機能します。抗生物質の使用は、軽度の反応から重度の反応まで及ぶ可能性のあるさまざまな不利な薬物イベントをもたらす可能性があります。これらのイベントは、薬物の選択に影響を与え、害を最小限に抑えるために処方に患者固有のアプローチを奨励します。抗生物質に関連する有害な薬物イベントのうち、過敏症反応は非常に懸念されています。薬物過敏症反応は、身体が薬物に対する不適切な免疫学的または炎症反応を引き起こし、発疹、アナフィラキシー、血清病などの症状をもたらすと発生します。薬物過敏症の患者は、薬物療法を避けることで教育を受ける必要があり、チャートは反応を適切に文書化する必要があります。一部の抗生物質は過敏症に関連していることが知られていますが、多くの利用可能な抗生物質の過敏症の関連性を体系的に比較した研究はありません。この研究の目的は、FDA有害事象報告システム（FAERS）を使用して、過敏症と抗生物質との関連を評価することでした。

方法：Faersの報告は、2004年1月1日から2022年12月31日までの報告が研究に含まれていました。規制活動のための医療辞書（MEDDRA）を使用して、過敏症の症例を特定しました。抗生物質と過敏症との関連性の対応するオッズ比（RORS）および対応する95％信頼区間（95％CI）が計算されました。RORは、FAERSに存在する他のすべての薬物のこの報告オッズと比較して、特定の薬物の他のすべてのイベントと比較して、過敏症性と他のすべてのイベントを報告するオッズの比として計算されました。95％CIの下限が1.0を超えている場合、関連性は統計的に有意であると考えられていました。

結果：包含基準が適用された後、合計16,009,712のレポート（144,714の過敏症レポートを含む）が考慮されました。72抗生物質が評価され、それらの抗生物質のうち39が過敏症と有意に関連していました。過敏症の報告が最も多い上位10の抗生物質は、トリメトプリムスルファメトキサゾール（2,550）、アモキシシリン（1,483）、シプロフロキサシン（1,327）、モキシフロキサシン（1,253）、レボフロキシン（1,170）、アシチチクロミン（1,170）でした、012）、ドキシサイクリン（840）、メトロニダゾール（822）、およびクラリスロマイシン（776）。最も高い過敏症ROR（95％CI）を持つ上位10の抗生物質は、ペニシリンG 8.17（7.45-8.96）、ダルバヴァンシン6.78（5.00-9.19）、セファクロール5.38（4.40-6.57）、モキシフロキシン4.62（4.36-4.89）、またはaiTavancin 4.144.62（4.40-6.57）でした。（2.89-5.92）、ペニシリンV 3.79（3.35-4.30）、Ceftiventen 3.62（2.04-6.44）、Bacitracin 3.43（2.88-4.10）、Cefprozil 3.35（2.37-4.74）、およびErythromycin 3.22（2.94-3.51）。

結論：FAERSデータベースで評価された72の抗生物質のうち、39は過敏症と有意に関連していました。トリメトプリム - スルファメトキサゾールは、アモキシシリン、シプロフロキサシン、モキシフロキサシン、レボフロキシン、アジスロマイシン、アジシシリン - クローブラン酸、ドキシシカリン、メトロニダゾール、およびクロリトロミンがそれに続く過敏症反応の数が最も多いと報告されていました。ペニシリンGは、ダルバヴァンシン、セファクロル、モキシフロキサシン、オリタバンシン、ペニシリンV、セフティブティブン、バチトラシン、セフプロジル、およびエリスロマイシンがそれに続いて過敏症を伴う最高のRORを有していました。

Prashant Duhu、Can Erceo、Nesset Hikmat

米国サウスカロライナ大学、サウスカロライナ大学エンジニアリングおよびコンピューティング大学統合情報技術学科

対応：Prashant duhu（duhoon@mailbox.sc.edu））

BMC Proceedings 2024、 18（8）：p6

問題：サーバーレステクノロジーとサーバーレスアーキテクチャの人気は、現在、スケーラビリティ、費用効率、セキュリティの絶えず進化する要求に効果的に対処する能力のため、さまざまな業界で史上最高です。検証済みの市場調査は、サーバーレスアーキテクチャ市場が22.7％の成長を経験すると予測されており、2020年の7,585百万米ドルから2025年までに21,105百万米ドルに増加していることを示しています[1]。これは、データ駆動型の分野であるため、ヘルスケアで特に当てはまります。患者のケアの質を高めることができるソリューションの実装と運用効率は非常に重要です。これらのソリューションの探索は、データを効果的に連携するために必要な観察ツールまたは環境でのみ可能です。この論文では、私たちの目的は、現在の研究プロジェクトで実装されているサーバーレスアーキテクチャの適用性を拡大することです。データ収集、ETLプロセス、データストレージ、データセキュリティなどのタスクを網羅し、最終的にデータを使用して特定の研究を実施する環境を提供するさまざまな業界やシナリオにわたってその使用を一般化することを目指しています。

プロジェクト：サウスカロライナセンターフォーセンターオフェン式研究センター（Cerortho）は、サウスカロライナ大学とPrisma Healthが関与する共同イニシアチブであり、整形外科ケアの分野での比較効果研究を拡大することを目的としています。サーバーレスアーキテクチャが設計および実装され、整形外科患者データリポジトリ（OPDR）の作成を促進し、研究者がこのリポジトリ内で研究、分析、開発を実施するための観察環境を提供します。

システムは、HIPAA準拠のAWS（Amazon Web Services）仮想プライベートクラウドで動作し、プロセスは互いに異なるモジュールに切り離されています。AWS SFTP転送インスタンスは、Prisma Health Epic Crystal ReportsからHIPAA準拠のS3バケツへのデータ転送を自動化し、安静時およびTLS（輸送層のセキュリティ）2.0を動かしています。データの動きとアクセスは、監査のために記録および監視されます。

このパイプラインが定義されると、AWS接着剤ジョブを使用して抽出変換負荷（ETL）が実行されます。接着剤は、S3バケツから貴重な情報を抽出し、個人を特定できる情報（PII）と保護された健康情報（PHI）を患者データに除外するためのルールを設定することにより、データを変換し、抽出されたデータセットをデータベースにロードします。SQLデータベースは、再作成関係を必要とするデータセットのインスタンスで使用され、NOSQLデータベースは他のすべての種類のデータセットに使用されます。これらのデータベースは、AWS上のDynamoDBとRDSを使用してサーバーレスサービスでホストされています。特定のデータセットの正直なデータブローカーが受け取ったリクエストに応じて、データはAWS DataSyncを使用してローカルリサーチインスタンスに安全に転送されます。調査サーバー自体は、ファイルの転送、クリップボードアクセス、特定のユーザーの読み取り、書き込み、および変更を制限するように構成されています。その結果、最小限の人間の介入を必要とする自動エンドツーエンドのすべてのサーバーレスデータ移行システムが展開され、非常に費用対効果が高く安全であることが証明されています。上記への参照として図（1）が提供されています。

学んだ教訓：サーバー環境（物理的および仮想）上のヘルスケア環境でのサーバーレスデータ移行の費用対効果を実証することが、プロジェクトのハイライトです。チームは、医療提供者と研究環境間のデータ移行のために発生したコストを削減したシステムのレイテンシ、セキュリティ、スケーラビリティ、および可用性の改善を実証しました。課題は、システムの強化とメンテナンスのために建築家と開発者を獲得するという点で残っています。チームは、スキルセットのギャップの一部を埋めるためのトレーニングプログラムを作成する予定です。

参照

1. 1。

   「Research and Marketsは、レポートを提供しています。サーバーレスアーキテクチャ市場。」エンターテインメントクローズアップ。2020年6月30日。コンテキストのゲール：伝記。link.gale.com/apps/doc/a628073078/bic?u=colu68650&sid=bookmark-bic&xid=4a9bbc62から入手できます。

マリリン・ガートリー

サウスカロライナ大学、サウスカロライナ大学、サウスカロライナ大学、コンピュータサイエンスアンドエンジニアリング学科

対応：マリリン・ガートリー（gartley@email.sc.edu））

BMC Proceedings 2024、 18（8）：p7

背景

私たちは、今日の監視経済のデータ慣行が情報の深い非対称性を作り出し、悪化させることができる時代に住んでおり、それが医療の分野に含まれる権力の不均衡を悪化させます[1–3]。人工知能（AI）技術を使用するツールは、大きな健康データのパターンを見つけます。これは、ヘルスケアで予測と推奨を行うために使用できます。または、電子健康記録（EHR）システムに自動的に埋め込まれた推奨事項または手順のコンテキストで暗黙的に。

症例報告

医療AIアプリケーションは特にデータが飢えており、機能が豊富な消費者の健康データの継続的なコレクションに依存しています。最も価値のあるデータセットは、最も価値のあるデータセットであるだけでなく、そのようなコレクションと保持が当初意図したその後の用途を超えて定期的に拡大する場合もあります[5]。データプライバシー法の基本原則[6]およびHIPAAプライバシールールの重要な保護[7-8]としてのデータの最小化との直接的な対立は、最小化ではなくデータの最大化でAIアプリケーションによって提示されますが、中心的な成功です。AIの要因[9]。

結論

この論文は、プライバシーの順守で個別に識別できないとみなされる対象のエンティティまたはビジネスアソシエイトによって保持、使用、または交換された安全な開示と交換を促進するために、明確化を超えた実現可能な実装を提供するために書面による手順を提案することにより、この問題にアプローチします。ルール[10]情報ブロッキング[10]を回避しながら。最後に、このペーパーでは、エンティティが「PHR関連のエンティティ」、「サードパーティサービスプロバイダー」、または「個人的な健康情報のベンダー」を構成するかどうかを決定する際に分析する重要な質問のフレームワークを提供します。「個人の承認なしに」行われたと考えられている禁止された開示の範囲を解明することに焦点を当てます[11,12]。次に、このペーパーでは、消費者のフィットネストラッカーと同期できるAPIを介して情報を描く技術的能力を持つ消費者から直接情報を収集する際に、健康侵害通知ルールの対象となるアプリの範囲内に該当することの意味を直接調べます[12,13]。

参照

1. 1。

   連邦取引委員会（FTC）、商業監視とデータセクションに関する議長のリナ・M・カーンの声明提案されたルール作成Comm’Nファイル番号R111004（2022年8月11日）の事前通知。

2. 2。

   Gianfrancesco M、Tamang S、Yazdany J、Schmajuk G、電子健康記録データを使用した機械学習アルゴリズムの潜在的なバイアス、Jama Internal Medicine178（11）、1544–47（2018）、https://doi.org/10.1001/jamainternmed.2018.3763。

3. 3。

   Obermeyer Z、Powers B、Vogeli C、Mullainathan S、人口の健康を管理するために使用されるアルゴリズムの人種バイアスの分析、Science 366、no。6464、447–53（2019年10月）、https://doi.org/10.1126/science.aax2342。

4. 4。

   Nicholson W、Cohen IG、医療ビッグデータの時代のプライバシー、Nature Medicine 25（1）、37（2019）、https://doi.org/10.1038/s41591-018-0272-7。

5. 5。

   Cranor L、Frischmann B、Harkins R、Nissenbaum H、Panel I：Private Data Collectionの開示と通知慣行、Cardozo Arts＆Entertainment Law Journal 32（3）、784–812、807（2014）。

6. 6。

   FTC、モバイルヘルスアプリ開発者：FTCベストプラクティス、利用可能：https://www.ftc.gov/business-guidance/resources/mobile-health-app-developers-ftc-best-practices;HHS、HIPAA対象のエンティティとビジネスアソシエイトによるオンライン追跡技術の使用（2022年12月1日）。

7. 7。

   45 CFR 164.502（b）、164.514（d）＆公民権局、最低必要なOCR HIPAAプライバシーペーパー（2003年4月4日改訂）、利用可能：https://www.hhs.gov/sites/default/files/ocr/privacy/hipaa/ Understanding/coveredentities/minimumnecessary.pdf。

8. 8。

   公民権、徴収、使用、開示の制限、HIPAAプライバシールールおよびElect.Health Infoのためのオフィス。交換。ネットワーク化されたEnvitシリーズでは、以下で入手できます。https://www.hhs.gov/sites/default/files/ocr/privacy/hipaa/ Understanding/special/healthit/collectionusedisclosure.pdf。

9. 9。

   Tschider C、The Healthcare Privacy-Artificial Intelligence Invasse、Santa Clara Computer＆High-Tech。L. J. 36（4）、439–43（2020）。

10. 10。

    45 C.F.R.§§160.103;164.502;164.514;Nat’l Comm。Vital and Health Statisticsについては、HIPAAに基づく保護された健康情報の除去に関する推奨事項（2017年2月23日）。健康情報技術。アドバイザリーコム。（HITAC）、2019年度（2020年2月19日）のHITAC年次報告書。

11. 11。

    FTC、健康侵害通知規則、提案されたルール作成の通知、Fed。reg。Vol。88（11）（2023年6月9日）＆16 C.F.R.§§318.1〜318.9。

12. 12。

    U.S.v。EasyHealthcare Corp.、Case No. 1：23-CV-3107（N.D。Ill。）;U.S.v。GoodrxHoldings、Inc.、ケース番号3：23-CV-460（N.D。Cal。）;1health.io/vitageneの問題では、FTCドケット番号C-4798;Flo Health、Inc。、FTC Docket No. C-4747の問題。

13. 13。

    FTC、FTCは、健康侵害通知ルール、プレスリリース（2021年9月15日）に準拠するよう健康ヘルスアプリと接続されたデバイス会社に警告しています。https://www.ftc.gov/news-events/press-releases/2021/09/ftc-warns-health-apps-connected-device-companies-comply-health;FTC、ヘルスアプリやその他の接続されたデバイスによる違反に関するComm’nの声明（2021年9月15日）、https://www.ftc.gov/system/files/documents/public_statements/1596364/statement_of_the_commission_on_breaches_by_health_apps_and_other_connected_devices.pdf。

シャロン 組な

米国サウスカロライナ大学、サウスカロライナ大学エンジニアリングおよびコンピューティング大学統合情報技術学科

対応：シャロン 組な （gumina@mailbox.sc.edu））

BMC Proceedings 2024、 18（8）：p8

目的：この研究の私の目的は、データの視覚化を使用してヘルスケア違反の傾向を特定し、他の産業部門とそれらの傾向を比較することでした。ヘルスケアセクターは、医療機関が質の高い医療を提供し、電子健康記録の機密性に違反するランサムウェア攻撃の急増を経験しているため、このデータを分析しようとしています[1]。ランサムウェア攻撃は、悪意のあるソフトウェアにより脅威アクターが重要な情報へのアクセスを制限し、制限を解除するために何らかの形の支払いを要求することを許可する場合に発生します。2023年、ランサムウェアは、すべての業界と組織の規模にわたるすべての違反の24％を占めていました[1]。

方法：医療記録情報を保持している企業は、米国保健福祉省（DHHS）の公民権侵害局[2]に500を超える医療記録に影響を与える主要なデータ侵害を報告する必要があります。DHHSポータルの侵害情報を含むオープンソースデータセットを使用して、2009年から2019年までこれらの医療違反の影響を受けた何百万人もの個人を描写するインタラクティブな縦断的視覚化を作成することができました[3]。

結果：エリアチャートは、2015年に2015年にインディアナ州のアンセムでの大規模な違反があり、8,000万人以上の個人に影響を与えたため、2009年から2019年までの大規模なスパイクでヘルスケア違反が増加していることを示しています[2]。

Kaggle.comで利用可能な別のオープンソースデータセットを使用して、1000を超えるランサムウェア違反記録を含む[4]を使用して、2019年から2021年まで地理空間視覚化を使用してランサムウェア攻撃を報告した組織の経度と緯度を使用することができました（図2）。

場所は、ビジネス、教育、政府、およびヘルスケアを含む業界のカテゴリに従って色分けされています。

議論：縦断的および地理空間的視覚化は、ヘルスケア内の米国全体のランサムウェアの影響を理解するための強力なツールであり、インディアナ州の1つの保険会社で8,000万人以上の医療記録が違反された2015年のスパイクを含む傾向を特定するのに役立ちます[2]。

これらの視覚化は、医療提供を混乱させ、患者を危険にさらす可能性があるため、最も悲惨なタイプの攻撃の1つとして、ランサムウェア攻撃を伴う米国の医療機関と患者に対するサイバー脅威の増加を示しています。

現在、ランサムウェア攻撃の範囲と効果に関する体系的な文書はないため、これらのヘルスケアランサムウェア攻撃のより縦断的および地理空間分析は、米国の医療機関と個人に対するランサムウェアの全国的な影響を理解するために不可欠です[5]。

参照

1. 1。

   DBIRレポート2023-調査結果の概要[インターネット]。[2023年12月4日引用]。から入手可能：https://www.verizon.com/business/resources/reports/dbir/2023/summary-of-findings/

2. 2。

   ジョン・ラッセル・イブジ。インディアナ州は医療データ侵害で国を率いている、と報告書は言う[インターネット]。2022 [2023年12月4日引用]。から入手可能：https://www.insideindianabusiness.com/articles/indiana-leads-the-nation-in-medical-data-breaches-report-says

3. 3。

   ヘルスケアデータ侵害 - Nicole -Mark [インターネット]によるプロジェクト。2021 [2023年12月4日引用]。から入手可能：https://data.world/nicole-mark/healthcare-data-breaches

4. 4。

   ランサムウェア攻撃[インターネット]。www.kaggle.com。[2023年12月4日引用]。から入手可能：https://www.kaggle.com/datasets/samara2022/ransomware-攻撃

5. 5。

   Neprash HT、McGlave CC、Cross DA、Virnig BA、Puskarich MA、Huling JD、Rozenshtein AZ、Nikpay SS。米国の病院、診療所、およびその他のヘルスケア提供組織に対するランサムウェア攻撃の傾向、2016-2021。JAMA Health Forum 2022 12月2日（Vol。3、No。12、pp。E224873-E224873）。アメリカ医師会。

マーガレット・アイアムズ、アブドゥウアイ・ダイオウ、ケイティ・プラット、ジョン・シンクレア、クレア・ヤングブラッド

¹サウスカロライナ州保健環境局、米国サウスカロライナ州コロンビア州環境管理局

対応：マーガレットIIS（iiamsm@dhec.sc.gov））

BMC Proceedings 2024、 18（8）：見て

研究の目的：サウスカロライナ州保健環境管理局（DHEC）の急性疾患疫学部門は、報告可能な疾患の症例を追跡します。ケースが部門に報告されるための複数の方法が存在しますが、その一部は医療提供者または組織による手動報告が必要です。手動報告方法で見られる問題の1つは、データの欠落または不完全なデータです。電子症例報告（ECR）は、患者の電子健康記録から直接来る病気を報告する方法です。この方法では、手動報告を必要とせず、欠落または不完全なデータの発生を減らす可能性があり、通常は他のレポート方法によって提供されないデータを提供します。

方法：サウスカロライナ州のDHEC州は、10月2日に特定のECRのために公開されました^nd、2023年。この研究では、限られたヘルスケア組織のセットからのcovid症例のために来たECRを調べました。データの完成が計算され、他のレポート方法と比較されました。

結果：これまでのECRからのデータを含んでいる場合、それらはすべて、医療提供者の連絡先情報と患者の地域情報を含んでいました。さらに、それらのほとんどは既知のレースがリストされています。

議論：最初の調査結果に基づいて、受け取ったECRは、レースデータの完了率を増やし、連絡先と地域のデータをDHECに提供するのに効果的でした。この情報は、州の病気を追跡する努力において、部門にとって不可欠です。完全なレースデータは、健康の公平性を理解し、促進するために不可欠です。

オザを実行します¹、Prema s²、エマニュエル・ファブリス・ジュルセウス²、ジョセフ・ロバート³、シェリル・L・スコット⁴

¹サウスカロライナ大学公衆衛生学部環境保健科学科。²米国サウスカロライナ大学、サウスカロライナ大学公衆衛生学部、疫学および生物統計学科。³疾病管理予防センター（CDC）財団、CDC、アトランタ、ジョージア州、米国。⁴サウスカロライナ州保健環境局、サウスカロライナ州コロンビア、サウスカロライナ州、コミュニティヘルスサービス局局

対応：エマニュエル・ファブリス・ジュルセウス（ejulceus@email.sc.edu））

BMC Proceedings 2024、 18（8）：P10

研究の目的：米国のいくつかの州は、2020年から2021年にかけてCOVID-19管理に電話ヘルプライン/ホットラインを利用しています。サウスカロライナ州保健環境管理局（SCDHEC）は、Covid-19の懸念を受け取り、対応するために、ヘルプラインであるケアラインの使用を拡大しました。この研究の目的は、予防と制御におけるケアラインのCovid-19データの有用性を調べることを目的としています。

方法：ケアラインCOVID-19データセットのこの遡及的分析は、2020年5月から2021年4月に受け取った通話に関するものです。コール変数には、通話数、コール、地域、郡、年齢、性別の理由が含まれています。Covid-19の症例、入院、死亡、および社会経済的変数は、SCDHECおよびその他の公開されているデータベースから抽出されました。ケアラインコールとCovid-19の症例、入院と死亡、およびコールの理由の関連性との相関、コール数と社会人口学的変数の数は、ピアソン相関、相互相関、ポアソン回帰、およびカイ二乗検定を使用して評価されました。

結果：ケアラインは、調査期間中に119,721のCovid-19関連の呼び出しを受けました。毎週のケアラインコールの分布と毎週のCovid-19症例の間には正の相関がありました（r= 0.71、p<0.0001）、入院（r= 0.61、p<0.0001）または死（r= 0.70、p<0.0001）、およびケース、入院、および死亡のピークに先行するコールピーク。ケアラインコールとCovid-19の症例の間の最高のマッチラグは2週間でした。ミッドランド（1.40、95％CI 1.07-1.84）およびPEE DEE地域（1.45、95％CI 1.11-1.90）のコールレートは、アップステートのレートよりも有意に高かった。低所得郡の若い発信者と発信者、または非ヒスパニック系の白人居住者の割合が低いと、テストに関しては、カウンターパートよりもワクチンに関するより少ない。

議論：CAVID-19コールの全体的な傾向は、症例と密接に相関しており、サウスカロライナ州のCOVID-19の症例や予防接種に匹敵する社会人口統計パターンを説明しています。予防と制御におけるケアラインのCOVID-19データの有用性は、サウスカロライナ州のCOVID-19の症例やワクチン接種の傾向と相関する初期の監視の可能性があると思われます。

キーワード：ヘルプライン;COVID-19（新型コロナウイルス感染症;トレンドを呼び出します。監視;テスト;予防接種

ジャロンキング^1,2、Katelyn Hastie^1,2

¹がんプログラム、サウスカロライナ州保健環境管理局、米国サウスカロライナ州コロンビア。²米国サウスカロライナ大学、サウスカロライナ大学、アーノルド公衆衛生学部の保健促進科学科

対応：ジャロンキング（kingjh@dhec.sc.gov））

BMC Proceedings 2024、 18（8）：P11

問題：サウスカロライナ（SC）がんプログラムは、SC州保健局（SC DHEC）の慢性疾患および怪我防止局内の新しい運用部門です。がんプログラムユニットは、650万ドルを超えるCDC資金によるがん予防と制御助成金の3つの腕すべてを単一のユニットにまとめる統一部門です：1）SC Central Cancer Registry（SCCCR）、2）SC乳房および子宮頸がん早期検出プログラム、ベストチャンスネットワーク（BCN）、および3）SC包括的な癌制御プログラム（「Comp。」がん）。がんプログラムは、継続的な取り組みを測定および視覚化するための統一されたシステムを求めました。

プロジェクト：SCがんプログラムには、データの整合性アナリストから、毎年数万人の請求を処理するデータ整合性アナリストから、州内のがんのすべての新しい発生と治療法を確認する認定腫瘍レジストラまで、その役割が異なる50人以上のスタッフメンバーを抱えています。National Cancer InstituteとSCCCRのデータによると、毎年約33,000の新しい癌症例が診断されています。ほぼ一定の物理的、経済的、および感情的な給料がんが、さまざまな活動やイニシアチブに広がる努力を求めて、一般の人々の呼びかけを引き受けます。アクティビティを追跡するためのダッシュボードを作成している間、がんプログラムのスタッフが実行する30以上のユニークなアクティビティと、努力の有効性を測定するための追加の6つのデータソースを特定しました。ダッシュボードは、ユニークな活動測定値を使用して毎月更新されるように作成され、毎年または半年ごとに新しい癌の発生率と死亡率データを使用して作成されました。PowerBiを使用して、がんのスクリーニングや治療から公衆衛生の取り組みに触れる生活まで、何千ものユニークなデータポイントを反映したダッシュボードを作成しました。

学んだ教訓：SCがんプログラム用に作成されたダッシュボードは、ハイブリッドデータの視覚化と追跡ツールの例であり、公衆衛生の他の分野や同様のがんプログラムインフラストラクチャを持つ他の州で使用および複製できるものです。新しいデジタルツールを作成する際に一般的であるように、このプロジェクトは当初予想されるよりも時間がかかりましたが、学んだ教訓には、がんプログラム全体で強化されたリソースとコミュニケーションが含まれていました。がんプログラミングの進捗と影響を追跡するために、複数の年間レポートが定期的に生成されましたが、ダッシュボードにより、リーダーシップと評価者が、個々のチームがサウスカロライナ人への影響を減らすために設定した目標と目的でどのように実行しているかを迅速に確認できるようになりました。

リンガ・マーシー・コタギリ、サラ・ガレウ、アナ・ロペス・デ・フェデ

サウスカロライナ大学、ソーシャルワーク大学、ソーシャルワーク大学の家族研究所

対応：ジェンダー像kotagiri（kotagiri@mailbox.sc.edu））

BMC Proceedings 2024、 18（8）：B 12

背景：サウスカロライナ大学家族のための家族研究所（IFS）は、サウスカロライナ出生成果データワークグループの後援の下で、2011年以来母体および新生児の健康品質の傾向を報告しています。2021年以降、IFSはメディケイドの補償範囲の割合の減少を2〜3％特定し、その結果、公開報告を12か月制限する必要がありました。ビッグデータ管理手法を使用して、メディケイド適格性ファイルへのデータリンケージタイミングとして、支払人の確認の遅延の根本原因を特定しました。

客観的：病院のエンドユーザーに産科の品質改善の取り組みを支援するためのよりタイムリーなデータを提供することの一環として、サウスカロライナの収益と財政問題（SCRFA）のメディケイド率の低下とそれによって影響を受けた患者と協力して調査しました。

材料と方法：IFSは、SCRFAから四半期ごとに、出産時、出産の18か月前、および出産後18か月前にSC分娩患者のすべての病院記録を受け取ります（2015年10月1日以降の合計記録を超えます）。これらのデータは、出生結果と主要な人口統計を導き出すためのすべての出生記録にリンクされており、支払者を確認するためのメディケイドの適格性にリンクされています。

1四半期の配送UB-04クレーム、第4四半期（10月から12月）は、サービス日から6か月と18か月の2つのデータ期間にわたって比較されました。後のデータは、母親と新生児のすべての適格性ファイルでメディケイドマッチを最大化するための修正をテストした後の結果を表しました。この研究では、メディケイドの適格性、年齢、人種、産業、高い社会的脆弱性（HSV）、低出生体重、未熟さ、またはCovid-19の診断または慢性的な身体的または行動的健康状態を比較しました。2つの割合の平等のテストを使用した配達時間。

結果：後のデータは、メディケイドの最終支払者としてのメディケイドの確認における遅れを確認するメディケイドの配達が2％増加したことを示しました（61.6％対59.5％、p<0.05）。すべての配達と比較して、遅れたメディケイドの配達は大幅にありました（p<0.05）20〜24歳（36％対22％）、ヒスパニック民族（20％対12％）、HSV（25％対19％）、低出生体重（16％対10％）または未熟念（16％対11％）、Covid-19（10％対5％）、および限られた利益（14％対11％）またはサービス料金の補償（30％対17％）。重要ではありませんが、遅れたメディケイドの配達は、回避可能な帝王切開（30％対26％）、農産物（29％対26％）、慢性的な身体（30％対26％）または行動的健康状態（24％vs対vsの割合が高くなりました。23％）。

結論：このデータラグを考えると、早期介入のために複雑な配信患者を特定する機会を逃す可能性があるため、SCRFAとの協力を優先して、メディケイドの適格性とのデータリンクを永久に改善し、2023年10月の時点でほぼ完全な記録をもたらし、公開レポートは日付からわずか6か月しかありません。配達の。データの量、3つのデータソースにわたるリンク、および進行中のデータにより、産科プロバイダーは品質改善のためにリアルタイムの堅牢なデータにアクセスすることができました。この調査により、最も脆弱な出産患者の一部が現在代表されていることが保証されています。

エリン・N・ルーニー¹、Shirelle H. Hallum¹、アンナ。チュパック¹、ケルシー・M・トーマス¹、ドウェインE.ポーター²、はいS.誰³、アンドリュー・T・カチンスキー^1,3

¹米国サウスカロライナ大学公衆衛生学部の保健促進、教育、行動局。²サウスカロライナ大学公衆衛生学部環境保健科学科。³予防研究センター、アーノルド公衆衛生学校、サウスカロライナ大学、コロンビア、サウスカロライナ州、米国

対応：エリン・N・ルーニー（looneye@email.sc.edu））

BMC Proceedings 2024、 18（8）：P13

研究の目的：米国の大気汚染は1970年代から減少していますが、微粒子状物質（PM2.5）のような有害な大気汚染物質への曝露の格差は持続しています。以前の研究では、大気汚染への曝露と社会経済的地位や人種/民族などの個々の要因との関連が調査されていましたが、サウスカロライナの社会的脆弱性や時間的傾向（重大な健康問題と不平等を特徴とする国家）を調査することはめったにありませんでした。この研究の目的は、2000年から2018年までのSCのPM2.5と全体的な社会的脆弱性との関係を調査することでした。

方法：CDC/ATSDRソーシャル脆弱性指数（SVI）は、SCのすべての国勢調査地域に使用されました（SVI）n= 2000年現在）4つのコンポーネントに基づいています：少数派のステータスと言語（2つの変数で構成される）、社会経済的ステータス（4つの変数）、住宅タイプと輸送（5つの変数）、および家庭構成と障害（4つの変数）。全体的なSVIはTertilesに分類されました（Low = 289、中程度= 290、High = 288）。セントルイスのワシントン大学からの年間表面PM2.5濃度（μg/m3）の北米の推定値は、2000年から2018年までの各地域について確認されました。中程度の、高SVIトラクト（路の都市性を制御）。

結果：2000年から2018年にかけて、それぞれのPM2.5が48.1％、49.1％、48.3％のPM2.5の減少が観察された低、中程度、および高脆弱性レベルの路。= 24494.3、p<.0001）、SVI Tertile相互作用による重要な領域（F = 3.49、p<.0001）。2000年のベースラインに対する年間PM2.5の違いは、分析された19年のうち6つで有意でした。2012年と2016年を除き、統計的に有意な所見もSVI成分についても観察されました。

議論：この研究の結果は、2000年から2018年までの社会的脆弱性のすべてのレベル（低、中程度、高）にわたる平均PM2.5濃度の大幅な減少を明らかにしました。さらに、路とSVIの系の間の大幅な相互作用は、PM2の変化がPM2の変化を示していることを示しました。.5濃度は、社会的脆弱性レベルに応じて異なり、コミュニティに対する大気質の改善の影響が均一ではないことを示唆しています。これらの調査結果は、環境正義の取り組みの継続的な必要性を強調し、社会的要因と大気質の傾向との複雑な相互作用を強調しています。

この要約は、ポスターセッション2の新興学者からの最高のポスタープレゼンテーションとして選択されました

Gahssan Mehmood、Jan Ostermann、Ibitin Okeafor

米国サウスカロライナ大学公衆衛生学部の保健サービス政策と管理局

対応：Ready Mahmoud（gmehmood@email.sc.edu））

BMC Proceedings 2024、 18（8）：P14

背景：自閉症スペクトラム障害（ASD）と診断された子どもたちは、状態の多様な性質により、独特のヘルスケアの課題に直面しています。ASDは、医療、発達、および行動のニーズのスペクトルによって特徴付けられ、多くの場合、専門的で包括的なヘルスケアサービスが必要です。この人口のヘルスケアのニーズは、従来の医療サービスを超えており、行動および発達のサポートを網羅して、全体的な幸福を高めます。これに関連して、医療所の概念は、ASDの子供にホリスティックケアを提供する上で重要な要素として浮上しています。医療の家とは、個人に調整された継続的なケアを提供する、ヘルスケアに対する集中型の家族中心のアプローチを指します。この研究は、米国のASDとの3〜17歳の子供のヘルスケア利用を取り巻く複雑なダイナミクスを掘り下げています。これらのパターンを理解することは、この人口の特定のニーズに対処し、全体的なヘルスケアエクイティを改善するために不可欠です。

目的：この研究の主な目的は、一貫性と適切な健康保険の適用範囲と、医療、緊急治療室（ER）訪問、予防ケアの利用、予防ケアの利用など、さまざまな医療利用成果に関する包括的な医療用住宅環境へのアクセスとの相互作用の影響を調べることです。メンタルヘルスケア、および偽装されたヘルスケアの事例。

方法：ロジスティック回帰モデルを適用して、2016年から2021年までの全国調査（NSCH）のデータからのデータを使用して、調整済みオッズ比（AOR）と95％信頼区間（CI）を分析しました。ASDの子供の多様な人口内の多面的な関係を調査するための堅牢な基盤。1,652,862人の集団に重み付けされたASDの5,489人の子供で構成されるサンプルでは、ロジスティック回帰モデルは一連の制御変数を考慮し、微妙で包括的な分析を保証します。

結果：この調査結果は、医療利用の結果に関する健康保険の補償と医療施設の複雑な相互作用に関する貴重な洞察を提供します（表1）。一貫性のない健康保険の補償を伴うが、包括的な医療用住宅環境に住んでいる子どもたちは、医療利用の可能性の増加を示しました（AOR = 1.64、95％CI：1.01-2.67）。特に、15〜17歳の年齢層の年長の子供は、若いカウンターパート（3〜7歳）と比較して予防ケアの利用率が低下したことを示しました（AOR = 0.34、95％CI：0.22-0.54）。この集団に対するヘルスケア介入。忘れられたヘルスケアの事例は、特に一貫性のない健康保険の補償と包括的な医療用住宅環境がないことに関連していました（AOR = 3.43、95％CI：1.66-7.12）。これは、支持的な医療の家庭環境の欠如と相まって一貫したカバレッジの欠如が、これらの障壁を軽減するための標的介入の必要性を強調し、必要な医療サービスへのアクセスの課題に貢献する可能性があることを示唆しています。

ディスカッションと結論：ロジスティック回帰分析は、ASDの子供の間でのヘルスケア利用パターンの包括的な理解を提供します。これらの調査結果は、適切な医療へのアクセスと利用を促進する上で、一貫した健康保険の補償と包括的な医療用住宅環境の存在の重要性を強調しています。年齢固有のヘルスケアのニーズに対処し、一貫したカバレッジと支援的な医療施設の環境を確保するための調整介入は、この脆弱な人口のヘルスケアの公平性を高め、全体的な幸福を改善するために重要です。

キーワード：ヘルスケア利用;健康保険;医療ホーム;予防ケア;医療;子供たち

z i pure m^1,2、ソン・ユアン・デン¹、ケビン・ベネット^1,3

¹米国サウスカロライナ州コロンビアの農村およびプライマリヘルスケアセンター。²米国サウスカロライナ大学、サウスカロライナ大学公衆衛生学部、疫学および生物統計学科。³サウスカロライナ大学コロンビア大学医学部家族および予防医学部

対応：z i純粋なm纯（zichunm@email.sc.edu））

BMC Proceedings 2024、 18（8）：P15

勉強の目的：注意欠陥多動性障害（ADHD）は、世界中の小児集団のかなりの部分に影響を与える一般的な小児期の精神衛生障害です。ADHDのために一般的に処方される覚醒剤薬は、症状の管理と生活の質の向上において極めて重要です。Baweja et al。覚醒剤治療を受けた子どもたちは、学校の欠勤率の低下を経験し、保持される傾向が低いことを発見しました[1]。この研究の目的は、特に以前の研究で徹底的に調査されていない側面の役割に焦点を当てて、学校の欠勤に対するADHD薬の微妙な効果を調査することにより、以前の調査結果に基づいて構築することを目的としています。これらの薬がADHDの症状を管理する上で果たす極めて重要な役割と、教育パフォーマンスへの潜在的な影響を理解することが不可欠です。

方法：このレトロスペクティブ研究では、メディケイドの請求データが継続的に登録されたサウスカロライナの子供（2016-2019）からのデータを分析しました。私たちは、少なくとも2つのADHD診断を持つ子供に焦点を当て、学校の欠勤に対する覚醒剤薬（メチルフェニデートとアンフェタミン）の影響を調べました。性別は、欠勤に対する投薬効果の潜在的な違いを探るための重要な共変量と見なされました。因果森林分析が採用され、平均治療効果（ATE）を推定し、サブグループ全体の治療効果の変動を特定しました。これに関連して、欠勤を減らす際のより大きな投薬の有効性を示しているため、より負のATE VALUEが望ましいです。この分析により、性別を含むさまざまな人口統計間で薬の効果がどのように異なるかを詳細に調べることができます。

結果：この研究は、7〜15歳の2,881人の子供に焦点を当て、ADHDと少なくとも2回診断されました。これらのうち、16％がメチルフェニデートを服用し、アンフェタミンには21％が含まれていました。学校の欠勤に対するADHD薬の平均治療効果（ATE）は-0.1569であり、薬物の使用が一般に欠勤を減少させることを示しています。サブグループ分析では、性別固有の違いが現れました。女性の場合、ATEは0.4947であり、-0.2153のATEを持っていた男性と比較して、女性の欠勤を減らすのに投薬があまり効果的ではないことを示唆しており、欠勤のより有意な減少を示しています。さらに、重度の喘息の子供は、-4.7687のATEで不在者の大幅な減少を示し、このサブグループでADHD薬の有効性を示しています。

議論：この研究は、性別や併存疾患によって異なる学校の欠勤に対するADHD薬の微妙な影響を強調しています。調査結果は、男性と重度の喘息の患者の間の欠勤を減らすのに薬がより効果的である可能性があることを示唆しています。これらの洞察は、ADHDの管理における個別化された薬物戦略と標的介入の必要性を強調しています。さらなる研究では、これらの不均一な効果の根本的なメカニズムと、観察されていない交絡因子の役割を調査する必要があります。

参照

1. 1。

   Baweja、R.、Mattison、R.E。、＆Waxmonsky、J。G。（2015）。学校のパフォーマンスに対する注意欠陥多動性障害の影響：投薬の影響は何ですか？小児薬、17（6）、459-477。https://doi.org/10.1007/s40272-015-0144-2

Motlatso G. Mlambo、Matseliso P. Molapo、Letlhogo M. Mamamorumo、Herman J. Visser

南アフリカ大学プレトリア、南アフリカの協会情報局

対応：Motlatso G. Mlambo（mlambmg@unisa.ac.za））

BMC Proceedings 2024、 18（8）：P16

背景：高等教育機関の景観は急速に進化しています。競争力の向上と複雑であり[1]、学生集団の健康、幸福、成功を確保する上で前例のない課題に直面しています。したがって、高等教育機関は、学生とスタッフの分析に機関研究（IR）サービスを利用して、教育、学習、研究における証拠に基づいた計画と意思決定サポートを提供することを目指しています。学生のプロファイル、教育経験、持続性研究、雇用可能性、健康、気候の評価、および満足をカバーするさまざまなスタンドアロンデータセットにもかかわらず、これらのデータセットは、遠距離高等教育における消耗と非患者の学習の包括的な見解を欠いています。これらのさまざまなデータセットの融合は、実質的なビッグデータリポジトリを形成する機会を提供し、学習の課題に関する統合された視点を提供します。これにより、ポリシーと介入を導き、調和したデータと統合分析を促進して、学生の成功を強化します。

標的：この研究では、南アフリカの距離高等教育機関での制度研究によって生成された多様な健康関連データセットを分析するために、ビッグデータの方法論を適用することの実現可能性と意味を調査しました。

方法：この記述的なデスクトップ研究では、カレンダーに従って、ビッグデータアプローチを適用する可能性を評価するために、Calendared、委託、および計画された研究に従って、一連の制度的研究データ型とその情報源を調査しました。データは、機関の意思決定プロセスを通知する複数のデータセットで構成されるIRリポジトリから供給されました。データは、Gartnerのモデルから拡張された5 VSモデル（ボリューム、速度、速度、多様性、価値）のLaney（2001）のビッグデータ特性を適用することにより、記述的に分析されました[2]。合計で、5人のスタッフと16人の学生の健康関連データセットが分析されました（表1および2）。

結果

1. 1）

   制度的研究スタッフ関連の健康研究

2. 2）

   制度的研究学生関連の健康研究

学んだ教訓：Student Walk and Empirical Researchからの制度的研究を通じて生成された健康関連データの豊富なデータは、ビッグデータの形で解く価値のある貴重な洞察を提供します。ほとんどの非アマルガメートされたスタッフと学生の健康関連データは、ビッグデータの5つの特性をすべて所有していませんでした。しかし、価値は高く、高等教育における制度的研究の関連性を示していました。合併データは、ビッグデータアプローチを大幅に適用するために濃縮が必要になります。ビッグデータテクノロジーを活用して、Health IRデータソースから洞察を得ることが重要であり、最終的には教育戦略の強化に貢献します。

謝辞

さまざまな研究を主導し、意思決定の目的で洞察に富んだ報告書を作成した専門の機関研究者を認めたいと思います。私たちの感謝は、分析を充実させる重要なデータセットを提供するために、ビジネスインテリジェンス局のアナリストにも当てはまります。

この要約は、ポスターセッション2で最高のポスタープレゼンテーションとして選択されました

参照

1. 1。

   ダニエルB.高等教育におけるビッグデータと分析：機会と課題。英国教育技術ジャーナル。2015年9月; 46（5）：904-20。

2. 2。

   Laney D.データ管理：データボリューム、速度、品種の制御。から入手可能：http://blogs.Gartner.com/doug-laney/files/2012/01/ad949-3D-Data-Management-Controlling-Data-Volume-Velocity-and-Variety。

ニコール・ディピロ¹、デビッド・ムルダイ²、ジェームズ・クラウス¹

¹サウスカロライナ医科大学、サウスカロライナ州チャールストン、サウスカロライナ大学保健専門職。²米国サウスカロライナ大学サウスカロライナ大学公衆衛生学部の応用研究および評価センター

対応：David Murdai（murday@mailbox.sc.edu））

BMC Proceedings 2024、 18（8）：P17

勉強の目的：ヘルスケア研究と品質機関（AHRQ）が開発した予防品質指標（PQI）を評価して、外傷性脊髄損傷（TSCI）の人口ベースのコホートの間で、潜在的に予防可能な入院率（EDおよび入院患者の訪問）を特定します。サウスカロライナ（SC）。

背景：TSCIの人は、急性および慢性の合併症、二次的な健康状態、入院率が高いリスクが高くなります。TSCI後、予防可能な潜在的な入院の原因には、心不全、肺浮腫、肺炎、尿路感染症、高血圧、糖尿病[1,2,3,4,5]が含まれます。6,7,8]。TSCIを持つ人は、最適ではない予防ケアを受けるという証拠がありますが、TSCIを持つ人の間でのPQIの使用に関する証拠は限られています。

方法：研究手順は、施設内審査委員会によって承認されました。参加者には、2015年に生きていて18歳以上の2015年以前にSC TSCIサーベイランスレジストリのすべての人が含まれていました（2018年には18歳以上でした（n= 2,531）。2016年から2018年の病院の使用は、SC Revenue＆Fiscal Affairs Officeによって追跡されました。PQIのAHRQによって開発されたコンピューターコード、定義、およびフレームワークを使用して、潜在的に予防可能な病院の訪問が特定されました[9]。2018年の全国料金はAHRQによって計算されました。数が少ないため、TSCIのSCおよびSC居住者の料金は2016年から2018年にかけて平均されました。

結果測定：PQIは、高品質の一次/外来療法で予防可能な潜在的に予防できる急性または慢性の外来ケアに敏感な状態の入院を特定するために使用されます。

結果：慢性TSCIのSC成人のいくつかの条件の入院率は、一般的なSC集団の人よりも有意に高かった（表1）。両方のSC集団の料金は、国民人口率よりも大幅に高くなっています。

議論：SC TSCI集団の潜在的に予防可能な病院使用率は、SC一般人口率よりも特定の条件の方が大幅に高くなっています。不必要な入院を防ぐために、TSCI患者のこれらの状態とプライマリケアのニーズをよりよく理解する必要があります。

謝辞

努力は、国立障害、独立生活、リハビリテーション研究（NIDILRRグラント番号900119-02-02-02-02-02-02-02-02-02-02-02-02-02-02-02-02-02-02-02-02-02-02-02-02-02-02-02-02-02-02）からの助成金によって支援されました。

参照

1. 1。

   ギルチャーSJT、クレイヴンBC、他救急部門は、外傷性脊髄損傷のある人のプライマリケアの適切な代替品ですか？脊髄。2013;51：202-208。

2. 2。

   Mahmoudi E、Lin P、et al。外傷性脊髄損傷のある人々の間での潜在的に予防的な入院のための予防サービスの使用とリスク削減。Arch Phys Med Rehabil。2022;103：1255-62。

3. 3。

   Khosravi S、Khayyamfar A、et al。外傷性脊髄損傷のある個人の質の高いケアの指標：スコーピングレビュー。グローバルスパインJ. 2022;12：166-181。

4. 4。

   Herrmann AA、Chrenka EA、他急性入院患者のリハビリテーション後の潜在的に予防可能な再入院。Am J Phys Med Rehabil。2023;102：1014-1019。

5. 5。

   Rose S、Stineman M、et al。日常生活制限段階のさまざまな活動における人々の間で潜在的に回避可能な入院。Health Serv Res。2017;52：131-155。

6. 6。

   Bychkovska O、Tederko P、et al。より強力なプライマリケアは、脊髄損傷のある人の医療サービスへのアクセスを改善しますか？ヨーロッパの11か国からの証拠。J脊髄薬。2023;27：1-11。

7. 7。

   Lofters A、Chaudhry M、et al。脊髄損傷を伴うプライマリーケア患者の予防ケア。J脊髄薬。2019;42：702-708。

8. 8。

   ミリガンJ、リーJ、他脊髄損傷のある人のプライマリケアの改善：ケアを導くためのツールキットの開発。J脊髄薬。2020;364-373。

9. 9。

   ヘルスケア研究と品質の代理店。予防品質指標（PQI）ベンチマークデータテーブル、V2021。2021;http://www.qualityindicators.ahrq.gov。

キャシー・L・オダホウスキー¹、HungのためにPEI^1,2,3、ベリーキャンベル^4,5j i red l iu^3,6、Nansi S. Boghossian⁶、Anirvan Chatterjee²、y i阌shi yellow²、チェルシーノルガード²、bo cai⁶ξao ming l i^3,7

¹米国サウスカロライナ大学アーノルド公衆衛生学部、農村および少数派保健研究センター。²米国サウスカロライナ大学公衆衛生学部の保健サービス政策と管理局。³サウスカロライナ州サウスカロライナ大学、サウスカロライナ大学、サウスカロライナ大学、サウスカロライナスマートステートセンター⁴母体および胎児医学、産婦人科、プリスマヘルス、コロンビア、サウスカロライナ州。⁵米国サウスカロライナ大学、サウスカロライナ大学コロンビア医学部産婦人科科婦人科;⁶米国サウスカロライナ大学、サウスカロライナ大学公衆衛生学部、疫学および生物統計学科。⁷米国サウスカロライナ大学、サウスカロライナ大学、アーノルド公衆衛生学部の保健促進科学科

対応：Cassie L. Odahowski（clo@mailbox.sc.edu））

BMC Proceedings 2024、 18（8）：p18

客観的：Covid-19パンデミックの前後に低リスクの帝王切開の配送率の農村および人種/民族の違いを調べる。

方法：2018年から2021年までに配信されたサウスカロライナ州の生まれたすべての出生の回顧コホートは、出生証明書の記録と全賃金の退院データをリンクすることによって特定されました（n= 194,393）。この研究では、2つの低リスク妊娠コホートのデータを使用しました。1）無効な、用語、シングルトン、頂点（NTSV、n= 65,974）および2）以前の帝王切開のない人（プライマリ、n= 167,928）。帝王切開の結果は、出生証明書の記録に基づいて特定され、国際疾患の分類を使用して検証されました-10^th改訂（ICD-10）、診断関連グループ（DRG）および現在の手続き型用語（CPT）コード。出産病院の農村部または都市の場所は、2013年の都市の影響コードを使用して定義されました。出産者の人種と民族性は、非ヒスパニック系の白、非ヒスパニック系黒人、ヒスパニック系、および他のすべての人種に分類されました。マルチレベルの多変量ロジスティック回帰は、農村/都市の出産病院の場所と、パンデミック以前の人々の出産者の人種/民族による帝王切開の結果の違いを評価しました（2020年1月から〜2月）および病院が営巣した周産周産周産期（2020年12月2021年12月）母体、乳児、施設の特性を調整します。

結果：NTSVと主要な帝王切開率は、出産病院と人種/民族の農村部と都市部の場所によって異なりましたが、Covid-19のパンデミックによって悪化しませんでした。黒人の出産の人々のよりも高い割合は、病院の場所とパンデミック期間に関係なく、人種/民族グループ全体でNTSVと主要な帝王切開を抱えていました。調整された結果は、NTSV帝王切開では黒と白の格差が残っていることを明らかにしましたが、一次帝王切開ではありませんでした。ヒスパニック系の個人は、NTSVの最も低い割合であり、調査したすべての人種/民族の主要な帝王切開を持っていました。しかし、ヒスパニック系の個人は、パンデミック前の農村病院の設定でNTSV帝王切開の可能性が高かった（AOR = 1.28、95％CI 1.05-1.56）が、この格差はパンデミック中に減衰した（AOR = 1.13 95％CI 0.93-1.37）。ヒスパニック系の個人の主要な帝王切開の調整された可能性は、彼らの白人の対応者と違いはありませんでした。

議論：大規模な健康記録データをリンクすることで、サウスカロライナ州の低リスク帝王切開での農村部と都市の出産場所と出産者の人種と民族性の交差性を調べることができました。SCのすべての出生の95％以上を代表する詳細なコホートデータにより、低リスクの帝王切開の農村および人種の格差が重複していることを特定することができました。健康記録データを使用した継続的な監視は、格差の時間的傾向を理解し、サウスカロライナの配信成果の公平性を改善するための将来の介入のタイムリーな開発を導く上で価値があります。

Ibi Okafor、Gahsang Mehmood、Saida Sehirban Akhtar

米国サウスカロライナ大学公衆衛生学部の保健サービス政策と管理局

対応：ibitein okeafor（iokeafor@email.sc.edu））

BMC Proceedings 2024、 18（8）：B 19

背景：コロナウイルス-2019（Covid-19）のパンデミックの多次元性は、医療システムの混乱、閉鎖措置、および健康上の懸念の強化を特徴としており、子どもの医療および予防的医療利用のパターンに潜在的に影響を与えています[1-3]。Covid-19パンデミックが子供のヘルスケア利用に及ぼす影響に関する以前の研究は、毎年の傾向分析を採用しています[4-5]。毎年の傾向は、時間の経過に伴う段階的な変化により、データの突然のシフトを隠すことがあります。パンデミックは、線形トレンドの一部ではない急性混乱をもたらし、したがって、2つの異なる期間（パンデミックとパンデミック）に分類することで、医療および予防的医療利用に対するパンデミックの突然の深い影響をより正確に反映する可能性があります。

客観的：この研究の目的は、米国の0〜17歳の子供の医療および予防的医療利用に対するCovid-19パンデミックの影響を決定することを目的としています。

方法：50州とワシントンDCからの2016-2019（パンデミック以前の期間）および2020-2021（パンデミック期間）の子どもの健康（NSCH）データの全国調査（NSCH）データn= 0〜17歳の71,423,669人の子供を表す221,297）を使用して、医療および予防的医療利用（結果変数）に対するCovid-19パンデミック（暴露変数）の効果を決定しました。医療医療の利用は、過去12か月間の医療専門家からの医療訪問として定義されましたが、予防的医療利用は、過去12か月で1つ以上の予防医療検査を受けていると定義されていました[6]。人口統計学的要因を制御した後の曝露と結果変数との関連を調べるために、多変数ロジスティック回帰分析を実行しました。

結果：0〜17歳の子供の医療訪問は、パンデミック前期間[83.0％（82.5-83.5％）]よりもパンデミック期間[80.6％（79.9-81.2％）]よりも低かった。同様に、予防ケアの訪問は、表1に示すように、パンデミック以前の期間[79.8％（79.2-80.3％）]と比較して、パンデミック期間[76.7％（76.0-77.4％）]の減少を示しました。変数、医療訪問のオッズ[調整済みオッズ比（AOR）：0.85; 95％CI：0.80-0.90）および予防ケア訪問[AOR：0.83; 95％CI：0.79-0.88]は、パンデミックの方がPREよりも低かった - パンデミック期間。非ヒスパニック系の黒人であり、ヒスパニック人は農村部に住んでおり、400％の連邦政府の貧困レベルを下回る収入のある世帯に住んでおり、英語以外の言語を話し、医療および予防的な医療利用の可能性を経験しました（表2）。

議論：この研究は、Covid-19パンデミック中の0〜17歳の子供の間で、より低い医療および予防的医療利用の利用を明らかにしています。慎重な解釈の必要性にもかかわらず、NSCHのヘルスケア利用の2020年の推定値は過去12か月に基づいており、パンデミックの急性効果に対する感度を潜在的に制限する可能性があるため、この研究は小児医療利用に関する重要な洞察を提供します。非ヒスパニック系黒人、ヒスパニック系、農村地域に居住する人、連邦貧困レベルの400％未満の収入のある世帯、英語以外の言語の人々の間で報告されたヘルスケア利用のより低い確率は、対処するための対象となる介入の重要なニーズの重要性を示しています。パンデミックによって強調された悪化した健康格差を修正します。公衆衛生戦略、政策調整、およびリソースの割り当ての実施により、危機中にすべての子どもたちのヘルスケアへの公平なアクセスを確保することが提唱されます。

キーワード：ヘルスケア利用;予防ケア;医療;子供たち;COVID-19 パンデミック

参照

1. 1。

   Deolmi M、Pisani F.子どもと青年の間のCovid-19パンデミックの心理的および精神医学的影響。Acta Biomed。2020; 91（4）：e2020149。

2. 2。

   Lebrun-Harris LA、Sappenfield、またはWarren MD。Covid-19のパンデミックのために、米国の子供たちの間での予防医療訪問を逃し、遅延しました。Public HealthRep。2022Mar-Apr; 137（2）：336-343。

3. 3。

   Patrick SW、Henkhaus LE、Zickafoose JS、Lovell K、Halvorson A、Loch S、Letteri M、Davis MM。Covid-19パンデミック中の親と子供の幸福：全国調査。小児科。2020年10月1日; 146（4）。

4. 4。

   Lebrun-Harris LA、Ghandour RM、Kogan MD、Warren MD。米国の子供の健康と幸福の5年間の傾向、2016-2020。ジャマ小児科。2022 7月1日; 176（7）：E220056。

5. 5。

   lyu w、wehby gl。Covid-19パンデミックの最初の2年間の米国での子供のヘルスケアへのアクセスと利用の変化。学術小児科。2023 11月1日; 23（8）：1572-8。

6. 6。

   米国国勢調査局。2020子供の健康に関する全国調査：方法論レポート。2021年9月30日。https://www2.census.gov/programs-surveys/nsch/technical-documentation/methodology/2020-NSCH-Methodology-Report.pdf[2023年11月29日アクセス]。

Refilwe Nancy Phaswana-Mafuya^1,2、エディスを広げます^1,2、アムリタ・ラオ³水曜日のラップです³、ケイト・ルシンスキー³、カレン・アリダ・ヴォエット³アマル・アブドゥル・ラーマン³、クラリスは嘘をつきません^1,2、ベティは元気です^1,2、 雪^1,2、モーゼス・ジャイト^1,2、ルシアエレファント^1,2、キャサリンジャーニー³、ヘイリー・サイセル³、フランソワ・ウォルマラン⁴ξao ming l i⁵、Bellings Olablei⁵、Lifoso Motieloa⁶、ランピロ⁶. Stefan David Baral³

¹南アフリカ医学研究評議会/ヨハネスブルグ大学（SAMRC/UJ） - パンアフリカ疫学研究センター（ペーサー）南アフリカ、ヨハネスブルグヨハネスブルグの外国部門。²南アフリカ、ヨハネスブルグのヨハネスブルグ大学環境保健科。³主要人口プログラム、公衆衛生および人権センター、ジョンズホプキンスブルームバーグ公衆衛生学校、ボルチモア、メリーランド州、米国。⁴ヨハネスブルグ大学テクノロジーアーキテクチャ＆プランニング、ヨハネスブルグ大学、ヨハネスブルグ、南アフリカ。⁵米国サウスカロライナ大学公衆衛生学のアーノルド公衆衛生学部保健サービス政策と管理局。⁶南アフリカ国立エイズ評議会、プレトリア、南アフリカ

対応：エディス広がり（edithp@uj.ac.za））

BMC Proceedings 2024、 18（8）：P20

問題：大きな異種HIV関連データには、データの最適化や科学的発見の進歩、HIV応答のターゲットアプローチの確保など、多くの利点があります。2013年の個人データ保護法（POPIA）No.4は、データ共有標準とデータセキュリティを順守するという点でユニークな機会を提供します。ただし、データの機密性、プライバシー、匿名性、およびアクセシビリティに関する複雑さは持続します。この背景に対して、私たちは、ポピア時代の大きな不均一な主要集団（KPS）とHIV関連データを活用することで、ボロカプロジェクトからこれまでに学んだ教訓を共有しています。

プロジェクト：サブサハラアフリカプロジェクト（以降ボロカプロジェクトと呼ばれる）における主要集団間のHIV応答の潜在的な影響を評価するために大きな不均一なデータを利用することは、調和、合成のためにKPSの間、場所、期間、および集団を越えてさまざまなタイプのデータをまとめようとしています、リンケージ、および分析では、HIVの流行に最も大きな打撃を受けた地域での標的HIV応答を通知します。ボロカプロジェクトには5つの段階があります（図1を参照）。このペーパーでは、HIV関連のデータを保護するための意味のあるデータパートナーシップの確立に関係するステージ1と2に焦点を当て、HIVの反応を知らせる新しい研究質問に答えます。データパートナーシップを確立するプロセスには、UNAIDSデータ監視ツールと国家戦略計画HIV、STI、TB 2023-2028に基づいたHIV関連のインジケータリストとデータカタログの開発が含まれます。これに続いて、データパートナーにアプローチおよび保護され、データ共有とデータ処理契約の署名が行われました。データ共有契約は、2014年のPOPI Act 4と呼ばれる「個人情報の保護」と、その他の適用されるデータ保護規則および制度的法的要件と一致していました。データパートナーシップ契約は、両当事者の義務、期待、および役割、データの種類、および共有データからの利用と予想される結果の概要を説明しました。

学んだ教訓：制度的アライメントの順守と整合性。これにより、データ共有のプロセスが非常に長く退屈で、プロジェクトの進捗状況に影響を与える可能性があります。科学的調査の進歩を可能にするためには、データ共有の観点からのベストプラクティスが必要です。ポピアとポピアの規制をサポートするための制度的メカニズムに関するトレーニングが重要です。データプロセスとポピアに記載されている手順を理解することが重要です。継続的なアドバイスとサポートのために法律専門家を含む複数のロールプレーヤーを巻き込むことが必要です。ポピアの実装を導くのに役立ちます。全体として、データ共有のベストプラクティスへの順守は、データの最適化と科学的発見の進歩を強化します。

スコットリード

コロラド大学デンバー、コロラド州デンバー、リベラル芸術科学大学化学科

対応：スコットリード（scott.reed@ucdenver.edu））

BMC Proceedings 2024、 18（8）：p21

背景：特異な有害薬物反応（ADR）は、それにもかかわらず、薬物の利点を制限し、場合によっては薬物の撤退につながるまれなイベントです。ADRのいくつかの遺伝的原因は既知であり、まれな遺伝的変異は、薬物が承認された後に他のADRが発生する理由を説明できますが、臨床試験にはまれな遺伝的変異体によって引き起こされるADRの観察に十分な研究サイズがないため、驚くことではありません。機械学習と計算化学を使用して、遺伝的特徴がいくつかのADRを説明できることを予測しています。

方法：可能な薬物および薬物代謝産物のタンパク質の組み合わせの数を考慮すると、迅速なツールと結果をもたらす可能性のあるものを選択するための選別方法を持つことが不可欠です。私たちのツールは、候補ADR-SNV相互作用を迅速に特定するための最初のステップです。この検索を促進するWebアプリケーションを構築しています。

結果：Webアプリケーションを作成しました（https://pharmacogenomics.clas.ucdenver.edu/pharmacogenomics/side-effect/）[1]医薬品、副作用、およびこれらの薬物の予測代謝物に関する情報を収集して提供する。Metabolovigilanceと呼ばれるアプリケーションは、研究者が情報や化学構造にアクセスできるように簡単に簡単な方法です。

別のWebアプリケーション、Gtexome（https://pharmacogenomics.clas.ucdenver.edu/gtexome/）、ADRの可能性のある原因として調査するために、既知の変異を備えたタンパク質構造の飛行中の作成を提供します[2]。このツールは、2つの主要なデータソースから構築されています。Broad Institute [3]およびNIH Common Fund GTEXデータベース[4]から入手可能なExome Aggregation Consortium（EXAC）/GNOMADデータ。これらの2つの大きなデータセットから引き出されたGTEXOMEは、遺伝学のバリアントの分布に関する組織固有の情報を提供します。Gtexomeを使用して、Geneidsのリストが生成され、GeneidsからSNVのリストが作成されます。EXACおよびGNOMADデータセットは、人間のエクソーム内のすべての既知のSNVに関する情報を提供します。このツールでは、頻度、祖先固有の周波数、およびその他の特性で並べ替えることができます。SNV検索を実行するための入力データとしてGTEXを使用することにより、ゲノムの非コード領域とMissenseのみのフィルターを避けます。当社のWebアプリケーションは現在、GTEX結果にリストされているタンパク質に基づいてSNVを取得し、Alphafold2構造[5]またはメトリックの後に選択した実験構造（利用可能な場合）に基づいてFASPRを使用して変異タンパク質の3D構造ファイルを生成します。提供された。

議論：当社のオープンアクセス、高速スクリーニングツールは、ドッキングを実行して結果を分析するプロセスを簡素化しながら、タンパク質構造と組み合わせた薬物およびその代謝産物の適切にフォーマットされた3次元構造を提供します。一緒に、これらのツールの出力はシリコで実験的検証の前奏曲としての薬物相互作用の分析。

薬物や代謝物をSNVに結合するために、仮想画面の誤検知を特定するために機械学習技術を使用しようとしています。特に高品質のおとりの使用は、結果から誤検知を除去するのに役立つ可能性があります。私たちは、医薬品とその代謝産物のターゲット外の結合部位を特定するための新しいバイオインフォマティクスツールを作成しようとしています。私たちの目標は、これらの効果を回避できるように、まれで説明のつかないADRの根本的な遺伝的原因を特定するのに役立つツールを構築することです。これらのツールは、研究者が薬物タンパク質の相互作用にさらに優先順位を付けるために使用することができますシリコでまたは試験管内で研究。

参照

1. 1。

   Tan H、Reed S. Metabolovilance：薬物代謝産物を有害薬物反応と関連付けます。分子情報学。2022;41、2100261。

2. 2。

   Jillhoffman、Henrytan、Clarasandoval-Cooper、Kaelynde Villiers、Scott M.Reed Gtexome：モデリングは、一般的にヒトゲノムでミスセンス変異を発現しました。biorxiv2023.11.14.567143; doi：https://doi.org/10.1101/2023.11.14.567143

3. 3。

   Lek M.、et al。60,706人の人間におけるタンパク質コーディング遺伝的変異の分析自然2016、536、285–291。

4. 4。

   Gamazon、E.R.、Segrè、A.V.、van de Bunt、M。et al。44のヒト組織にわたって遺伝子調節のATLAを使用して、複雑な疾患および特性関連の変動を知らせます。Nat Genet50、956–967（2018）。

5. 5。

   ジャンパー、J。et al。Alphafoldによる非常に正確なタンパク質構造予測。自然（2021）。https://doi.org/10.1038/s41586-021-03819-2。

Zoe E. Sanders、Kenny Nguyen、Jacob Estrada、Debbie Barrington、Jennifer Grier

サウスカロライナ大学グリーンビル、グリーンビル、米国サウスカロライナ州グリーンビル

対応：ゾーイE.サンダース（sandersz@email.sc.edu））

BMC Proceedings 2024、 18（8）：b

研究の目的：呼吸器合胞体ウイルス（RSV）は、世界中の小児の急性気管支炎の主な原因であり、多くの要因が感染の重症度に寄与する可能性があります。気管支炎感染の重症度を評価し、治療の決定に役立ついくつかの臨床スコアリングツールが開発されました。ただし、これらのツールには検証がなく、パラメーターのバリエーションを示すことが多く、RSV感染に特に対処するようには設計されていません。この研究の目的は、患者データセットの評価で使用するためのRSV感染の重症度分類の包括的な理解を確立するために、小児患者（18歳未満）に適用されるRSV重症度スコアリングシステムを体系的にレビューすることを目的としています。

方法：PubMedを使用して、重大度スコア（≥2変数）の開発または使用を説明する研究の系統的レビューが実施されました。検索用語が含まれています重症度、重症、疾患の重症度指数、分類、RSV、呼吸器合胞体ウイルス、呼吸器合胞体感染、そして呼吸器合胞体ウイルス。レビュー、系統的レビュー、メタ分析、解説、手紙、18歳以上の集団を対象としたコホート研究は除外されました。その後、残りの研究は、関連性とスコアリングシステムの存在についてスクリーニングされました。スクリーニングは、2人の独立した研究者によって行われました。現在、幅広いデータを反映するために、エンベーゼ、Web of Science、およびCinahl Ultimateデータベースで並行検索が行われています。

結果：PubMedから、合計4884の記事が特定され、334が初期包含基準を満たし、スコアリングシステムの使用についてスクリーニングされました。最終分析には合計66が含まれていました。含まれる66の研究のうち、28％（19/66）が独立したスコアを開発し、71％（47/66）が4つの頻繁に遭遇するツールを使用または変更しました。特に、すべてのツールでは、臨床試験および身体検査の所見をスコアリング基準に組み込みました。ただし、結果は、これらのパラメーターの実質的な変動を示しています。

議論：私たちの調査結果は、RSV感染の重症度を分類する際の広範な変動と、標準化された包括的なスコアリング方法の必要性を示しています。これらの結果は、サウスカロライナ州北部の小児患者の評価に適用されるエビデンスに基づいた重大度スコアリングツールの開発を導きます。RSV感染の重症度スコアは、患者の人口統計またはその他の健康関連変数の分析とペアになり、RSVリスクの状態について地域社会に通知します。サウスカロライナの子供のRSV感染の重症度とリスクを理解することは、標的の教育的努力を促進し、臨床的意思決定を強化し、患者の転帰を改善します。

この要約は、ポスターセッション1の新興学者からの最高のポスタープレゼンテーションとして選択されました

Ehsan Soltanmohammadi、neset hikmet

米国サウスカロライナ大学、サウスカロライナ大学エンジニアリングおよびコンピューティング大学統合情報技術学科

対応：Ihsan Sultammahehsans@email.sc.edu））

BMC Proceedings 2024、 18（8）：スプラッタ

背景：ヘルスケアセクターでは、顕著な技術的能力のギャップが課題を引き起こし、意味のある分析と意思決定のための広範なデータセットの効率的な利用を妨げます。ドメインの専門知識を所有しているにもかかわらず、医療専門家は、高度なビッグデータエンジニアリングに必要な技術的スキルを欠いていることがよくあり、疾患診断、患者の監視、および遠隔医療のためのリソースの最適化と革新的なアプローチを妨げます。この課題に対処するには、ヘルスケアにおけるビッグデータ管理の問題を解決し、習熟度のギャップを埋め、ヘルスケアの結果を改善するためのデータの利用を強化することを目指しています。

研究方法：このプレゼンテーションでは、実験的アプローチに焦点を当てた、ヘルスケアデータベースのビッグデータ管理の最適化に関する調査の概要を説明しています。

1. 1。

   さまざまなリレーショナルデータベースエンジンでの実験：

   • 目的：ヘルスケアデータの取り扱いにおけるリレーショナルデータベースエンジン（MySQL、PostgreSQL、Microsoft SQL Serverなど）の有効性を評価します。

   • アプローチ：多様なデータベースエンジンを使用して実施された実験では、さまざまなBigDataヘルスケアユースケースに最適なデータベースエンジンを特定しました。

   • 最初のステップ：代表的なヘルスケアデータセットと実験設計の選択。

   • プレゼンテーションの重要性：データベースの選択と実験の設計における最初の手順の重要性を示します。

2. 2。

   データ管理のカスタマイズされた方法：

   • 目的：リレーショナルデータベース内で効率的なヘルスケアデータエンジニアリングのためのテーラードデータ管理方法を実装および評価します。

   • アプローチ：開発方法には、データインデックスの最適化、パーティション化、正規化戦略、クエリの最適化が含まれます。

   • 最初のステップ：カスタマイズされたデータ管理方法の設計と実装。

   • プレゼンテーションの重要性：効率的なヘルスケアデータ管理の達成におけるメソッド設計と実装の重要な役割を強調します。

結果と調査結果：重要な調査結果には、データの品質、計算効率、および多様なヘルスケアユースケースのスケーラビリティを高める実験データエンジニアリング方法の開発が含まれます。さまざまなヘルスケアシナリオ向けのカスタマイズされたアプローチは、効率的なビッグデータストレージとパイプラインの必要性を強調しています。従来のパイプラインとのコンテナ化されたアプリケーションのデータエンジニアリングパイプラインを比較する実用的な実験は、現実世界のシナリオで有形の利点を強調し、最新のヘルスケアデータ管理における実用的な適用性を示しています。

学んだ教訓：

1. 1。

   さまざまなシナリオの効率に焦点を当てます。

   • カスタマイズされたデータ管理方法は、さまざまなヘルスケアシナリオでさまざまな効率を示します。

   • 特定のユースケースへの調整アプローチは、ヘルスケアデータベースにおけるビッグデータ管理の全体的な効率を高めます。

2. 2。

   学際的なコラボレーション：

   • ヘルスケアの専門家とデータの専門家とのコラボレーションは、ビッグデータエンジニアリングにおける効果的なデータ管理と分析のために重要です。

3. 3。

   倫理的配慮：

   • 患者データの責任ある取り扱いが強調され、データ駆動型のヘルスケアの進化する状況におけるヘルスケアシステムへの信頼を維持します。

姉妹のウェン・サン

オクラホマ州立大学、オクラホマ州スティルウォーター、米国健康科学センター

対応：姉妹のウェン・サンwenjie.sun@okstate.edu

BMC Proceedings 2024、 18（8）：p24

はじめに/目的：Covid-19は、致命的な死への暴露として3年間世界的なパンデミックであったが、ストレスとメンタルヘルスの両方のイベントの発達の増加に関連している。現在のオピオイドの流行は、しばしば白い問題として描かれています。オピオイドの過剰摂取による死亡は、非ヒスパニック系の白人によって圧倒的に支配されていました。オピオイド危機が進化し続けるにつれて、いくつかの研究が非白人集団間のオピオイド過剰摂取のspread延に注意を喚起しました。社会的孤立とオピオイドの過剰摂取、および年齢、性別、および社会的孤立とオピオイドの過剰摂取の関係に関する年齢、性別、民族的変動の関係を探る。

方法：ICD-10コードを使用したOpioidの過剰用量関連緊急治療室（ER）入学記録はEHR（EHRデータベース（Oracle Cerner©）から引き出されます。時系列分析法は、3つの期間のデータに分析に適用されました。2019年から2022年までのパンデミック中に、コントロール測定により3つの段階に分類されます。。

結果：オピオイドの使用に関連するER訪問率は、パンデミック前の期間と比較して、Covid-19の測定後のパンデミック中に大幅に増加しました（p<0.05）。オピオイド関連の原因は、ER訪問の100件に約1つを占めています。時系列分析によると、オピオイドの過剰摂取によるER入院の割合もパンデミックの3つの段階で増加しました（p<0.05）。さらに、オピオイドの過剰摂取によるER入院では、人種/民族全体の健康格差が観察され、少数派は他のものと比較して有意に高くなっています。

結論：閉鎖学校を含むウイルスの広がりを防ぐための長い間の社会的距離であり、一種の孤立です。それは、パンデミック以前の州全体で最も重要な公衆衛生問題であったオピオイドの過剰摂取に貢献しています。

キーワード：COVID-19（新型コロナウイルス感染症;オピオイド;時系列

s供給日焼け¹lib ozの後²、Gulqihra Abdukima¹、wei yin³、ポーリーン・ソンちゃん⁴、チェンn ing¹、l ing yuan¹、y ag ao¹、Z優しさの王^5,6J IanはShiです^7,8

¹公衆衛生学部、上海ジョトン大学医学部、上海、中国。²中国、俳句、八頭県アンニング病院。³中国、香港市香港大学、自由芸術社会科学大学社会科学科。⁴香港経済およびビジネス戦略研究所、HKUビジネススクール、香港大学、香港、中国。⁵皮膚科学部、中国俳句、海南医科大学、海南省の第5人病院。⁶中国、俳句、海南医科大学経営学部。⁷中国上海医学部、戸田大学医学部ヤングプ病院の一般診療局。⁸社会医学および健康管理局、公衆衛生学部、上海ジョートン大学医学部、上海、中国

対応：j ian for shi（shijianwei_amy@126.com））

BMC Proceedings 2024、 18（8）：兄弟

オブジェクト：肥満は、感染性のない疾患のリスクを大幅に高め、身体の不満の感情の高まりに貢献します。特に、中国は肥満率が高い顕著な課題に直面しています。身体活動は、思春期の肥満と座りがちな行動に対処するための強力な介入として広く認められており、身体的不活性の不可欠な成分として認識されています。身体活動はボディマス指数（BMI）のステータスに関連していることは広く認められていますが、この関係の根底にある心理的要因は依然としてよく理解されていません。この研究の目的は、体重がこの関連性を調停するかどうかを調査するために、緩和された調停モデルを開発することを目的としています。

方法：2015年、この調査は当初、6年生から8年生に937人の青年を募集し、1年後に508人の参加者（54.216％）のサブセットが追跡されました。2016年、これらの508人の参加者は、身体活動レベル、座りがちな行動、体重の懸念、身体イメージの知覚を評価する一連のアンケートに回答しました。緩和された調停モデルを調べるためにパス分析を実施し、バイアス補正95％信頼区間を備えたブートストラップ手順を使用して間接効果を評価しました。

結果：私たちの調査結果は、体重の懸念が座りがちな行動とBMIの間のリンクに媒介の役割を果たしたことを明らかにしました（b= 0.044、p<0.001）、これはボディイメージの知覚によって緩和されました（図1）。具体的には、身体イメージの知覚が正確であったかどうかに関係なく、座りがちな行動とBMIの間の条件付き間接効果は有意でした（表1）。ci = [0.008、0.288]）。

結論：体重の懸念は、座りがちな行動とBMIの間のリンクの調停者として機能し、座りがちな行動が体重の懸念を通じてBMIに間接的な影響を及ぼすことを示しています。ボディイメージの知覚は、体重の懸念を通してこの媒介された経路を緩和し、間接的な効果は、身体イメージの不正確な知覚を保持している青年の間で顕著に顕著になります。

議論：この研究は、中国の青少年向けのより適切な体重管理プログラムを開発することを目的として、心理的な観点から身体活動レベルとBMIの間の複雑な相互作用を解明するために構造方程式モデリングを使用した最初の研究です。さらに、座りがちな行動を含めることは、青少年の身体活動習慣のより全体的なプロファイルに貢献します。私たちの調査結果は、特に肥満の青年の治療における実際的な意味を持ち、座りがちな行動を減らし、健康的な身体イメージの知覚を促進し、自己量の頻度を減らすこととともに、BMIを緩和するための賢明な戦略です。

キュリサタッカー¹、チェンマ²、マハシン・ムジャヒド³、Afshan Hameed⁴、オードリー・リンドン⁵、エリオット・メイン²、スザン・カーマイケル²

¹サウスカロライナ大学、サウスカロライナ大学、サウスカロライナ大学、米国看護大学;²医学部、スタンフォード大学、パロアルト、カリフォルニア州、米国。³米国カリフォルニア州バークレー校カリフォルニア大学の公衆衛生学部。⁴米国カリフォルニア大学アーバイン、カリフォルニア大学医学部。⁵ロリーマイヤーズカレッジオブナーシング、ニューヨーク大学、ニューヨーク州、米国

対応：キュリサタッカー（tuckercm@mailbox.sc.edu））

BMC Proceedings 2024、 18（8）：兄弟

導入：妊娠周囲心筋症（PPCM）は、妊娠後期またはそうでなければ健康な患者の産後初期に特発性心不全として存在するまれな生命を脅かす病状です。PPCMの罹患率と死亡率の発生率の人種的格差は、黒人患者でより高い割合が発生する場合、広範囲に文書化されています。PPCMにおける人種/民族の格差と、近隣の社会的不利益などの健康の社会的決定要因との関係を調べる最小限の研究があります。

仮説：近隣の社会的不利益はPPCMに関連しており、PPCMの人種/民族的格差に貢献し、妊娠前高血圧症が格差に寄与し、PPCMのタイミングはほとんど産後期間中に発生すると仮定しています。

方法：1997年から2018年までのカリフォルニアの出生のために、産後の最大9か月の母親および乳児の退院記録と縦断的にリンクした重要な記録を含む、カリフォルニア州ヘルスケアのアクセスと情報から得られたデータを使用しました。近隣の社会的不利益のプロキシメジャーとして近隣剥奪指数（NDI）を作成し、標準化し、それを四分位数に分類しました。PPCMステータスによるサンプルの非ヒスパニック系白人、非ヒスパニック系黒人、非ヒスパニック系アジア、ヒスパニック系出産の人口特性の分布を調べました。母体および臨床的特性により、多変数ロジスティック回帰モデルを順次調整して、NDIと人種/民族とPPCMの関連性を参照グループとして使用してPPCMと推定しました。PPCMのオッズ全体の変化を反映し、PPCM診断のタイミングを計算するオッズ比（OR）および95％信頼区間（CI）を報告します。

結果：私たちの研究には、6,970,681人の出生と862人（0.012％）のPPCM症例が含まれていました。調整後、NDI回帰モデルでは、四分位2（Q2）から四分位4（Q4）を介してPPCM（Q2：または1.2（CI 1.0-1.5）; Q3：または1.7（CI 1.4-2.1）; Q4：または1.5（CI 1.2-1.9））。人種/民族モデルでNDIを調整すると、PPCMの確率は、各人種/民族性に対してわずかに減少しました。NDIおよび人種/民族モデルの両方で妊娠前高血圧を調整した後、PPCMの確率は、四分位3および4およびNH黒誕生でわずかに減少しました。ほとんどのPPCM症例（60.4％）は、産後の病院の出会いで特定されました。

結論：私たちの結果は、近隣の剥奪と妊娠前高血圧症がPPCMの人種/民族的格差を部分的に説明していることを示しています。将来の研究では、PPCMなどの結果における人種的/民族的格差に対する近隣の剥奪（例えば、ケア、雇用レベルなどへのアクセスなど）の特定の尺度の影響を調べる必要があります。

x u庵yang^1,2、クリスチャン・オライリー^2,3,4. Svetlana V. Shinkareva^1,2

¹米国サウスカロライナ大学サウスカロライナ大学芸術科学大学心理学科。²サウスカロライナ大学、サウスカロライナ州コロンビア、米国芸術科学大学の心と脳研究所。³サウスカロライナ大学、サウスカロライナ大学、サウスカロライナ大学、コンピュータサイエンスアンドエンジニアリング学部。⁴米国サウスカロライナ大学サウスカロライナ大学エンジニアリングおよびコンピューティング大学人工知能研究所

対応：Svetlana V. Shinkareva（shinkareva@sc.edu））

BMC Proceedings 2024、 18（8）：熱心な

背景：感情処理は、知覚、記憶、判断、精神的健康など、人間の心理的機能のあらゆる側面において重要な役割を果たします。その神経メカニズムをよりよく理解することは、現在の精神病理学的療法の概念的な枠組みを提供し、新しい用途を刺激します[1]。従来の機能的磁気共鳴イメージング（fMRI）研究では、小さなサンプルサイズ（n<30）、しばしば一貫性のない結果をもたらします。さらに、既存の研究はしばしば、制御された実験室刺激に依存しており、現実の文脈における感情処理の理解にギャップを残しています。スキャナーで物語を聴くことは、いくつかの日常の活動に似ており、生態学的に有効な方法で感情的な処理を研究するのに非常に適しています。ただし、物語の感情的評価を得るための行動方法は時間がかかり、費用がかかります。これらの制限に対処するために、現在の研究は、自然な物語のリスニング中に感情的なニューラルネットワークをローカライズして、心理言語学的メタベースからの大規模なfMRIデータベースと語彙レベルの感情的評価を活用することにより、ビッグデータの力を活用しています。

材料と方法：物語のFMRIデータ収集[2]から7つのデータセットを組み合わせて、10の物語のいずれか（8-55分）を聞いている健康な若い成人の合計213のfMRIスキャンを行いました。サウスカロライナの心理言語学的メタベース（スコープ）[3]からの語彙レベルの感情評価は、従来の主観的評価の代替として使用されました。統計的パラメトリックモデリングを使用して、これらの感情的評価と相関する脳領域を特定しました。この方法の信頼性は、独立した行動実験でフレーズレベルの感情評価を収集した4つの物語に関連するデータの小さなサブセット（128スキャン）で評価されました（128スキャン）n= 157）。

結果：フレーズレベルと語彙レベルの評価の両方に従って、価数に敏感な脳領域は、コアへの影響ニューラルネットワークと一致していました[4]。フレーズレベルの評価を使用して特定された脳領域には、扁桃体/海馬、内側前頭前野（MPFC）、上側頭回（STG）、前頭葉（ATL）、および前uneusが含まれます。語彙レベルの評価を使用して特定された脳領域には、MPFC、STG、ATL、およびPrecuneusが含まれていました。これは、大企業の語彙レベルの評価が自然主義的な物語のリスニング中に人間の知覚された影響の信頼できる尺度を提供することを示唆しました。

結論：私たちの調査結果は、自然主義的な文脈において、人間の行動評価を大企業からの語彙評価に置き換えることの実現可能性と信頼性をサポートしています。このアプローチは、感情的な評価を必要とするあらゆる分野の効率を大幅に向上させ、スーピーへの毎日の外れた露出中に、ウェアラブルセンサー（例えばEEG）からのハイスループット、大規模な脳デコードをサポートすることができます（例えば、自動転写を介してその後、語彙評価が続きます）。

参照

1. 1。

   Harrison、N。A.、＆Critchley、H。D. The British Journal of Psychiatry。感情的な神経科学と精神医学。2017;191（3）、192-194。

2. 2。

   Nastase、S.A.、Liu、YF。、Hillman、H。et al。科学データ。自然主義的な言語理解のモデルを評価するための「物語」fMRIデータセット。2021;8：250。

3. 3。

   Gao、C.、Shinkareva、S.V。＆Desai、R.H。行動研究方法。範囲：サウスカロライナの心理言語学者のメタベース。2023;55：2853–2884。

4. 4。

   Lindquist KA、Wager TD、Kober H、Bliss-Moreau E、Barrett LF。行動および脳科学。感情の脳の基礎：メタ分析レビュー。2012;35（3）：121-43。

ファンY i¹、Chih-hsiang^2,3

¹米国サウスカロライナ大学、サウスカロライナ大学公衆衛生学部、疫学および生物統計学科。²米国サウスカロライナ大学サウスカロライナ大学公衆衛生学部の運動科学科。³Techealth Center Healthy Lifestylesを促進するためのTechealth Center、アーノルド公衆衛生学校、サウスカロライナ大学、サウスカロライナ州、サウスカロライナ州米国

対応：ファン（Y i（yif@email.sc.edu））

BMC Proceedings 2024、 18（8）：P28

客観的：この研究の目的は、時間変化効果モデル（TVEM）を使用して、白、黒人、ヒスパニックの身体活動（PA）と記憶喪失の関連がどのように年齢によって変化したかを研究することです。

方法：この研究では、2015年、2017年、2019年の45-70歳の高齢者向けの2015年、2017年、2019年のサイクルの行動リスク因子監視システム（BRFSS）のサブセットを使用して、身体活動と記憶喪失の関連性を研究するための時変ロジスティック回帰モデルを実装しました。年齢。PAは、「好気性の推奨事項に会う」と「有酸素勧告を満たさない」と分類される露出です。結果は記憶喪失であり、「記憶喪失を抱えている」と「記憶喪失のない」と二分されています。モデルで調整された共変量は、性別、人種、教育、家庭の成人数、婚status状況、BMI、現在の喫煙者、大暴れ、健康保険、果物と野菜、全体的な精神的健康、全体的な身体的健康、うつ病の歴史、うつ病の歴史でした。およびBRFSSコホート。

統計分析：国立BRFSSデータセットの加重設計を処理するために、「％weightedtvem sas macro v2.6」を使用して、人口レベルの調査を重み付けしたモデル化しました。3サイクルの各個人は、1つの特定の年齢層に貢献します。オッズ比は、1年の年齢の増加に対応する記憶喪失の変化の割合を示したことを示しています。TVEMは、滑らかな関数を使用して時変係数を接続しました。すべての分析は、人種グループによって層別化されました。記憶喪失に著しく関連する共変量については、関連性は共変量のサブグループで研究されました。

結果：全体として、PAは58-64歳の白人参加者で29.09％から44.87％、49-60歳の黒人参加者で43.00％-74.24％、51.08％-99.90％および38.70％-95.63に関連していました。それぞれ45〜49歳と62〜70歳のヒスパニック系参加者の％（図1）。

この関連は、白人の参加者の性別が異なり、男性の46〜48歳で記憶喪失が50％改善し、59〜64歳の女性で41.30％-62.06％の改善が見られました。ヒスパニック系の参加者も同様に、62〜69歳の男性の記憶喪失の38.70％-58.69％の改善があると思われ、60〜70歳の女性では48.67％-75.28％の改善が目撃されています。古い。この関連は、健康なBMIと過体重または肥満でも異なりました。健康なBMIの白人参加者は、56-61歳での過体重または肥満の41.31％-44.62％からの改善よりも、61〜65歳で58.17％-70.68％から記憶喪失の改善が高かった。

7日以上の身体的健康状態が低いことは、64〜68歳の年配の白人のうち56.16％-63.50％増加して、46〜52歳の若い人の36.92％-48.25％の改善と関連していました。7日未満の身体的健康状態が悪い。7日以上の精神的健康が低いことは、47〜49歳の白人参加者の記憶喪失の57.22％-61.43％の改善と、ヒスパニックの参加者の51〜57歳の高齢で改善されました。

J ia y i¹、Feresteh Kavansi Ghezeljeh²、ニコラス・リカルディ³、元王¹、Rutvik H. Desai²

¹米国サウスカロライナ大学、サウスカロライナ大学公衆衛生学部、疫学および生物統計学科。²米国サウスカロライナ大学サウスカロライナ大学芸術科学大学心理学科。³米国サウスカロライナ大学、サウスカロライナ大学、アーノルド公衆衛生学部コミュニケーション科学および障害局

対応：J ia y i（jiayingy@email.sc.edu））

BMC Proceedings 2024、 18（8）：P28

勉強の目的：病変 - 症候群マッピング（LSM）は、脳卒中病変を行動障害とリンクするためのゴールドスタンダードアプローチです。LSMは、失語症やネグレクトなどの症候群の神経基盤のより良い理解につながり、特定の脳領域の機能に関する洞察を提供する可能性があります。ただし、標準的な病変症状マッピング分析では、病変がランダムであり、脳全体に均等に分布していることを前提としています。ただし、脳卒中病変は神経血管構造に空間的に関連していることが知られており、複数の領域で病変が共起する可能性があります。これにより、特定の他の地域と一般的に病変されている場合、特定の地域の独立した貢献を特定することが難しくなる可能性があります。このような病変のクラスターは、解釈の混乱をもたらし、研究間の矛盾する結果につながる可能性があります。この研究は、クラスタリングアプローチを使用して、脳卒中生存者のグループで統計的に共起する病変を特定することを目的としています。

方法：左半球脳卒中の249人の磁気共鳴画像法（MRI）スキャンからの病変情報は、サウスカロライナ大学の失語症研究センター（C-STAR）によって提供されました。病変は神経科医によって解剖学的スキャンで追跡され、ジョンズ・ホプキンス大学（JHU）アトラスの各地域には、損傷の割合を反映するスコアが割り当てられました。参加者の少なくとも10％で病変された領域を使用し、心室を除外しました。左半球のこれらのJHU関心領域（ROI）の病変のクラスターは、K-meansと階層クラスタリング（病棟連鎖）方法の両方を使用して決定されました。

結果：複数のクラスタリングスキームにわたってROIクラスターを検査することにより（＃Clusters = 5、10、15、20）、共起病変の共通パターンを観察しました。外側および内側の側頭葉面積（MTG、ITG、PHG、海馬）が一緒にクラスター化されました。上限および中間側頭領域（PSTG、PMTG）もクラスター化されました。同様に、前頭葉（SFG、MFG、PRCG、POCG）、および後頭部および腹側側頭葉（SOG、MOG、IOG、FUG）のクラスターが複数のクラスタリングスキームで観察されました。

議論：病変のクラスターは、複数の症候群に機能的に関連する複数の領域を反映しています。たとえば、失語症に関係する言語ネットワークには、前頭、側頭、および下頭頂部のペリジルビアン領域が含まれます。我々の結果は、LSM分析では、MTG、ITG、PHGなどの時間葉領域の寄与を区別することが困難であることを示唆しています。同様に、IFGやMFGなどの正面領域であるPRCGも同時に病変をする傾向があります。言語に非常に関連するこれらの地域をめぐる論争は、この共起パターンから部分的に生じる可能性があります。LSMの空間解像度は、これらのクラスタリングパターンによって制限される場合があります。LSMの研究は、結果を解釈する際にこれらのクラスタリングを考慮し、データ内の共起構造を報告することを提案します。

Ahmeed Yarusa¹、 関数²

¹Computational and Data Science Program、ミドルテネシー州立大学、米国テネシー州マーフリーズボロ。²米国テネシー州マーフリーズボロ、ミドルテネシー州立大学工学技術科

対応：function flujb（misagh.faezipour@mtsu.edu））

BMC Proceedings 2024、 18（8）：P30

背景：米国の健康格差、特に黒人、アメリカインディアン/アラスカ先住民（AI/AN）、およびヒスパニック系の人口の間では、重要な課題をもたらします[1]。これらの格差は、YPLL（潜在的な命の年が失われた年）で測定された、早期死亡率に現れます[2]。YPLLは、死の年齢を考慮して、早期死亡率の要約尺度です。これは、単に死亡率を見るのと比較して、早期死の影響のより包括的な尺度を提供することにより、健康格差を理解し、対処するための貴重なツールとして機能します[3]。

方法論：この研究では、記述的で横断的設計を使用して、健康の社会的決定要因（SDOH）を重要な要因として考慮して、米国州全体の人種と民族によるYPLLの格差を調べました。YPLLレートとSDOHに関するデータは、2023年の郡保健ランキングから取得されました[4]。分析には、データの編集、記述統計、相関分析、回帰分析、視覚表現が含まれていました。

結果

図1は、人種および民族グループ全体の早期死亡率の重大な格差を明らかにしています。黒人とAI/個人は最高のYPLL率を負担し、その後ヒスパニックが続きますが、白人は最も低い率を示します。

グラフは、YPLL格差におけるSDOHの実質的な役割を強調しています。失業、貧困、または健康的な食品へのアクセスの制限に直面している個人は、より高いYPLL率を経験します。

グラフによって強調された健康格差の特定の例は次のとおりです。

• 黒人は、黒人の間で慢性疾患率が高いことが原因で、白人の1.2倍高いYPLL率を持っています。

• AI/人は、AI/ANの間で事故と負傷率が高いため、白人の1.3倍高いYPLL率を持っています。

• ヒスパニック系の人々は、白人の1.1倍高いYPLLレートを持っています。

図2の各州の人種ごとのYPLL率は、米国の異なる人種グループ間の早期死亡率の実質的な格差を強調しています。それは、人種と国家によって分類された75歳未満の個人の死亡率のために、早期に失われた生命の数を示しています。

グラフは、黒、AI/AN、およびヒスパニック系の集団に対する早期死亡率の不均衡な影響を強調しています。黒人の個人は、ほとんどの州で最も高いYPLL率を示し、AI/ANおよびヒスパニック系の個人がそれに続きます。白人は通常、YPLL率が最も低くなっています。

これらの格差は、黒人の間の慢性疾患の割合が高いこと、AI/ANの間でより高い事故および負傷率、ヒスパニック系の個人の健康保険の補償とヘルスケアへのアクセスを含むさまざまな要因に由来しています。

結論：この研究は、黒人、アメリカインディアン/アラスカ出身で、ヒスパニック系の個人が白人と比較して失われた潜在的な生活の大幅な割合を経験しているため、米国全体での早期死亡率の重大な人種格差を明らかにしました。これらの不平等は、貧困や少数派のコミュニティにおける限られた医療アクセスなど、健康の社会的決定要因の不均衡な影響に起因する可能性があります。経済的機会、教育、文化的に有能なヘルスケア、および疎外された地域でのコミュニティ開発を促進するターゲットを絞った政策イニシアチブは、健康格差を促進する根本原因に対処するために必要です。

参照

1. 1。

   Bauer Ue、Plescia M.アメリカインディアンとアラスカ先住民の健康における格差に対処する：公衆衛生データの改善の重要性。AM J公衆衛生。2014; 104（S3）：S255 – S257。から入手可能：https://doi.org/10.2105/ajph.2013.301602

2. 2。

   Xu JJ、Chen JT、Belin TR、Brookmeyer RS、Sutyard MA、Ramirez CM。米国のCovid-19に起因する潜在的な生活の長年にわたる人種的および民族的格差：45州とコロンビア特別区の分析。Int J Environ Res Public Health。2021; 18（6）：2921。から入手可能：https://doi.org/10.3390/ijerph18062921

3. 3。

   ガードナーJW、サンボーンJS。失われた潜在的な人生の長年（YPLL） - それは何を測定しますか？疫学。1990; 1（4）：322–329。から入手可能：https://doi.org/10.1097/00001648-199007000-00012

4. 4。

   郡の健康ランキングとロードマップ。2023郡保健ランキング国家調査結果レポート。郡の健康ランキングとロードマップ。から入手可能：https://www.countyhealthrankings.org/reports/2023-county-health-rankings-national-findings-report

出版社のメモ

スプリンガーの自然は、公開された地図と制度上の所属における管轄権の主張に関して中立のままです。

オープンアクセスこの記事は、元の著者とソースに適切なクレジットを提供している限り、任意の媒体または形式での使用、共有、適応、配布、および複製を許可する、Creative Commons Attribution 4.0 Internationalライセンスの下でライセンスされています。Creative Commonsライセンスにリンクし、変更が行われたかどうかを示します。この記事の画像またはその他のサードパーティの資料は、特に資料のクレジットラインに特徴を示さない限り、記事のCreative Commonsライセンスに含まれています。記事のCreative Commonsライセンスに資料が含まれておらず、目的の使用が法定規制によって許可されていない場合、または許可された使用を超えている場合、著作権所有者から直接許可を取得する必要があります。このライセンスのコピーを表示するには、アクセスしてくださいhttp://creativecommons.org/licenses/by/4.0/。クリエイティブコモンズパブリックドメイン献身免除（http://creativecommons.org/publicdomain/zero/1.0/）データのクレジットラインで特に明記しない限り、この記事で利用可能になったデータに適用されます。

再版と許可