論文の概要: Off-Policy Estimation of Long-Term Average Outcomes with Applications to Mobile Health

• arxiv url: http://arxiv.org/abs/1912.13088v3
• Date: Wed, 22 Jul 2020 18:00:48 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-17 02:23:51.974893
• Title: Off-Policy Estimation of Long-Term Average Outcomes with Applications to Mobile Health
• Title（参考訳）: モバイル健康への長期平均アウトカムのオフポリシック推定
• Authors: Peng Liao, Predrag Klasnja, Susan Murphy
• Abstract要約: 医療介入は、ストレスや身体活動などの近位、近位的な結果に影響を与えるように設計されている。 ジャスト・イン・タイム適応的介入(ジャスト・イン・タイム・アダプティブ・介入)と呼ばれるmHealthの介入ポリシーは、個人の現在の状態をマッピングする決定ルールである。 我々は,異なる政策の下で収集された歴史的データを用いて,そのような政策の性能に関する推論を行うアプローチを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Due to the recent advancements in wearables and sensing technology, health scientists are increasingly developing mobile health (mHealth) interventions. In mHealth interventions, mobile devices are used to deliver treatment to individuals as they go about their daily lives. These treatments are generally designed to impact a near time, proximal outcome such as stress or physical activity. The mHealth intervention policies, often called just-in-time adaptive interventions, are decision rules that map an individual's current state (e.g., individual's past behaviors as well as current observations of time, location, social activity, stress and urges to smoke) to a particular treatment at each of many time points. The vast majority of current mHealth interventions deploy expert-derived policies. In this paper, we provide an approach for conducting inference about the performance of one or more such policies using historical data collected under a possibly different policy. Our measure of performance is the average of proximal outcomes over a long time period should the particular mHealth policy be followed. We provide an estimator as well as confidence intervals. This work is motivated by HeartSteps, an mHealth physical activity intervention.
• Abstract（参考訳）: ウェアラブルとセンサー技術の進歩により、健康科学者はモバイルヘルス(mHealth)の介入をますます発展させつつある。 mHealthの介入では、モバイルデバイスは日々の生活について個人に治療を提供するために使用される。 これらの治療は一般的に、ストレスや身体活動などの近位、近位に影響を及ぼすように設計されている。 ジャスト・イン・タイム適応介入政策(ジャスト・イン・タイム・アダプティブ・インターベンション・ポリシー、ジャスト・イン・タイム・アダプティブ・インターベンション)は、個人の現在の状態(例えば、個人の過去の行動や、時間、場所、社会的活動、ストレス、喫煙の衝動といった現在の観察)を、多くの時点において特定の治療にマップする決定規則である。 現在のmHealth介入の大部分は、専門家によるポリシのデプロイです。 本稿では,おそらく異なる方針の下で収集された履歴データを用いて,複数の政策のパフォーマンスを推測する手法を提案する。 我々の評価基準は、特定のmHealthポリシーに従うと、長期間にわたる近位結果の平均である。 信頼区間だけでなく、推定器も提供します。 この研究は、mHealthの身体活動介入であるHeartStepsによって動機付けられている。

関連論文リスト

• Predictive Modeling For Real-Time Personalized Health Monitoring in Muscular Dystrophy Management [0.0]
  本稿では,筋ジストロフィー管理を支援するモノのインターネットシステムを提案する。 治療戦略を強化し、患者が自分の状態をよりよく管理し、医療専門家に彼らの管理決定への信頼を高めることを目的としている。
  論文  参考訳（メタデータ） (2024-11-22T13:27:07Z)
• Harnessing the Digital Revolution: A Comprehensive Review of mHealth Applications for Remote Monitoring in Transforming Healthcare Delivery [1.03590082373586]
  このレビューでは、遠隔医療プラットフォーム、慢性疾患管理用のモバイルアプリ、ウェアラブルデバイスなど、リモート監視に使用されるさまざまなタイプのmHealthアプリケーションを強調している。 これらの応用の利点は、患者の成果の改善、医療へのアクセスの向上、医療費の削減、医療格差への対処である。 しかしながら、プライバシやセキュリティ上の懸念、技術的なインフラストラクチャの欠如、規制のイシュー、データの正確性、ユーザの遵守、ディジタルディビジョンといった課題や制限には対処する必要がある。
  論文  参考訳（メタデータ） (2024-08-26T11:32:43Z)
• Improving Engagement and Efficacy of mHealth Micro-Interventions for Stress Coping: an In-The-Wild Study [4.704094564944504]
  パーソナライズされたコンテキスト認識介入選択アルゴリズムは、mHealth介入のエンゲージメントと有効性を改善する。 短時間でも1分間の介入は、知覚されるストレスレベルを著しく減少させる。 本研究は,個人化された文脈認識介入選択アルゴリズムを導入することで文献に寄与する。
  論文  参考訳（メタデータ） (2024-07-16T11:22:22Z)
• Countrywide natural experiment reveals impact of built environment on physical activity [55.93314719065985]
  より歩行可能な建築環境は、人口全体の活動を増加させる可能性を秘めている。 歩行性の増加は、移動後の身体活動の著しい増加と関連している。 MVPA(Modrate-to-vigorous physical activity)は、様々な健康上の利益と結びついている。
  論文  参考訳（メタデータ） (2024-06-07T00:11:17Z)
• Deep Reinforcement Learning Empowered Activity-Aware Dynamic Health Monitoring Systems [69.41229290253605]
  既存のモニタリングアプローチは、医療機器が複数の健康指標を同時に追跡するという前提で設計されている。 これは、その範囲内で関連するすべての健康値を報告し、過剰なリソース使用と外部データの収集をもたらす可能性があることを意味します。 最適なモニタリング性能とコスト効率のバランスをとるための動的アクティビティ・アウェアヘルスモニタリング戦略(DActAHM)を提案する。
  論文  参考訳（メタデータ） (2024-01-19T16:26:35Z)
• Adaptive Interventions with User-Defined Goals for Health Behavior Change [17.688448640253494]
  モバイルヘルスアプリケーションは、低コストでスケーラブルなヘルス行動変化促進のための有望な道を示す。 個人固有の目標、好み、生活状況に対するアドバイスを調整することは、健康コーチングの重要な要素である。 パーソナライズされた報酬関数に対応する新しいトンプソンサンプリングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-11-16T01:00:04Z)
• Zero-shot causal learning [64.9368337542558]
  CaMLは因果メタラーニングフレームワークであり、各介入の効果をタスクとしてパーソナライズした予測を定式化する。 トレーニング時に存在しない新規介入のパーソナライズされた効果を予測することができることを示す。
  論文  参考訳（メタデータ） (2023-01-28T20:14:11Z)
• Modeling Mobile Health Users as Reinforcement Learning Agents [27.300572343559285]
  モバイルヘルス(mHealth)技術は、患者が日常生活で健康な行動を採用する/維持することを可能にする。 介入がなければ、人間の意思決定が損なわれる可能性がある。 障害の種類によって最適な介入のタイプが異なることを示す。
  論文  参考訳（メタデータ） (2022-12-01T20:52:05Z)
• Learning Language and Multimodal Privacy-Preserving Markers of Mood from Mobile Data [74.60507696087966]
  精神状態は、先進医療に共通する国でも診断されていない。 人間の行動を監視するための有望なデータソースのひとつは、日々のスマートフォンの利用だ。 本研究では,自殺行動のリスクが高い青少年集団の移動行動のデータセットを用いて,日常生活の行動マーカーについて検討した。
  論文  参考訳（メタデータ） (2021-06-24T17:46:03Z)
• Assessing the Severity of Health States based on Social Media Posts [62.52087340582502]
  ユーザの健康状態の重症度を評価するために,テキストコンテンツとコンテキスト情報の両方をモデル化する多視点学習フレームワークを提案する。 多様なNLUビューは、ユーザの健康を評価するために、タスクと個々の疾患の両方に効果を示す。
  論文  参考訳（メタデータ） (2020-09-21T03:45:14Z)
• Effectiveness and Compliance to Social Distancing During COVID-19 [72.94965109944707]
  われわれは、米国内での新型コロナウイルスの感染拡大に対する在宅勤務注文の影響を評価するために、詳細なモビリティデータを用いている。 一方向性グランガー因果性(一方向性グランガー因果性)は、家庭で毎日過ごす時間の割合の中央値から、2週間の遅れを伴うCOVID-19関連死亡件数の日数までである。
  論文  参考訳（メタデータ） (2020-06-23T03:36:19Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。