論文の概要: Missed calls, Automated Calls and Health Support: Using AI to improve maternal health outcomes by increasing program engagement

• arxiv url: http://arxiv.org/abs/2006.07590v3
• Date: Mon, 6 Jul 2020 23:17:36 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-21 21:37:20.219856
• Title: Missed calls, Automated Calls and Health Support: Using AI to improve maternal health outcomes by increasing program engagement
• Title（参考訳）: ミスコール、自動呼び出し、健康サポート:AIを使ってプログラムのエンゲージメントを高めて母体健康状態を改善する
• Authors: Siddharth Nishtala, Harshavardhan Kamarthi, Divy Thakkar, Dhyanesh Narayanan, Anirudh Grama, Aparna Hegde, Ramesh Padmanabhan, Neha Madhiwalla, Suresh Chaudhary, Balaraman Ravindran, Milind Tambe
• Abstract要約: インドでは、出産15分ごとに女性が死亡する母親の死亡件数が世界の11%を占めている。 ARMMANによる認知プログラムに登録された30万人以上の女性の匿名通話記録を分析した。 我々は、コールログと受益者の人口統計情報から短期的および長期的ドロップアウトリスクを予測するために、堅牢なディープラーニングベースのモデルを構築した。
• 参考スコア（独自算出の注目度）: 26.353309432011724
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: India accounts for 11% of maternal deaths globally where a woman dies in childbirth every fifteen minutes. Lack of access to preventive care information is a significant problem contributing to high maternal morbidity and mortality numbers, especially in low-income households. We work with ARMMAN, a non-profit based in India, to further the use of call-based information programs by early-on identifying women who might not engage on these programs that are proven to affect health parameters positively.We analyzed anonymized call-records of over 300,000 women registered in an awareness program created by ARMMAN that uses cellphone calls to regularly disseminate health related information. We built robust deep learning based models to predict short term and long term dropout risk from call logs and beneficiaries' demographic information. Our model performs 13% better than competitive baselines for short-term forecasting and 7% better for long term forecasting. We also discuss the applicability of this method in the real world through a pilot validation that uses our method to perform targeted interventions.
• Abstract（参考訳）: インドでは、出産15分ごとに女性が死亡する母親死亡の11%を占めている。 予防ケア情報へのアクセス不足は、特に低所得世帯における高い母性死亡率と死亡率に寄与する重要な問題である。 我々は,インドに拠点を置く非営利団体であるarmmanと協力して,健康パラメーターに影響を与える可能性のあるプログラムに積極的に関与しない可能性のある女性を早期に特定することで,コールベースの情報プログラムの利用を促進する。 我々は,コールログと受益者の人口統計情報から短期的および長期的損失リスクを予測するための強固なディープラーニングモデルを構築した。 本モデルでは,短期予測では競争ベースラインよりも13%,長期予測では7%向上した。 また,本手法を目標とした介入を行うパイロット検証を通じて,実世界における本手法の適用可能性について検討する。

関連論文リスト

• Preliminary Study of the Impact of AI-Based Interventions on Health and Behavioral Outcomes in Maternal Health Programs [46.220426654734425]
  我々は,AIによる介入による聴取能力の向上が,妊娠や乳児期の重要な健康問題をよりよく理解することにつながる証拠を提示する。 この理解の向上は、母親とその赤ちゃんの健康上の利益をもたらす可能性がある。
  論文  参考訳（メタデータ） (2024-05-23T10:18:20Z)
• Improving Health Information Access in the World's Largest Maternal Mobile Health Program via Bandit Algorithms [24.4450506603579]
  本論文は,母子保健における世界最大級のmHealthプログラムであるKilkariに焦点を当てる。 本稿では,自動ドロップアウトの削減とプログラムへのエンゲージメント向上を目的としたCHAHAKシステムを提案する。
  論文  参考訳（メタデータ） (2024-05-14T07:21:49Z)
• Non-Invasive Suicide Risk Prediction Through Speech Analysis [74.8396086718266]
  自動自殺リスク評価のための非侵襲的音声ベースアプローチを提案する。 我々は、wav2vec、解釈可能な音声・音響特徴、深層学習に基づくスペクトル表現の3つの特徴セットを抽出する。 我々の最も効果的な音声モデルは、6.6.2,%$のバランスの取れた精度を達成する。
  論文  参考訳（メタデータ） (2024-04-18T12:33:57Z)
• Analyzing and Predicting Low-Listenership Trends in a Large-Scale Mobile Health Program: A Preliminary Investigation [25.831299045335125]
  キルカリは、妊婦や新しい母親に時間に敏感なオーディオメッセージを提供する世界最大のモバイル健康プログラムの1つである。 我々は,mHealthプログラムと受益者の相互作用の軌跡を初期解析する。 プログラムの成功を促進するために、潜在的に拡張可能な要素について検討する。
  論文  参考訳（メタデータ） (2023-11-13T08:11:09Z)
• Field Study in Deploying Restless Multi-Armed Bandits: Assisting Non-Profits in Improving Maternal and Child Health [28.43878945119807]
  携帯電話は、非営利団体が彼らの受益者に重要な健康情報をタイムリーに届けることを可能にする。 このような情報提供プログラムにおける重要な課題は、かなりの数の受益者がプログラムから離脱することである。 そこで我々は,NPOが受益者とのライブ対話を実現するためのレストレスマルチアーメッド・バンディットシステムを開発した。
  論文  参考訳（メタデータ） (2021-09-16T16:04:48Z)
• Learn to Intervene: An Adaptive Learning Policy for Restless Bandits in Application to Preventive Healthcare [39.41918282603752]
  レストレスマルチアームバンディット(RMAB)問題に対するWhittle IndexベースのQ-Learningメカニズムを提案する。 本手法は,複数のベンチマークを用いたRMABの既存の学習方法と,母体保健データセットを改良する。
  論文  参考訳（メタデータ） (2021-05-17T15:44:55Z)
• Selective Intervention Planning using RMABs: Increasing Program Engagement to Improve Maternal and Child Health Outcomes [34.38042786168279]
  インドに本拠を置く非営利団体ARMMANと連携し、コールベースの情報プログラムをさらに活用しています。 意識プログラムに登録された30万人以上の女性の匿名化通話記録を分析した。 コールログと受益者の人口統計情報から長期的なエンゲージメントパターンを予測するための機械学習ベースのモデルを構築しました。
  論文  参考訳（メタデータ） (2021-03-07T08:47:24Z)
• Epidemic mitigation by statistical inference from contact tracing data [61.04165571425021]
  我々は,個人が感染するリスクを推定するためにベイズ推定法を開発した。 本稿では,感染防止のための検査・隔離戦略を最適化するために,確率論的リスク推定手法を提案する。 我々のアプローチは、最近接触した個人間の通信のみを必要とする、完全に分散されたアルゴリズムに変換されます。
  論文  参考訳（メタデータ） (2020-09-20T12:24:45Z)
• COVI White Paper [67.04578448931741]
  接触追跡は、新型コロナウイルスのパンデミックの進行を変える上で不可欠なツールだ。 カナダで開発されたCovid-19の公衆ピアツーピア接触追跡とリスク認識モバイルアプリケーションであるCOVIの理論的、設計、倫理的考察、プライバシ戦略について概説する。
  論文  参考訳（メタデータ） (2020-05-18T07:40:49Z)

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。