論文の概要: Learning Explainable Interventions to Mitigate HIV Transmission in Sex Workers Across Five States in India

• arxiv url: http://arxiv.org/abs/2012.01930v1
• Date: Mon, 30 Nov 2020 08:35:16 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-07 04:26:38.615573
• Title: Learning Explainable Interventions to Mitigate HIV Transmission in Sex Workers Across Five States in India
• Title（参考訳）: インド5州における性労働者のHIV感染軽減のための説明可能な介入
• Authors: Raghav Awasthi, Prachi Patel, Vineet Joshi, Shama Karkal, Tavpritesh Sethi
• Abstract要約: この研究は、構造学習、差別的モデリング、および5つの異なるインドの州にまたがる介入を設計する草の根レベルの専門知識を組み合わせたものである。 コンドームの使用を最大化できる要因を定量化するために, ブートストラップ付き, アンサンブル付き平均ベイズネットワーク構造が学習された。 次に,コンドーム利用行動を予測するために,XgBoostとランダム林を用いて識別モデルを構築した。
• 参考スコア（独自算出の注目度）: 0.9449650062296824
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Female sex workers(FSWs) are one of the most vulnerable and stigmatized groups in society. As a result, they often suffer from a lack of quality access to care. Grassroot organizations engaged in improving health services are often faced with the challenge of improving the effectiveness of interventions due to complex influences. This work combines structure learning, discriminative modeling, and grass-root level expertise of designing interventions across five different Indian states to discover the influence of non-obvious factors for improving safe-sex practices in FSWs. A bootstrapped, ensemble-averaged Bayesian Network structure was learned to quantify the factors that could maximize condom usage as revealed from the model. A discriminative model was then constructed using XgBoost and random forest in order to predict condom use behavior The best model achieved 83% sensitivity, 99% specificity, and 99% area under the precision-recall curve for the prediction. Both generative and discriminative modeling approaches revealed that financial literacy training was the primary influence and predictor of condom use in FSWs. These insights have led to a currently ongoing field trial for assessing the real-world utility of this approach. Our work highlights the potential of explainable models for transparent discovery and prioritization of anti-HIV interventions in female sex workers in a resource-limited setting.
• Abstract（参考訳）: 女性性労働者(FSWs)は、社会で最も脆弱で便宜的な集団である。 結果として、ケアへの品質アクセスの欠如に悩まされることが多い。 健康サービスの改善に携わる草の根組織は、複雑な影響によって介入の有効性を向上させるという課題に直面することが多い。 この研究は、構造学習、差別的モデリング、および5つの異なるインドの州にまたがる介入を設計する草の根レベルの専門知識を組み合わせて、FSWにおける安全なセックスの実践を改善するために、有害でない要因の影響を発見する。 モデルから明らかになったようにコンドームの使用を最大化できる要因を定量化するために,ブートストラップ付き平均ベイズネットワーク構造を学習した。 識別モデルはxgboostとランダムフォレストを用いてコンドーム使用行動を予測するために構築され、最良のモデルは83%の感度、99%の特異性、そして99%の面積を予測のための精度-リコール曲線の下で達成した。 生成的および差別的モデリングアプローチの両方により、金融リテラシー訓練がfswsにおけるコンドーム使用の主な影響と予測要因であることが明らかとなった。 これらの洞察は、このアプローチの実世界の有用性を評価するための現在進行中のフィールドトライアルにつながった。 本研究は、女性性労働者におけるHIV感染防止対策の透明性発見と優先順位付けのための、リソース制限による説明可能なモデルの可能性を強調した。

関連論文リスト

• The Root Shapes the Fruit: On the Persistence of Gender-Exclusive Harms in Aligned Language Models [58.130894823145205]
  我々はトランスジェンダー、ノンバイナリ、その他のジェンダー・ディバースのアイデンティティを中心とし、アライメント手順が既存のジェンダー・ディバースバイアスとどのように相互作用するかを検討する。 以上の結果から,DPO対応モデルは特に教師付き微調整に敏感であることが示唆された。 DPOとより広範なアライメントプラクティスに合わせたレコメンデーションで締めくくります。
  論文  参考訳（メタデータ） (2024-11-06T06:50:50Z)
• Dataset Distribution Impacts Model Fairness: Single vs. Multi-Task Learning [2.9530211066840417]
  ResNetベースのCNNを用いて皮膚病変分類の性能を評価する。 患者性やクラスラベルの異なるデータセットを生成するための線形プログラミング手法を提案する。
  論文  参考訳（メタデータ） (2024-07-24T15:23:26Z)
• Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
  近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。 そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
  論文  参考訳（メタデータ） (2024-04-26T16:39:50Z)
• Analyzing Male Domestic Violence through Exploratory Data Analysis and Explainable Machine Learning Insights [0.5825410941577593]
  既存の文献は、主に家庭内暴力のシナリオにおける女性の犠牲者を強調しており、男性の犠牲者に関する研究が欠如している。 本研究はバングラデシュにおける男性家庭内暴力(MDV)の未発見領域の先駆的な探索である。 本研究は、家庭内虐待が主に女性に影響を及ぼすという一般的な考え方に挑戦し、男性被害者に対する適切な介入や支援システムの必要性を強調した。
  論文  参考訳（メタデータ） (2024-03-22T19:53:21Z)
• Decoding Susceptibility: Modeling Misbelief to Misinformation Through a Computational Approach [61.04606493712002]
  誤報に対する感受性は、観測不可能な不検証の主張に対する信念の度合いを記述している。 既存の感受性研究は、自己報告された信念に大きく依存している。 本稿では,ユーザの潜在感受性レベルをモデル化するための計算手法を提案する。
  論文  参考訳（メタデータ） (2023-11-16T07:22:56Z)
• Sensitivity, Performance, Robustness: Deconstructing the Effect of Sociodemographic Prompting [64.80538055623842]
  社会デマトグラフィープロンプトは、特定の社会デマトグラフィープロファイルを持つ人間が与える答えに向けて、プロンプトベースのモデルの出力を操縦する技術である。 ソシオデマトグラフィー情報はモデル予測に影響を及ぼし、主観的NLPタスクにおけるゼロショット学習を改善するのに有用であることを示す。
  論文  参考訳（メタデータ） (2023-09-13T15:42:06Z)
• Forecasting Patient Flows with Pandemic Induced Concept Drift using Explainable Machine Learning [0.0]
  本研究では,患者フローの予測モデルを改善する新しい準リアルタイム変数群について検討した。 新型コロナウイルス(COVID-19)のアラートレベル(Alert Level)機能は、Googleの検索語や歩行者のトラフィックとともに、一般的な予測を生成するのに効果的だった。
  論文  参考訳（メタデータ） (2022-11-01T20:42:26Z)
• What Do You See in this Patient? Behavioral Testing of Clinical NLP Models [69.09570726777817]
  本稿では,入力の変化に関する臨床結果モデルの振る舞いを評価する拡張可能なテストフレームワークを提案する。 私たちは、同じデータを微調整しても、モデル行動は劇的に変化し、最高のパフォーマンスのモデルが常に最も医学的に可能なパターンを学習していないことを示しています。
  論文  参考訳（メタデータ） (2021-11-30T15:52:04Z)
• Measuring Fairness Under Unawareness of Sensitive Attributes: A Quantification-Based Approach [131.20444904674494]
  センシティブな属性の無意識下でのグループフェアネスを測定する問題に取り組む。 定量化手法は, フェアネスと無意識の問題に対処するのに特に適していることを示す。
  論文  参考訳（メタデータ） (2021-09-17T13:45:46Z)
• Improving healthcare access management by predicting patient no-show behaviour [0.0]
  本研究は,参加を促す戦略の実装を支援するため,DSS(Decision Support System)を開発する。 回帰モデルの精度を向上させるために,異なる機械学習手法の有効性を評価する。 過去の研究で報告された関係の定量化に加えて、収入と近隣の犯罪統計はノーショー確率に影響を与えることが判明した。
  論文  参考訳（メタデータ） (2020-12-10T14:57:25Z)
• Using Deep Learning and Explainable Artificial Intelligence in Patients' Choices of Hospital Levels [10.985001960872264]
  本研究は、全国の保険データを用いて、既存の文献で議論されている可能性のある特徴を蓄積し、ディープニューラルネットワークを用いて患者の病院レベルの選択を予測した。 その結果,受信機動作特性曲線 (AUC) (0.90), 精度 (0.90), 感度 (0.94), 特異度 (0.97) を高不均衡ラベルで予測できた。
  論文  参考訳（メタデータ） (2020-06-24T02:15:15Z)

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。