論文の概要: Selective Intervention Planning using RMABs: Increasing Program
Engagement to Improve Maternal and Child Health Outcomes
- arxiv url: http://arxiv.org/abs/2103.09052v2
- Date: Thu, 18 Mar 2021 13:59:11 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-05 05:34:16.504292
- Title: Selective Intervention Planning using RMABs: Increasing Program
Engagement to Improve Maternal and Child Health Outcomes
- Title（参考訳）: RMABを用いた選択的介入計画:母子保健改善のためのプログラム強化
- Authors: Siddharth Nishtala, Lovish Madaan, Harshavardhan Kamarthi, Anirudh
Grama, Divy Thakkar, Dhyanesh Narayanan, Suresh Chaudhary, Neha Madhiwalla,
Ramesh Padmanabhan, Aparna Hegde, Pradeep Varakantham, Balaraman Ravindran,
Milind Tambe
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 34.38042786168279
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: India has a maternal mortality ratio of 113 and child mortality ratio of 2830
per 100,000 live births. Lack of access to preventive care information is a
major contributing factor for these deaths, 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 with 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 machine learning
based models to predict the long term engagement pattern from call logs and
beneficiaries' demographic information, and discuss the applicability of this
method in the real world through a pilot validation. Through a randomized
controlled trial, we show that using our model's predictions to make
interventions boosts engagement metrics by 14.3%. We then formulate the
intervention planning problem as restless multi-armed bandits (RMABs), and
present preliminary results using this approach.
- Abstract（参考訳）: インドでは母子死亡率は113、子供死亡率は10万人当たり2830である。
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これらの死亡の要因となっている。
インドに本拠を置く非営利団体ARMMANと協力して、健康パラメータに肯定的な影響を与えることが証明されたこれらのプログラムに関わら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強化する。
ARMMANが作成した認知プログラムで登録された30万人以上の女性の匿名通話記録を分析し,携帯電話で健康関連情報を定期的に発信する。
我々は,コールログと受益者の人口統計情報から長期エンゲージメントパターンを予測するための機械学習モデルを構築し,実世界におけるこの手法の適用可能性についてパイロット検証により検討した。
ランダムに制御された試行を通して、我々のモデルの予測を用いて介入を行うことで、エンゲージメントのメトリクスが14.3%向上することを示す。
次に,restless multi-armed bandits (rmabs) として介入計画問題を定式化し,本手法を用いた予備結果を示す。
関連論文リスト
- Efficient Public Health Intervention Planning Using Decomposition-Based
Decision-Focused Learning [33.14258196945301]
介入計画の高速化のために、レスレスマルチアーマッドバンド(RMAB)の構造を利用する方法を示す。
私たちはインドのNGOであるARMMANの実際のデータを使って、我々のアプローチが最先端のアプローチよりも最大2桁高速であることを示す。
論文 参考訳（メタデータ） (2024-03-08T21:31:00Z) - 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) - Remote Medication Status Prediction for Individuals with Parkinson's
Disease using Time-series Data from Smartphones [75.23250968928578]
本稿では,パーキンソン病患者のmPowerデータセットを用いて薬剤状態を予測する方法を提案する。
提案手法は,3つの薬物状態を客観的に予測する上で有望な結果を示す。
論文 参考訳（メタデータ） (2022-07-26T02:08:08Z) - Intelligent Sight and Sound: A Chronic Cancer Pain Dataset [74.77784420691937]
本稿では,Intelligent Sight and Sound (ISS) 臨床試験の一環として収集された,最初の慢性ガン痛データセットを紹介する。
これまで収集されたデータは29の患者、509のスマートフォンビデオ、189,999のフレーム、そして自己報告された感情と活動の痛みのスコアから成っている。
静的画像とマルチモーダルデータを用いて、自己報告された痛みレベルを予測する。
論文 参考訳（メタデータ） (2022-04-07T22:14:37Z) - Practical Challenges in Differentially-Private Federated Survival
Analysis of Medical Data [57.19441629270029]
本稿では,ニューラルネットワークの本質的特性を活用し,生存分析モデルの訓練過程を関連づける。
小さな医療データセットと少数のデータセンターの現実的な設定では、このノイズはモデルを収束させるのが難しくなります。
DPFed-post は,私的フェデレート学習方式に後処理の段階を追加する。
論文 参考訳（メタデータ） (2022-02-08T10:03:24Z) - 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) - 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) - 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) - Missed calls, Automated Calls and Health Support: Using AI to improve
maternal health outcomes by increasing program engagement [26.353309432011724]
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。
論文 参考訳（メタデータ） (2020-06-13T08:32:41Z)
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。