論文の概要: Matching Algorithms for Blood Donation

• arxiv url: http://arxiv.org/abs/2108.04862v1
• Date: Tue, 10 Aug 2021 18:27:18 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-12 13:22:05.913624
• Title: Matching Algorithms for Blood Donation
• Title（参考訳）: 献血のためのマッチングアルゴリズム
• Authors: Duncan C McElfresh, Christian Kroer, Sergey Pupyrev, Eric Sodomka, Karthik Sankararaman, Zack Chauvin, Neil Dexter, John P Dickerson
• Abstract要約: 我々は、Facebookの献血ツールを用いて、献血の機会を持つ献血者の大規模なアルゴリズムマッチングを行う。 我々は、オンラインマッチングモデルに基づいて、患者とドナーをマッチングするための自動ポリシーを開発する。 最初の発見は、ドナー行動に関する医学・社会科学文献におけるいくつかの観察と一致した。
• 参考スコア（独自算出の注目度）: 39.479192127922104
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Global demand for donated blood far exceeds supply, and unmet need is greatest in low- and middle-income countries; experts suggest that large-scale coordination is necessary to alleviate demand. Using the Facebook Blood Donation tool, we conduct the first large-scale algorithmic matching of blood donors with donation opportunities. While measuring actual donation rates remains a challenge, we measure donor action (e.g., making a donation appointment) as a proxy for actual donation. We develop automated policies for matching patients and donors, based on an online matching model. We provide theoretical guarantees for these policies, both regarding the number of expected donations and the equitable treatment of blood recipients. In simulations, a simple matching strategy increases the number of donations by 5-10%; a pilot experiment with real donors shows a 5% relative increase in donor action rate (from 3.7% to 3.9%). When scaled to the global Blood Donation tool user base, this corresponds to an increase of around one hundred thousand users taking action toward donation. Further, observing donor action on a social network can shed light onto donor behavior and response to incentives. Our initial findings align with several observations made in the medical and social science literature regarding donor behavior.
• Abstract（参考訳）: 献血された血液の世界的な需要は供給をはるかに超えており、低所得国や中所得国では不均一な需要が最も大きい。 facebookの献血ツールを使用して、献血機会と献血者の大規模なマッチングを行う。 実際の寄付率の測定は依然として課題であるが、実際の寄付の代理として寄付者行動(寄付者指名など)を測定する。 我々は、オンラインマッチングモデルに基づいて、患者とドナーのマッチングのための自動ポリシーを開発する。 我々は,これらの政策について,期待される献金数と血液受給者の公平な処置に関する理論的保証を提供する。 シミュレーションでは、単純なマッチング戦略が寄付数を5～10%増加させ、実寄付者によるパイロット実験ではドナーの行動率(3.7%から3.9%)が5%上昇している。 グローバルな献血ツールのユーザーベースにスケールすると、約10万人のユーザーが寄付に向けて行動している。 さらに、ソーシャルネットワーク上でのドナー行動の観察は、ドナーの行動やインセンティブに対する反応に光を当てることができる。 ドナー行動に関する医学・社会科学文献におけるいくつかの知見と一致した。

関連論文リスト

• Spillover Detection for Donor Selection in Synthetic Control Models [1.1510009152620668]
  理論的に座屈したドナーの選択手順を導入する。 本稿では, この理論を, 潜在的な流出効果を検出するための実用的手法に転換する方法について述べる。
  論文  参考訳（メタデータ） (2024-06-17T10:33:33Z)
• Penalties and Rewards for Fair Learning in Paired Kidney Exchange Programs [4.963350442999301]
  腎臓交換プログラム(英: kidney exchange program)または腎臓対寄付プログラム(英: kidney paired donation program)は、反復的、ダイナミックな取引と割り当てのメカニズムであると見なすことができる。 カナダ・キドニー・ペアド・寄付計画(Canadian Kidney Paired Donation Program)のフルスケールシミュレーションを用いて,この仮説を確認した。 腎臓交換プログラムの性能を決定する上で最も重要な要因は、患者とドナーのペアに対する正の重み付け(逆戻り)を司法的に割り当てることではない。
  論文  参考訳（メタデータ） (2023-09-23T16:25:49Z)
• Building Brains: Subvolume Recombination for Data Augmentation in Large Vessel Occlusion Detection [56.67577446132946]
  この戦略をデータから学ぶためには、標準的なディープラーニングベースのモデルに対して、大規模なトレーニングデータセットが必要である。 そこで本研究では, 異なる患者から血管木セグメントを組換えることで, 人工的なトレーニングサンプルを生成する方法を提案する。 拡張スキームに則って,タスク固有の入力を入力した3D-DenseNetを用いて,半球間の比較を行う。
  論文  参考訳（メタデータ） (2022-05-05T10:31:57Z)
• A Deep Learning Approach to Predicting Collateral Flow in Stroke Patients Using Radiomic Features from Perfusion Images [58.17507437526425]
  側方循環は、血流を妥協した領域に酸素を供給する特殊な無酸素流路から生じる。 実際のグレーティングは主に、取得した画像の手動検査によって行われる。 MR灌流データから抽出した放射線学的特徴に基づいて,脳卒中患者の側方血流低下を予測するための深層学習手法を提案する。
  論文  参考訳（メタデータ） (2021-10-24T18:58:40Z)
• Backpropagation and fuzzy algorithm Modelling to Resolve Blood Supply Chain Issues in the Covid-19 Pandemic [0.0]
  本研究は,インドネシアのベングクルで発生したCovid-19パンデミックにおける血液分布問題に対する解決策を提供することを目的とする。 バックプロパゲーションアルゴリズムは、利用可能なドナーや潜在的ドナーを発見する可能性を改善するために用いられた。
  論文  参考訳（メタデータ） (2021-09-06T15:00:12Z)
• Learning $\mathbf{\mathit{Matching}}$ Representations for Individualized Organ Transplantation Allocation [98.43063331640538]
  臓器アロケーションと移植結果の観察データを用いて,臓器マッチングのためのデータ駆動型ルールの学習問題を定式化する。 本稿では,表現学習に基づくモデルを提案し,ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ド 本モデルは,ヒトの専門家が実施する最先端のアロケーション手法やポリシーより優れる。
  論文  参考訳（メタデータ） (2021-01-28T01:33:21Z)
• Multimodal In-bed Pose and Shape Estimation under the Blankets [77.12439296395733]
  マルチモーダルセンサが捉えた知識を最大限活用するために,様々なモダリティを融合するピラミッド方式を提案する。 我々は注意に基づく再構築モジュールを用いて検出されたモダリティを生成し,現在の推定値を更新するためにさらに融合する。
  論文  参考訳（メタデータ） (2020-12-12T05:35:23Z)
• Improving Policy-Constrained Kidney Exchange via Pre-Screening [96.27605972266296]
  バーター交換は、様々な不確実性 - 受講者の嗜好、様々なスワップの実現可能性と品質など - の様々な形態に該当する。 私たちの仕事は、腎臓移植が必要な患者が、より良いマッチングを見つけるために、生きたドナーを交換する現実のバーターマーケットである、腎臓交換によって動機付けられています。 ドナー臓器が受給者の医療チームによって拒絶された場合、計画された移植は様々な理由で失敗することが多い。 ある米国拠点の取引所は、2019年に計画された移植の約85%が失敗したと推計している。
  論文  参考訳（メタデータ） (2020-10-22T21:07:36Z)
• Donor's Deferral and Return Behavior: Partial Identification from a Regression Discontinuity Design with Manipulation [0.0]
  献血の適格性基準の不連続を突破し, 献血者の遅延が将来のボランティア活動を減少させることを示す。 本稿では,操作が存在する部分境界識別を行う手法を提案する。
  論文  参考訳（メタデータ） (2019-10-04T23:32:20Z)

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。