論文の概要: Field Study in Deploying Restless Multi-Armed Bandits: Assisting
Non-Profits in Improving Maternal and Child Health
- arxiv url: http://arxiv.org/abs/2109.08075v1
- Date: Thu, 16 Sep 2021 16:04:48 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-17 16:04:18.069130
- Title: Field Study in Deploying Restless Multi-Armed Bandits: Assisting
Non-Profits in Improving Maternal and Child Health
- Title（参考訳）: レストレスマルチアーマッドバンドの展開に関するフィールドスタディ:母子保健改善のための非利益支援
- Authors: Aditya Mate, Lovish Madaan, Aparna Taneja, Neha Madhiwalla, Shresth
Verma, Gargi Singh, Aparna Hegde, Pradeep Varakantham, Milind Tambe
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 28.43878945119807
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The widespread availability of cell phones has enabled non-profits to deliver
critical health information to their beneficiaries in a timely manner. This
paper describes our work to assist non-profits that employ automated messaging
programs to deliver timely preventive care information to beneficiaries (new
and expecting mothers) during pregnancy and after delivery. Unfortunately, a
key challenge in such information delivery programs is that a significant
fraction of beneficiaries drop out of the program. Yet, non-profits often have
limited health-worker resources (time) to place crucial service calls for live
interaction with beneficiaries to prevent such engagement drops. To assist
non-profits in optimizing this limited resource, we developed a Restless
Multi-Armed Bandits (RMABs) system. One key technical contribution in this
system is a novel clustering method of offline historical data to infer unknown
RMAB parameters. Our second major contribution is evaluation of our RMAB system
in collaboration with an NGO, via a real-world service quality improvement
study. The study compared strategies for optimizing service calls to 23003
participants over a period of 7 weeks to reduce engagement drops. We show that
the RMAB group provides statistically significant improvement over other
comparison groups, reducing ~ 30% engagement drops. To the best of our
knowledge, this is the first study demonstrating the utility of RMABs in real
world public health settings. We are transitioning our RMAB system to the NGO
for real-world use.
- Abstract（参考訳）: 携帯電話の普及により、非営利団体は受益者に重要な健康情報をタイムリーに提供できるようになった。
本稿では,妊婦や出産後の受給者へのタイムリーな予防ケア情報提供のために,自動メッセージプログラムを利用する非営利団体を支援する取り組みについて述べる。
残念ながら、こうした情報配信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抜け出すことである。
しかし、非営利団体は、そうしたエンゲージメントの低下を防ぐために、受益者とのライブ対話に重要なサービスコールを行うための医療従事者資源(時間)が限られていることが多い。
この限られた資源を最適化する非営利団体を支援するために,restless multi-armed bandits (rmabs) システムを開発した。
このシステムにおける重要な技術的貢献の一つは、未知のRMABパラメータを推測するオフライン履歴データのクラスタリング手法である。
2つ目の大きな貢献は、実際のサービス品質改善研究を通じて、NGOと共同でRMABシステムの評価である。
サービスコールを最適化するための戦略を、7週間で23003人に比較し、エンゲージメントの減少を減らした。
RMAB群は他の比較群に比べて統計的に有意な改善が得られ,約30%のエンゲージメント低下が減少した。
私たちの知る限りでは、実世界の公衆衛生環境におけるrmabsの有用性を示す最初の研究です。
RMABシステムをNGOに移行して、現実世界での利用を予定しています。
関連論文リスト
- Bayesian Collaborative Bandits with Thompson Sampling for Improved Outreach in Maternal Health Program [36.10003434625494]
モバイルヘルス(mHealth)プログラムは、受益者への自動健康情報呼び出しのタイミングを最適化する上で、重要な課題に直面している。
本稿では,この協調バンディット問題に対するトンプソンサンプリングを用いた原理的アプローチを提案する。
我々は,世界最大規模の母体mHealthプログラムから,実世界のデータセット上での最先端のベースラインを大幅に改善したことを示す。
論文 参考訳（メタデータ） (2024-10-28T18:08:18Z) - 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) - 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) - Retrieval Augmented Thought Process for Private Data Handling in Healthcare [53.89406286212502]
Retrieval-Augmented Thought Process (RATP)を紹介する。
RATPは大規模言語モデル(LLM)の思考生成を定式化する
電子カルテのプライベートデータセットにおいて、RATPは、質問応答タスクのコンテキスト内検索強化生成と比較して35%の精度を達成している。
論文 参考訳（メタデータ） (2024-02-12T17:17:50Z) - 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) - Deep Reinforcement Learning for Efficient and Fair Allocation of Health Care Resources [47.57108369791273]
医療資源の枯渇は、レーションの避けられない結果をもたらす可能性がある。
医療資源割り当てプロトコルの普遍的な標準は存在しない。
本稿では,患者の疾患進行と患者間の相互作用効果を統合するためのトランスフォーマーベースのディープQネットワークを提案する。
論文 参考訳（メタデータ） (2023-09-15T17:28:06Z) - Imagining new futures beyond predictive systems in child welfare: A
qualitative study with impacted stakeholders [89.6319385008397]
児童福祉システムに影響を及ぼした利害関係者35名を対象に,7つのデザインワークショップを開催した。
対象者は,現在のPRMが児童福祉における既存の問題を持続的又は悪化させることを懸念した。
参加者は、データとデータ駆動ツールを使って、影響のあるコミュニティをより良くサポートする方法を提案した。
論文 参考訳（メタデータ） (2022-05-18T13:49:55Z) - Contingency-Aware Influence Maximization: A Reinforcement Learning
Approach [52.109536198330126]
インフルエンス(IM)問題は、インフルエンスの普及を最大化する、ソーシャルネットワーク内のシードノードのサブセットを見つけることを目的としている。
本研究では、招待されたノードがシードであるかどうかが不確実なIM問題(contingency-aware IM)に焦点をあてる。
最初の成功にもかかわらず、より多くのコミュニティへのソリューションの推進における大きな実践上の障害は、欲張りのアルゴリズムの巨大な実行時である。
論文 参考訳（メタデータ） (2021-06-13T16:42:22Z) - 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)
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。