論文の概要: Insuring Smiles: Predicting routine dental coverage using Spark ML
- arxiv url: http://arxiv.org/abs/2310.09229v1
- Date: Fri, 13 Oct 2023 16:31:51 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-16 11:59:47.890792
- Title: Insuring Smiles: Predicting routine dental coverage using Spark ML
- Title（参考訳）: insuring smiles: spark mlを用いた日常歯科被曝の予測
- Authors: Aishwarya Gupta, Rahul S. Bhogale, Priyanka Thota, Prathushkumar
Dathuri, Jongwook Woo
- Abstract要約: 我々は、機械学習アルゴリズムを利用して、健康保険計画が成人の定期的な歯科医療サービスをカバーするかどうかを予測する。
我々の目標は、個人や家族が収入と経費に基づいて最も適切な保険計画を選択するための臨床戦略を提供することである。
- 参考スコア（独自算出の注目度）: 0.19285000127136376
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Finding suitable health insurance coverage can be challenging for individuals
and small enterprises in the USA. The Health Insurance Exchange Public Use
Files (Exchange PUFs) dataset provided by CMS offers valuable information on
health and dental policies [1]. In this paper, we leverage machine learning
algorithms to predict if a health insurance plan covers routine dental services
for adults. By analyzing plan type, region, deductibles, out-of-pocket
maximums, and copayments, we employ Logistic Regression, Decision Tree, Random
Forest, Gradient Boost, Factorization Model and Support Vector Machine
algorithms. Our goal is to provide a clinical strategy for individuals and
families to select the most suitable insurance plan based on income and
expenses.
- Abstract（参考訳）: 米国内の個人や小規模企業にとって、適切な医療保険対象を見つけることは困難である。
CMSが提供する健康保険交換公用ファイル(Exchange PUFs)データセットは、健康および歯科政策に関する貴重な情報を提供する。
本稿では,成人の日常歯科医療を対象とする健康保険計画について,機械学習アルゴリズムを用いて予測する。
計画タイプ,地域,デダクティブル,アウト・オブ・ポケットの最大値,コペイメントを分析して,ロジスティック回帰,決定木,ランダムフォレスト,グラディエントブースト,ファクトリゼーションモデル,サポートベクトルマシンアルゴリズムを用いる。
我々の目標は、個人や家族が収入と経費に基づいて最も適切な保険計画を選択するための臨床戦略を提供することである。
関連論文リスト
- INS-MMBench: A Comprehensive Benchmark for Evaluating LVLMs' Performance in Insurance [51.36387171207314]
InS-MMBenchは、保険ドメイン用に調整された最初の総合的なLVLMベンチマークである。
INS-MMBenchは12のメタタスクと22の基本的なタスクをカバーし、合計2.2Kの完全設計された複数選択質問を含んでいる。
この評価は、保険領域における様々なマルチモーダルタスクにおける、現在のLVLMの詳細なパフォーマンス解析を提供する。
論文 参考訳（メタデータ） (2024-06-13T13:31:49Z) - Harnessing GPT-4V(ision) for Insurance: A Preliminary Exploration [51.36387171207314]
保険には、テキスト、画像、ビデオなど、その運用プロセスにおけるさまざまなデータフォームが含まれる。
GPT-4Vは、保険関連のタスクにおいて顕著な能力を示し、マルチモーダルコンテンツの堅牢な理解を示す。
しかし、GPT-4Vは、詳細なリスク評価と損失評価に苦慮し、画像理解における幻覚に悩まされ、異なる言語に対する可変サポートを示す。
論文 参考訳（メタデータ） (2024-04-15T11:45:30Z) - Blockchain-empowered Federated Learning for Healthcare Metaverses:
User-centric Incentive Mechanism with Optimal Data Freshness [66.3982155172418]
まず、医療メタバースのための分散型フェデレートラーニング(FL)に基づく、ユーザ中心のプライバシ保護フレームワークを設計する。
次に,情報時代(AoI)を有効データ更新度指標として利用し,観測理論(PT)に基づくAoIベースの契約理論モデルを提案し,センシングデータ共有の動機付けを行う。
論文 参考訳（メタデータ） (2023-07-29T12:54:03Z) - Machine Learning Recommendation System For Health Insurance Decision
Making In Nigeria [0.0]
ナイジェリアでは健康保険の取得が貧弱になっている。
適切な健康保険計画を見つけ、選択するためのレコメンデーションツールは、医療保険へのアクセス障壁を減らすのに有用である。
論文 参考訳（メタデータ） (2023-05-18T04:54:23Z) - Evaluating COVID-19 vaccine allocation policies using Bayesian $m$-top
exploration [53.122045119395594]
マルチアーム・バンディット・フレームワークを用いてワクチンのアロケーション戦略を評価する新しい手法を提案する。
$m$-top Exploringにより、アルゴリズムは最高のユーティリティを期待する$m$ポリシーを学ぶことができる。
ベルギーのCOVID-19流行を個人モデルSTRIDEを用いて検討し、予防接種方針のセットを学習する。
論文 参考訳（メタデータ） (2023-01-30T12:22:30Z) - Planning Multiple Epidemic Interventions with Reinforcement Learning [7.51289645756884]
最適な計画は、寿命の最小限の損失、病気の重荷、経済的コストによる流行を抑制することである。
最適な計画を見つけることは、現実的な設定における難解な計算問題である。
我々は、最先端のアクター-批評家強化学習アルゴリズムを、全体的なコストを最小化する計画の探索に適用する。
論文 参考訳（メタデータ） (2023-01-30T11:51:24Z) - Measuring Outcomes in Healthcare Economics using Artificial
Intelligence: with Application to Resource Management [0.0]
多くの場合、そのような出来事は、病院における複数の医療・経済的な側面と同様に、意思決定において重大な不確実性を引き起こす。
この原稿は、医療管理者が経済を組織化し、資源配分と共有の最も最適な計画を特定するのに役立つ3つのデータ駆動手法を提示する。
論文 参考訳（メタデータ） (2021-11-15T02:39:39Z) - MedPerf: Open Benchmarking Platform for Medical Artificial Intelligence
using Federated Evaluation [110.31526448744096]
この可能性を解き明かすには、大規模な異種データに対して医療AIモデルの性能を測定する体系的な方法が必要である、と私たちは主張する。
MedPerfは、医療分野で機械学習をベンチマークするためのオープンフレームワークです。
論文 参考訳（メタデータ） (2021-09-29T18:09:41Z) - Privacy-preserving medical image analysis [53.4844489668116]
医用画像におけるプライバシ保護機械学習(PPML)のためのソフトウェアフレームワークであるPriMIAを提案する。
集合型学習モデルの分類性能は,未発見データセットの人間専門家と比較して有意に良好である。
グラデーションベースのモデル反転攻撃に対するフレームワークのセキュリティを実証的に評価する。
論文 参考訳（メタデータ） (2020-12-10T13:56:00Z) - Accurate and Interpretable Machine Learning for Transparent Pricing of
Health Insurance Plans [3.772148470078554]
医療保険会社は米国人口の半分をカバーし、年間1.2兆米ドルを支払って会員の医療費をカバーしている。
医療保険会社におけるアクチュアリーとアンダーライターの役割は、どのリスクを取るか、そのリスクをどのように価格で評価し、組織の利益性を確保するのに役立つ。
患者レベルと雇用者レベルという2つのモデルを作成し,雇用者グループに対する年会費の予測を行った。
我々のモデルは、保険会社の既存の価格モデルよりも20%良いパフォーマンスを示し、譲歩機会の84%を特定できた。
論文 参考訳（メタデータ） (2020-09-23T08:07:33Z)
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。