論文の概要: Preliminary Study of the Impact of AI-Based Interventions on Health and Behavioral Outcomes in Maternal Health Programs
- arxiv url: http://arxiv.org/abs/2407.11973v1
- Date: Thu, 23 May 2024 10:18:20 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-22 11:50:18.603446
- Title: Preliminary Study of the Impact of AI-Based Interventions on Health and Behavioral Outcomes in Maternal Health Programs
- Title（参考訳）: 母系保健プログラムにおけるAIによる介入が健康と行動に与える影響に関する予備的研究
- Authors: Arpan Dasgupta, Niclas Boehmer, Neha Madhiwalla, Aparna Hedge, Bryan Wilder, Milind Tambe, Aparna Taneja,
- Abstract要約: 我々は,AIによる介入による聴取能力の向上が,妊娠や乳児期の重要な健康問題をよりよく理解することにつながる証拠を提示する。
この理解の向上は、母親とその赤ちゃんの健康上の利益をもたらす可能性がある。
- 参考スコア（独自算出の注目度）: 46.220426654734425
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Automated voice calls are an effective method of delivering maternal and child health information to mothers in underserved communities. One method to fight dwindling listenership is through an intervention in which health workers make live service calls. Previous work has shown that we can use AI to identify beneficiaries whose listenership gets the greatest boost from an intervention. It has also been demonstrated that listening to the automated voice calls consistently leads to improved health outcomes for the beneficiaries of the program. These two observations combined suggest the positive effect of AI-based intervention scheduling on behavioral and health outcomes. This study analyzes the relationship between the two. Specifically, we are interested in mothers' health knowledge in the post-natal period, measured through survey questions. We present evidence that improved listenership through AI-scheduled interventions leads to a better understanding of key health issues during pregnancy and infancy. This improved understanding has the potential to benefit the health outcomes of mothers and their babies.
- Abstract（参考訳）: 自動音声通話は、母子保健情報を保護されていない地域の母親に届ける効果的な方法である。
聴覚障害と闘う方法の1つは、医療従事者がライブ・サービス・コールを行う介入である。
これまでの研究は、AIを使って聞き取りが介入から最も大きく後押しされる受益者を特定できることを示している。
また、自動音声通話の聴取が、プログラムの受益者に対する健康改善につながることも示されている。
これらの2つの観察は、AIベースの介入スケジューリングが行動と健康の結果に与える影響を示唆している。
本研究は両者の関係を分析する。
具体的には,母親の出生後の健康に関する知識に興味を持ち,アンケート調査を行った。
我々は,AIによる介入による聴取能力の向上が,妊娠や乳児期の重要な健康問題をよりよく理解することにつながる証拠を提示する。
この理解の向上は、母親とその赤ちゃんの健康上の利益をもたらす可能性がある。
関連論文リスト
- I-SIRch: AI-Powered Concept Annotation Tool For Equitable Extraction And Analysis Of Safety Insights From Maternity Investigations [0.8609957371651683]
医療データを分析するための現在のツールのほとんどは、人間の要素の重要性を見越して、バイオメディカルな概念にのみ焦点をあてている。
We developed I-SIRch, using AI to Automatic Identification and label human factors concept。
I-SIRchは実データを用いて訓練され、実データとシミュレーションデータの両方でテストし、人間の因子の概念を識別する性能を評価した。
論文 参考訳（メタデータ） (2024-06-08T16:05:31Z) - 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) - Healthcare Copilot: Eliciting the Power of General LLMs for Medical
Consultation [96.22329536480976]
医療相談用に設計された医療コパイロットの構築について紹介する。
提案した医療コパイロットは,(1)効果的で安全な患者との対話に責任を負う対話コンポーネント,2)現在の会話データと過去の患者情報の両方を記憶する記憶コンポーネント,3)処理コンポーネント,そして,対話全体を要約し,報告を生成する。
提案したヘルスケア・コパイロットを評価するために,ChatGPT を用いた仮想患者とコーピロとの対話を行う仮想患者と,対話の質を評価するための評価器の2つの役割を自動評価する手法を実装した。
論文 参考訳（メタデータ） (2024-02-20T22:26:35Z) - 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) - Unveiling the Unborn: Advancing Fetal Health Classification through Machine Learning [0.0]
本研究では,胎児の健康分類のための新しい機械学習手法を提案する。
提案したモデルでは、テストセットで98.31%の精度が得られる。
複数のデータポイントを組み込むことで、我々のモデルはより包括的で信頼性の高い評価を提供する。
論文 参考訳（メタデータ） (2023-09-30T22:02:51Z) - Predicting Adverse Neonatal Outcomes for Preterm Neonates with
Multi-Task Learning [51.487856868285995]
われわれはまず, 3つの不良新生児結果の相関関係を解析し, マルチタスク学習(MTL)問題として複数の新生児結果の診断を定式化する。
特に、MTLフレームワークは、共有された隠れレイヤと複数のタスク固有のブランチを含んでいる。
論文 参考訳（メタデータ） (2023-03-28T00:44:06Z) - SPeC: A Soft Prompt-Based Calibration on Performance Variability of
Large Language Model in Clinical Notes Summarization [50.01382938451978]
本稿では,ソフトプロンプトを用いたモデルに依存しないパイプラインを導入し,確率に基づく要約の利点を保ちながら分散を減少させる。
実験結果から,本手法は性能を向上するだけでなく,様々な言語モデルの分散を効果的に抑制することが明らかとなった。
論文 参考訳（メタデータ） (2023-03-23T04:47:46Z) - 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) - MET: Multimodal Perception of Engagement for Telehealth [52.54282887530756]
ビデオから人間のエンゲージメントレベルを知覚する学習ベースアルゴリズムMETを提案する。
我々はメンタルヘルス患者のエンゲージメント検出のための新しいデータセットMEDICAをリリースした。
論文 参考訳（メタデータ） (2020-11-17T15:18:38Z) - Assessing the Severity of Health States based on Social Media Posts [62.52087340582502]
ユーザの健康状態の重症度を評価するために,テキストコンテンツとコンテキスト情報の両方をモデル化する多視点学習フレームワークを提案する。
多様なNLUビューは、ユーザの健康を評価するために、タスクと個々の疾患の両方に効果を示す。
論文 参考訳（メタデータ） (2020-09-21T03:45:14Z)
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。