論文の概要: Improving Health Information Access in the World's Largest Maternal Mobile Health Program via Bandit Algorithms
- arxiv url: http://arxiv.org/abs/2407.12131v1
- Date: Tue, 14 May 2024 07:21:49 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-22 09:07:34.047477
- Title: Improving Health Information Access in the World's Largest Maternal Mobile Health Program via Bandit Algorithms
- Title（参考訳）: バンディットアルゴリズムによる世界最大の母体保健プログラムにおける健康情報アクセスの改善
- Authors: Arshika Lalan, Shresth Verma, Paula Rodriguez Diaz, Panayiotis Danassis, Amrita Mahale, Kumar Madhu Sudan, Aparna Hegde, Milind Tambe, Aparna Taneja,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 24.4450506603579
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Harnessing the wide-spread availability of cell phones, many nonprofits have launched mobile health (mHealth) programs to deliver information via voice or text to beneficiaries in underserved communities, with maternal and infant health being a key area of such mHealth programs. Unfortunately, dwindling listenership is a major challenge, requiring targeted interventions using limited resources. This paper focuses on Kilkari, the world's largest mHealth program for maternal and child care - with over 3 million active subscribers at a time - launched by India's Ministry of Health and Family Welfare (MoHFW) and run by the non-profit ARRMAN. We present a system called CHAHAK that aims to reduce automated dropouts as well as boost engagement with the program through the strategic allocation of interventions to beneficiaries. Past work in a similar domain has focused on a much smaller scale mHealth program and used markovian restless multiarmed bandits to optimize a single limited intervention resource. However this paper demonstrates the challenges in adopting a markovian approach in Kilkari; therefore CHAHAK instead relies on non-markovian time-series restless bandits, and optimizes multiple interventions to improve listenership. We use real Kilkari data from the Odisha state in India to show CHAHAK's effectiveness in harnessing multiple interventions to boost listenership, benefiting marginalized communities. When deployed CHAHAK will assist the largest maternal mHealth program to date.
- Abstract（参考訳）: 多くの非営利団体は、携帯電話が広く普及していることを理由に、未成年地域の受益者への音声やテキストによる情報提供をモバイルヘルス(mHealth)プログラムとして開始し、母子保健はmHealthプログラムの重要な領域となっている。
残念なことに、リスナーの減少は大きな課題であり、限られたリソースを使用してターゲットの介入を必要とする。
本論文は、インドの厚生労働省(MoHFW)が立ち上げ、非営利のARRMANが運営する、母子医療のための世界最大規模のmHealthプログラムであるKilkariに焦点を当てる。
我々は,自動ドロップアウトの削減と,受益者への介入の戦略的配分を通じてプログラムへの関与を促進することを目的としたCHAHAKシステムを提案する。
同様の領域における過去の研究は、ずっと小さなスケールのmHealthプログラムに焦点を合わせており、単一の限られた介入リソースを最適化するためにマルコフのレストレスマルチアームバンドを使用する。
しかし,本稿では,Kilkariにおけるマルコフ的アプローチを採用する上での課題を取り上げ,CHAHAKは代わりに,非マルコフ的時系列レス・バンドレットに依存し,複数の介入を最適化して聴取を改善する。
インド・オディシャ州の実際のKilkariデータを用いて、CHAHAKが複数の介入を活用してリスナーシップを強化し、地域社会に利益をもたらすことを示す。
CHAHAKが配備されると、これまでで最大の母方のmHealthプログラムが支援される。
関連論文リスト
- Preliminary Study of the Impact of AI-Based Interventions on Health and Behavioral Outcomes in Maternal Health Programs [46.220426654734425]
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。
論文 参考訳（メタデータ） (2024-05-23T10:18:20Z) - 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 [49.956569971833105]
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) - PulseImpute: A Novel Benchmark Task for Pulsative Physiological Signal
Imputation [54.839600943189915]
モバイルヘルス(英語: Mobile Health、mHealth)は、ウェアラブルセンサーを使用して、日常生活中の参加者の生理状態を高頻度で監視し、時間的に精度の高い健康介入を可能にする能力である。
豊富な計算文学にもかかわらず、既存の技術は多くのmHealthアプリケーションを構成する脈動信号には効果がない。
このギャップに対処するPulseImputeは、現実的なmHealth欠損モデル、幅広いベースラインセット、臨床関連下流タスクを含む、最初の大規模パルス信号計算チャレンジである。
論文 参考訳（メタデータ） (2022-12-14T21:39:15Z) - 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) - 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) - Selective Intervention Planning using RMABs: Increasing Program
Engagement to Improve Maternal and Child Health Outcomes [34.38042786168279]
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。
論文 参考訳（メタデータ） (2021-03-07T08:47:24Z) - 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) - Digital Ariadne: Citizen Empowerment for Epidemic Control [55.41644538483948]
新型コロナウイルスの危機は、1918年のH1N1パンデミック以来、公衆衛生にとって最も危険な脅威である。
技術支援による位置追跡と接触追跡は、広く採用されれば、感染症の拡散を抑えるのに役立つかもしれない。
個人のデバイス上での自発的な位置情報とBluetoothトラッキングに基づいて、"diAry"や"digital Ariadne"と呼ばれるツールを提示する。
論文 参考訳（メタデータ） (2020-04-16T15:53:42Z)
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。