論文の概要: NudgeRank: Digital Algorithmic Nudging for Personalized Health

• arxiv url: http://arxiv.org/abs/2407.20241v1
• Date: Tue, 16 Jul 2024 07:56:42 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-05 00:56:24.448966
• Title: NudgeRank: Digital Algorithmic Nudging for Personalized Health
• Title（参考訳）: NudgeRank: パーソナライズされた健康のためのディジタルアルゴリズムナッジ
• Authors: Jodi Chiam, Aloysius Lim, Ankur Teredesai,
• Abstract要約: NudgeRankは、人口規模でポジティブな健康行動を促進する革新的なデジタルアルゴリズムヌードシステムである。 NudgeRankは実運用で運用されており、パーソナライズされたコンテキスト対応のナッジを毎日11万人以上のケア受け手に届けている。 厳格な評価は、日歩が6.17%増加し、運動時間が7.61%増加したことを含む、統計的に有意な健康改善を示している。
• 参考スコア（独自算出の注目度）: 3.3181276611945263
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper we describe NudgeRank, an innovative digital algorithmic nudging system designed to foster positive health behaviors on a population-wide scale. Utilizing a novel combination of Graph Neural Networks augmented with an extensible Knowledge Graph, this Recommender System is operational in production, delivering personalized and context-aware nudges to over 1.1 million care recipients daily. This enterprise deployment marks one of the largest AI-driven health behavior change initiatives, accommodating diverse health conditions and wearable devices. Rigorous evaluation reveals statistically significant improvements in health outcomes, including a 6.17% increase in daily steps and 7.61% more exercise minutes. Moreover, user engagement and program enrollment surged, with a 13.1% open rate compared to baseline systems' 4%. Demonstrating scalability and reliability, NudgeRank operates efficiently on commodity compute resources while maintaining automation and observability standards essential for production systems.
• Abstract（参考訳）: 本稿では、人口規模でポジティブな健康行動を促進するために設計された革新的なデジタルアルゴリズムヌードシステムであるNudgeRankについて述べる。 拡張可能な知識グラフを付加したグラフニューラルネットワークの新たな組み合わせを利用して、このレコメンダシステムは本番環境で運用されており、パーソナライズされたコンテキスト対応のナッジを毎日1100万人以上の介護者に提供する。 この企業展開は、さまざまな健康状態とウェアラブルデバイスを収容するAI駆動型ヘルス行動変革イニシアチブの中で、最大のもののひとつだ。 厳格な評価は、日歩が6.17%増加し、運動時間が7.61%増加したことを含む、統計的に有意な健康改善を示している。 さらにユーザエンゲージメントとプログラムの登録が増加し、ベースラインシステムの4%に比べて13.1%のオープンレートとなった。 スケーラビリティと信頼性を実証するため、NudgeRankは、製品システムに不可欠な自動化と可観測性標準を維持しながら、コモディティな計算資源を効率的に運用している。

関連論文リスト

• The Digital Transformation in Health: How AI Can Improve the Performance of Health Systems [2.8351008282227266]
  モバイルヘルスは、医療提供と患者のエンゲージメントに革命をもたらす可能性がある。 適応的な介入の配信を可能にする人工知能と強化学習プラットフォームを提案する。 このプラットフォームの柔軟性は、さまざまなモバイルヘルスアプリケーションやデジタルデバイスに接続し、パーソナライズされたレコメンデーションを送信することで、デジタルツールがヘルスシステムの結果に与える影響を大幅に改善することができる。
  論文  参考訳（メタデータ） (2024-09-24T13:52:15Z)
• Co-Pilot for Health: Personalized Algorithmic AI Nudging to Improve Health Outcomes [2.8311497176067104]
  我々は、グラフニューラルネットワーク(GNN)ベースのレコメンデーションシステムによって実現された、デジタルアルゴリズムヌードのためのAI駆動プラットフォームを設計、実装した。 対象グループの被験者は, 日々の身体活動が増加し, 日常的にAIを最適化した。 このうち13.1%が開封(開封)、11.7%が有益と評価された。
  論文  参考訳（メタデータ） (2024-01-19T17:03:37Z)
• Deep Reinforcement Learning Empowered Activity-Aware Dynamic Health Monitoring Systems [69.41229290253605]
  既存のモニタリングアプローチは、医療機器が複数の健康指標を同時に追跡するという前提で設計されている。 これは、その範囲内で関連するすべての健康値を報告し、過剰なリソース使用と外部データの収集をもたらす可能性があることを意味します。 最適なモニタリング性能とコスト効率のバランスをとるための動的アクティビティ・アウェアヘルスモニタリング戦略(DActAHM)を提案する。
  論文  参考訳（メタデータ） (2024-01-19T16:26:35Z)
• ECG-Based Patient Identification: A Comprehensive Evaluation Across Health and Activity Conditions [0.0]
  本稿では,心電図信号を用いた医療システムにおける患者識別のための新しいアプローチを提案する。 畳み込みニューラルネットワーク(CNN)は、心電図信号から派生した特定のタイプの画像である心電図に基づいてユーザを分類するために使用される。 提案した同定システムは複数のデータベースで評価され、健常者では99.84%、循環器疾患では97.09%、健常者および不整脈患者では97.89%である。
  論文  参考訳（メタデータ） (2023-02-13T17:14:55Z)
• Predicting Patient Readmission Risk from Medical Text via Knowledge Graph Enhanced Multiview Graph Convolution [67.72545656557858]
  本稿では,電子健康記録の医用テキストを予測に用いる新しい手法を提案する。 外部知識グラフによって強化された多視点グラフを有する患者の退院サマリーを表現している。 実験により,本手法の有効性が証明され,最先端の性能が得られた。
  論文  参考訳（メタデータ） (2021-12-19T01:45:57Z)
• SANSformers: Self-Supervised Forecasting in Electronic Health Records with Attention-Free Models [48.07469930813923]
  本研究は,医療施設への患者訪問数を予測することにより,医療サービスの需要を予測することを目的とする。 SNSformerは、特定の帰納バイアスを設計し、EHRデータの特異な特徴を考慮に入れた、注意のない逐次モデルである。 本研究は, 各種患者集団を対象とした医療利用予測の修正における, 注意力のないモデルと自己指導型事前訓練の有望な可能性について考察した。
  論文  参考訳（メタデータ） (2021-08-31T08:23:56Z)
• Early Mobility Recognition for Intensive Care Unit Patients Using Accelerometers [3.772793938066986]
  Intensive Care Unit (ICU) 患者に対するヒト活動認識, 早期移動認識の医療応用を提案する。 我々のシステムには、ICU患者からの加速度計に基づくデータ収集と、患者の早期モビリティを認識するAIモデルが含まれている。 その結果,モデル精度は77.78%から81.86%に向上し,モデル不安定性(標準偏差)は16.69%から6.92%に低下した。
  論文  参考訳（メタデータ） (2021-06-28T22:59:31Z)
• The Medkit-Learn(ing) Environment: Medical Decision Modelling through Simulation [81.72197368690031]
  医用シーケンシャルな意思決定に特化して設計された新しいベンチマークスイートを提案する。 Medkit-Learn(ing) Environmentは、高忠実度合成医療データに簡単かつ簡単にアクセスできるPythonパッケージである。
  論文  参考訳（メタデータ） (2021-06-08T10:38:09Z)
• UNITE: Uncertainty-based Health Risk Prediction Leveraging Multi-sourced Data [81.00385374948125]
  我々はUNcertaInTyベースのhEalth Risk Prediction(UNITE)モデルを提案する。 UNITEは、複数ソースの健康データを活用した正確な疾患リスク予測と不確実性推定を提供する。 非アルコール性脂肪肝疾患(NASH)とアルツハイマー病(AD)の実態予測タスクにおけるUNITEの評価を行った。 UNITEはAD検出のF1スコアで最大0.841点、NASH検出のPR-AUCで最大0.609点を達成し、最高のベースラインで最大19%の高パフォーマンスを達成している。
  論文  参考訳（メタデータ） (2020-10-22T02:28:11Z)
• Physical Exercise Recommendation and Success Prediction Using Interconnected Recurrent Neural Networks [7.043531451435605]
  個別の成功率も予測するエクササイズレコメンデーションシステムを提案する。 2つの相互接続型リカレントニューラルネットワーク(RNN)で構成されるこのシステムは、トレーニング履歴を使用して、各個人に対して次のワークアウトアクティビティを推奨する。
  論文  参考訳（メタデータ） (2020-10-01T15:22:59Z)
• Power Constrained Bandits [46.44025793243983]
  既存のアルゴリズムを改良する汎用メタアルゴリズムを開発した。 我々のメタアルゴリズムは、統計的研究に現れる可能性のある様々なモデルの誤特定に対して堅牢である。
  論文  参考訳（メタデータ） (2020-04-13T23:08:52Z)

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。