論文の概要: Beyond Listenership: AI-Predicted Interventions Drive Improvements in Maternal Health Behaviours
- arxiv url: http://arxiv.org/abs/2507.20755v1
- Date: Mon, 28 Jul 2025 12:06:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-29 16:23:58.105764
- Title: Beyond Listenership: AI-Predicted Interventions Drive Improvements in Maternal Health Behaviours
- Title（参考訳）: リスナーシップを超えて - 母親の健康行動におけるAI予測の介入駆動の改善
- Authors: Arpan Dasgupta, Sarvesh Gharat, Neha Madhiwalla, Aparna Hegde, Milind Tambe, Aparna Taneja,
- Abstract要約: 聴取能力を高めるAIスケジューリング介入が、受益者の健康行動に統計的に有意な改善をもたらすことを示す。
このことは、AIが母子健康に有意義な改善をもたらす可能性を浮き彫りにしている。
- 参考スコア（独自算出の注目度）: 25.41190587873217
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Automated voice calls with health information are a proven method for disseminating maternal and child health information among beneficiaries and are deployed in several programs around the world. However, these programs often suffer from beneficiary dropoffs and poor engagement. In previous work, through real-world trials, we showed that an AI model, specifically a restless bandit model, could identify beneficiaries who would benefit most from live service call interventions, preventing dropoffs and boosting engagement. However, one key question has remained open so far: does such improved listenership via AI-targeted interventions translate into beneficiaries' improved knowledge and health behaviors? We present a first study that shows not only listenership improvements due to AI interventions, but also simultaneously links these improvements to health behavior changes. Specifically, we demonstrate that AI-scheduled interventions, which enhance listenership, lead to statistically significant improvements in beneficiaries' health behaviors such as taking iron or calcium supplements in the postnatal period, as well as understanding of critical health topics during pregnancy and infancy. This underscores the potential of AI to drive meaningful improvements in maternal and child health.
- Abstract（参考訳）: 健康情報を用いた自動音声通話は、受益者間で母子保健情報を拡散する実証された方法であり、世界中のいくつかのプログラムに展開されている。
しかし、これらのプログラムは受益者の降格や婚約不足に悩まされることが多い。
これまでの研究では、現実の試行を通じて、AIモデル、特にレストレスバンディットモデルが、ライブサービスコールの介入、ドロップオフの防止、エンゲージメントの促進から最も恩恵を受ける受益者を特定することができることを示した。
AIがターゲットとする介入を通じて、そのような改善されたリスナーシップは、受益者の知識と健康行動の改善に変換されるのか?
我々は、AI介入による聴取能力の向上だけでなく、これらの改善と健康行動の変化を同時に関連付ける最初の研究を示す。
具体的には, 乳児期における鉄やカルシウムサプリメントの服用や, 妊娠および乳児期における重要な健康トピックの理解など, 受聴者の健康行動に統計的に有意な改善をもたらすことが示される。
このことは、AIが母子健康に有意義な改善をもたらす可能性を浮き彫りにしている。
関連論文リスト
- Learning to Call: A Field Trial of a Collaborative Bandit Algorithm for Improved Message Delivery in Mobile Maternal Health [30.739508842975862]
インドのキルカリ・プログラムは、何百万人もの母親に毎週の音声通話を通じて重要な母体健康情報を提供している。
現在のランダムな呼び出しスケジューリングは、しばしばミスコールとメッセージ配信の削減をもたらす。
本研究では,母親の好みの通話時間を学習することで,通話タイミングの最適化を目的とした協調的帯域幅アルゴリズムのフィールドトライアルを提案する。
論文 参考訳（メタデータ） (2025-07-22T08:42:17Z) - IRL for Restless Multi-Armed Bandits with Applications in Maternal and Child Health [52.79219652923714]
本論文は,RMABに対する所望の報酬を学習するために,逆強化学習(IRL)を用いた最初の事例である。
本研究は,母子保健遠隔医療プログラムにおける改善された成果を示すものである。
論文 参考訳（メタデータ） (2024-12-11T15:28:04Z) - 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) - 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) - Leveraging Generative AI for Clinical Evidence Summarization Needs to Ensure Trustworthiness [47.51360338851017]
エビデンスベースの医療は、医療の意思決定と実践を最大限に活用することで、医療の質を向上させることを約束する。
様々な情報源から得ることができる医学的証拠の急速な成長は、明らかな情報の収集、評価、合成に挑戦する。
大規模言語モデルによって実証された、生成AIの最近の進歩は、困難な作業の促進を約束する。
論文 参考訳（メタデータ） (2023-11-19T03:29:45Z) - 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) - The Role of AI in Drug Discovery: Challenges, Opportunities, and
Strategies [97.5153823429076]
この分野でのAIのメリット、課題、欠点についてレビューする。
データ拡張、説明可能なAIの使用、従来の実験手法とAIの統合についても論じている。
論文 参考訳（メタデータ） (2022-12-08T23:23:39Z) - 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) - 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。