論文の概要: Analyzing and Optimizing the Distribution of Blood Lead Level Testing for Children in New York City: A Data-Driven Approach

• arxiv url: http://arxiv.org/abs/2511.18265v1
• Date: Sun, 23 Nov 2025 03:27:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-25 18:34:24.732906
• Title: Analyzing and Optimizing the Distribution of Blood Lead Level Testing for Children in New York City: A Data-Driven Approach
• Title（参考訳）: ニューヨーク市における小児の血中鉛濃度検査の分布分析と最適化 : データ駆動的アプローチ
• Authors: Mohamed Afane, Juntao Chen,
• Abstract要約: 本研究は,2005年から2021年までのニューヨーク市の42地区で6歳未満の小児の血中鉛濃度(BLL)を測定した。 市全体でのBLL率の低下にもかかわらず、地区レベルでの格差は持続し、公式報告書には触れられていない。
• 参考スコア（独自算出の注目度）: 5.586191108738563
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This study investigates blood lead level (BLL) rates and testing among children under six years of age across the 42 neighborhoods in New York City from 2005 to 2021. Despite a citywide general decline in BLL rates, disparities at the neighborhood level persist and are not addressed in the official reports, highlighting the need for this comprehensive analysis. In this paper, we analyze the current BLL testing distribution and cluster the neighborhoods using a k-medoids clustering algorithm. We propose an optimized approach that improves resource allocation efficiency by accounting for case incidences and neighborhood risk profiles using a grid search algorithm. Our findings demonstrate statistically significant improvements in case detection and enhanced fairness by focusing on under-served and high-risk groups. Additionally, we propose actionable recommendations to raise awareness among parents, including outreach at local daycare centers and kindergartens, among other venues.
• Abstract（参考訳）: 本研究は,2005年から2021年までのニューヨーク市の42地区で6歳未満の小児の血中鉛濃度(BLL)を調査した。 市全体でのBLL率の低下にもかかわらず、近隣レベルでの格差は持続し、公式報告書には触れられておらず、包括的な分析の必要性を強調している。 本稿では,現在のBLLテスト分布を分析し,k-medoidsクラスタリングアルゴリズムを用いて周辺地域をクラスタリングする。 グリッド探索アルゴリズムを用いて,事例発生率と周辺リスクプロファイルを考慮し,資源配分効率を向上させる最適化手法を提案する。 本研究は, 調査対象群とリスクの高い群に焦点をあてて, 症例検出と公正度の向上に統計的に有意な改善が認められた。 また,地域の保育所や幼稚園など,親の意識を高めるための行動可能なレコメンデーションを提案する。

関連論文リスト

• Can LLMs Help Allocate Public Health Resources? A Case Study on Childhood Lead Testing [6.53953934612787]
  プライオリティ・スコアは、未検査児の割合、血中鉛濃度の上昇、公衆衛生に関するパターンを統合している。 我々は,シカゴ,ニューヨーク,ワシントンD.C.の136地区における資源配分決定の最適化を支援するために,これらの割り当てタスクを活用している。 エージェント推論と深層研究能力を備えた大規模言語モデルが公衆衛生資源を効果的に配分できるかどうかを評価する。
  論文  参考訳（メタデータ） (2025-11-23T00:54:25Z)
• Who Pays the RENT? Implications of Spatial Inequality for Prediction-Based Allocation Policies [10.445957451908697]
  個人レベルのターゲティングに関する最近の研究は、矛盾する結果を示している。 あるモデルでは、ターゲティングは不平等が高いときに役に立たないが、あるモデルでは潜在的な利益を示す。 我々は,不平等の空間分布がドア・ドア・ドア・アウトリーチ政策の有効性にどのように影響するかを理解するために,Mallowsモデルに基づくスタイリングフレームワークを開発する。
  論文  参考訳（メタデータ） (2025-08-12T02:16:50Z)
• Unsupervised Clustering Approaches for Autism Screening: Achieving 95.31% Accuracy with a Gaussian Mixture Model [0.0]
  自閉症スペクトラム障害(ASD)は、効果的かつ迅速に診断する上で困難な状態である。 従来の診断方法はラベル付きデータの可用性を前提としています。 本稿では、4つの異なるクラスタリングアルゴリズムを用いて、ASDをスクリーニングした704人の成人の公開データセットを解析する。
  論文  参考訳（メタデータ） (2025-02-20T18:12:59Z)
• Stability and Generalization for Distributed SGDA [70.97400503482353]
  分散SGDAのための安定性に基づく一般化分析フレームワークを提案する。 我々は, 安定性の誤差, 一般化ギャップ, 人口リスクの包括的分析を行う。 理論的結果から,一般化ギャップと最適化誤差のトレードオフが明らかになった。
  論文  参考訳（メタデータ） (2024-11-14T11:16:32Z)
• Toward Improving Predictive Risk Modelling for New Zealand's Child Welfare System Using Clustering Methods [0.0]
  本研究の目的は,児童虐待の予測リスクモデル開発における早期段階として,クラスタリングの度合いを明らかにすることである。 以上の結果から, ある年齢の子供に対して, 誤差率のさらなる制御とモデル精度の向上のために, 個別のモデルを開発する必要がある可能性が示唆された。
  論文  参考訳（メタデータ） (2023-08-08T05:46:03Z)
• Examining risks of racial biases in NLP tools for child protective services [78.81107364902958]
  児童保護サービス(CPS)に焦点をあてる。 この設定で確立された人種的偏見を考えると、NLPの展開は人種格差を増大させる可能性がある。 我々は、NERモデルにおける一貫したアルゴリズムの不公平性、コア参照解決モデルにおけるアルゴリズムの不公平性、およびリスク予測における人種バイアスの悪化の証拠を文書化している。
  論文  参考訳（メタデータ） (2023-05-30T21:00:47Z)
• Multi-Objective Allocation of COVID-19 Testing Centers: Improving Coverage and Equity in Access [2.7910505923792646]
  新型コロナウイルスは4200万人以上に感染し、全米で67万3000人以上が死亡している。 公衆衛生当局は、感染のホットスポットを特定するための診断検査の結果を監視した。 テストサイトアロケーションの現在のスキームのほとんどは、経験や利便性に基づいています。
  論文  参考訳（メタデータ） (2021-09-21T03:53:14Z)
• C-Watcher: A Framework for Early Detection of High-Risk Neighborhoods Ahead of COVID-19 Outbreak [54.39837683016444]
  C-Watcherは、新型コロナウイルスの感染拡大に先立ち、対象都市のすべての地区を検査し、感染リスクを予測することを目指している。 C-WatcherはBaidu Mapsから大規模な人体移動データを収集し、都市移動パターンに基づいた一連の特徴を用いて市内のすべての住宅地区を特徴付ける。 新型コロナウイルスの感染拡大の初期段階における実データ記録を用いたC-Watcherの広範な実験を行った。
  論文  参考訳（メタデータ） (2020-12-22T17:02:54Z)
• Learning Calibrated Uncertainties for Domain Shift: A Distributionally Robust Learning Approach [150.8920602230832]
  ドメインシフトの下で校正された不確実性を学習するためのフレームワークを提案する。 特に、密度比推定は、ターゲット(テスト)サンプルの近さをソース(トレーニング)分布に反映する。 提案手法は下流タスクに有利な校正不確実性を生成する。
  論文  参考訳（メタデータ） (2020-10-08T02:10:54Z)
• Predictive Modeling of ICU Healthcare-Associated Infections from Imbalanced Data. Using Ensembles and a Clustering-Based Undersampling Approach [55.41644538483948]
  本研究は,集中治療室における危険因子の同定と医療関連感染症の予測に焦点をあてる。 感染発生率の低減に向けた意思決定を支援することを目的とする。
  論文  参考訳（メタデータ） (2020-05-07T16:13:12Z)

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。