論文の概要: A Dynamic Inventory Rationing Model for Last-Mile Delivery of Medication in Liberia's Community Health Program

• arxiv url: http://arxiv.org/abs/2610.32051v1
• Date: Fri, 23 Oct 2026 01:43:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 01:38:06.320344
• Title: A Dynamic Inventory Rationing Model for Last-Mile Delivery of Medication in Liberia's Community Health Program
• Title（参考訳）: リベリアの地域保健プログラムにおける医療の最終マイルデリバリーのための動的インベントリレーションモデル
• Abstract要約: リベリアの地域保健プログラムにおける軽度の薬剤の動的割り当てについて検討した。 中央の倉庫は医療施設と、それを監督する地域保健アシスタント(CHA)を供給している。 CHAが薬が切れると、患者は施設に紹介され、参照を完了して治療を受けないままにしておくと、旅行費がかかる。 CHAに在庫を割り当てることで、より多くの患者が旅行せずに治療を受けられる一方で、在庫は不確実な需要に対応する柔軟性を集中的に維持することができる。
• 参考スコア（独自算出の注目度）: 3.0879607436811884
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: We study the dynamic allocation of scarce medications in Liberia's community health program. A central warehouse supplies a health facility and the Community Health Assistants (CHAs) it supervises. When a CHA runs out of medication, patients are referred to the facility, incurring travel costs if they complete the referral and remain untreated otherwise. Allocating inventory to CHAs allows more patients to receive treatment without traveling, while retaining inventory centrally preserves flexibility to respond to uncertain demand. The allocation problem must balance these considerations while accounting for fairness across locations. We formulate this problem as a finite-horizon stochastic control problem whose objective combines the costs of referrals and untreated patients with a demand-weighted fairness utility. Because standard dynamic programming methods are computationally intractable in this setting, we develop a continuous-time approximation that involves controlling the drift rate of a reflected Brownian motion. We then adapt the deep splitting method, using deep neural networks to approximate the value function and its gradient and compute a dynamic allocation policy. We calibrate the model using data on malaria cases among children in the Fangonda region of Lofa County, Liberia, and evaluate the proposed policy in the original discrete-time model. In the baseline setting, our policy reduces operating costs by about 6% relative to the strongest benchmark, the fairness-only policy, while retaining approximately 98% of its fairness utility. Additional experiments show that higher referral costs shift inventory toward CHAs and reduce local unmet demand, while greater demand variability increases our policy's performance over the fairness-only benchmark. Our model and computational approach provide a framework for studying similar last-mile allocation problems.
• Abstract（参考訳）: リベリアの地域保健プログラムにおける軽度の薬剤の動的割り当てについて検討した。 中央の倉庫は医療施設と、それを監督する地域保健アシスタント(CHA)を供給している。 CHAが薬が切れると、患者は施設に紹介され、参照を完了して治療を受けないままにしておくと、旅行費がかかる。 CHAに在庫を割り当てることで、より多くの患者が旅行せずに治療を受けられる一方で、在庫は不確実な需要に対応する柔軟性を集中的に維持することができる。 割り当て問題は、場所をまたいで公平さを考慮しながら、これらの考慮をバランスさせなければならない。 我々は,この問題を,要求重み付きフェアネスユーティリティを用いて,参照と未治療患者のコストを組み合わせた有限水平確率制御問題として定式化する。 この環境では、標準的な動的プログラミング法は計算に難航するので、反射ブラウン運動のドリフト率を制御することを含む連続時間近似を開発する。 次に、深層ニューラルネットワークを用いて、値関数とその勾配を近似し、動的アロケーションポリシを計算する。 我々は,リベリアのロファ郡ファンゴンダ地区の小児のマラリア症例データを用いてモデルを校正し,当初の離散時間モデルで提案した方針を評価する。 基準設定では、最強のベンチマークであるフェアネスのみのポリシーと比較して運用コストが約6%削減され、フェアネスユーティリティの約98%が維持される。 さらなる実験により、レファレンシャルコストの上昇がCHAに向けて在庫をシフトし、局所的なアンメタル需要を減少させる一方、需要の変動はフェアネスのみのベンチマークよりも我々の政策のパフォーマンスを高めることが示されている。 我々のモデルと計算手法は、同様のラストマイル割り当て問題を研究するためのフレームワークを提供する。

関連論文リスト

• Authority-Preserving Evaluation of Medical Vision-Language Assistants [69.11739400975445]
  提案品質と選択された行動品質は、異なる評価対象である。 我々は、両方のアクションを記録するフレームワークAuthEvalを紹介し、宣言された局所的基準の下で選択されたアクションをスコアし、実行可能であれば、同じルールで辞退した提案をスコアする。
  論文  参考訳（メタデータ） (2026-09-14T19:17:23Z)
• Post-Training at the Edge of Detectability: A Game-Theoretic Approach to Fine-Tuning [58.088509347353465]
  強化学習(Reinforcement Learning, RL)は、言語モデルトレーニングにおいて広く使われている。 我々は,このトレードオフに明確な統計的解釈を与えるゲーム理論の枠組みを提案する。
  論文  参考訳（メタデータ） (2026-07-29T00:19:09Z)
• Self-Regulation and Requesting Interventions [63.5863047447313]
  介入要求のための"helper"ポリシーをトレーニングするオフラインフレームワークを提案する。 PRMによる最適介入タイミングを判定し,これらのラベル付き軌道上でヘルパーモデルを訓練する。 このオフラインアプローチは、トレーニング中のコストのかかる介入コールを大幅に削減する。
  論文  参考訳（メタデータ） (2025-02-07T00:06:17Z)
• Learning Optimal and Fair Policies for Online Allocation of Scarce Societal Resources from Data Collected in Deployment [4.659762505466962]
  当社は、予算制約を満たしつつ、期待される成果を最大化するオンラインポリシーを設計するために、デプロイメントで収集された管理データを使用します。 当社の政策は,ホームレスからの退去率を5.16%向上させ,人種ごとの配分や結果に公平な政策は,フェアネスの非常に低い価格で得られることを示す。
  論文  参考訳（メタデータ） (2023-11-23T01:40:41Z)
• Deep Reinforcement Learning for Efficient and Fair Allocation of Health Care Resources [47.57108369791273]
  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)
• Policy Optimization for Personalized Interventions in Behavioral Health [8.10897203067601]
  デジタルプラットフォームを通じて提供される行動的健康介入は、健康結果を大幅に改善する可能性がある。 患者に対するパーソナライズされた介入を最適化して長期的効果を最大化する問題について検討した。 患者システムの状態空間を個別のレベルに分解するDecompPIをダブする新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-03-21T21:42:03Z)
• Approximate Bayesian Computation for an Explicit-Duration Hidden Markov Model of COVID-19 Hospital Trajectories [55.786207368853084]
  新型コロナウイルス(COVID-19)のパンデミックの中、病院の資源をモデル化する問題に取り組んでいます。 幅広い適用性のために、関心のある領域の患者レベルデータが利用できない、一般的なが困難なシナリオに注目します。 本稿では,ACED-HMM(ACED-HMM)と呼ばれる集合数正規化隠れマルコフモデルを提案する。
  論文  参考訳（メタデータ） (2021-04-28T15:32:42Z)

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。