May, 2023

运用优化模型规划低收入和中等收入国家糖尿病护理的社区方法

PDF
TL;DR应用优化框架来确定个性化的社区卫生工作者访问计划，以在社区水平上最大程度地实现血糖控制，通过对印度城市贫困社区操作数据的广泛模拟实验，我们发现，与最佳的朴素策略相比，我们的框架需要的容量最多少了 73.4％，而其解决方案算法可以通过使用相同的卫生工作者容量，将朴素策略改进多达 124.5％。
diabetescommunity health workerglycemic controltreatmentresource allocation
发现论文，激发创造
  • 基于数据的预防保健分配及对 2 型糖尿病的应用

    利用逆向推理、机器学习和优化技术，我们开发了一个数据驱动的决策模型，用于决定对处于风险中的患者进行成本效益高的预防治疗的分配，从而实现了疾病的有效防治，并在美国人口中应用可以实现每年 11 亿美元的节省。

    Aug, 2023

  • 家庭医疗护理人员分配的决策支持框架：田纳西州家庭医疗护理机构的案例研究

    通过考虑到访顺序的灵活性，优化照护人员分配，以减少旅行里程、增加每个计划周期的访问次数并保持持续的护理连贯性来提高患者满意度。

    Nov, 2023

  • 设计以用户为中心的行为干预方案，用新颖的对照解释预防血糖异常

    GlyCoach 是一个为血糖控制生成反事实解释的框架，通过对健康数据进行对抗学习来生成行动干预措施，根据用户偏好的先前知识。通过使用两个真实世界数据集和外部模拟器进行广泛评估，GlyCoach 在模拟辅助验证中实现了 87％的敏感性，在生成反事实解释方面超过了现有技术至少 10％，且具有 32％改进的归一化距离。

    Oct, 2023

  • 探索结构学习算法在识别糖尿病患者干预风险因素中的有效性

    糖尿病的结构学习算法和因果路径的研究，通过转化输出图为因果贝叶斯网络，从一个多样的结构学习算法集合中获得独特的糖尿病因果模型，为医疗专业人员提供对相关风险因素与假设干预效果之间的交互作用的全面理解，以制定高效的干预和风险管理策略。

    Mar, 2024

  • 优化人工胰腺设计以改善糖尿病管理

    这项研究使用神经进化算法和数据预测方法，通过训练预测未来血糖水平的模型，并找到了优化糖尿病治疗策略的 Pareto 前沿，从而改善了患者的生活质量，并开发了一个语言界面以便更广泛地推广应用。

    Feb, 2024

  • 基于机器学习的智能医疗框架 HealthEdge: 面向一体化 IoT、Edge 和 Cloud 计算系统中 2 型糖尿病预测的应用

    该论文提出了一种基于智能健康护理系统的、用于预测 2 型糖尿病的机器学习模型 HealthEdge，并使用真实数据集进行了两种机器学习算法（随机森林和逻辑回归）之间的比较分析，结果表明 RF 预测糖尿病的准确率比 LR 平均高 6％。

    Jan, 2023

  • 移动行为减重干预个性化金融激励自适应优化方法

    本篇研究论文考虑如何设计个性化的减肥干预措施，使用直接财务激励措施促进体重减轻但保持预算不超支，针对这一挑战，我们创建了一种机器学习方法，能够预测个体对不同激励计划的反应，并将该预测模型用于自适应框架中，以计算在干预期间向参与者提供哪些激励，并保持研究预算。

    Jul, 2023

  • 个性化行为健康干预的政策优化

    本文提出了一种名为 DecompPI 的新算法，用于优化基于行为干预的个性化健康干预计划，以实现卓越的长期健康成果；我们发现，该算法不仅具有一定的理论保证，而且在现实应用中也能够显著地减少干预成本。

    Mar, 2023

  • 基于机器学习的医院再入院健康差异预测、诊断和缓解模型

    研究探讨了使用机器学习方法提前预测糖尿病患者住院需求的重要性，同时阐述了在数据收集和模型预测中消除社会相关的数据偏差的必要性。该研究提出了一种机器学习流程，能够检测并缓解数据和模型预测中的偏差，从而获得更加公正的预测结果。实验证明，及时消除数据收集过程中的偏差可以得到更加公平的预测结果。

    Jun, 2022

  • ADVISER: 基于人工智能的疫苗接种干预优化器，旨在提高尼日利亚的疫苗接种率

    我们与尼日利亚的 HelpMum 合作，研发和优化各种卫生干预措施的分配，以增加疫苗接种率，并将其用于一个基于整数线性规划的框架 ADVISER 中，它旨在最大化成功接种的累积概率。我们提出的启发式方法在实验评估中优于基准方法，为 Nigeria 提高健康状况的数据驱动计划开辟了道路。

    Apr, 2022