面向社区医疗的数据收集勤勉度度量
机器学习
2021-04-08 v5 人工智能
计算机与社会
摘要
数据分析在资源匮乏社区提供针对性受益方面具有巨大潜力,然而高质量公共卫生数据的可用性在发展中国家是一项重大挑战,主要源于社区健康工作者(CHW)非勤勉的数据收集。在这项工作中,我们定义并检验了一种数据收集勤勉度评分。这一具有挑战性的无标签数据问题通过依托领域专家的指导来设计原始数据的有用表示得以处理,利用该表示我们设计了一个简单自然的评分。该评分的一个重要方面是对 CHW 的相对评分,其隐式地考虑了当地区域的背景。数据还被聚类,对这些聚类的解释提供了对每个数据收集者过往行为的自然说明。我们进一步预测未来时间步的勤勉度评分。我们的框架已通过在印度合作 NGO 实地监测员的观察进行了实地验证。除成功的实地测试外,我们的工作正处于印度拉贾斯坦邦部署的最后阶段。
引用
@article{arxiv.2011.02962,
title = {Measuring Data Collection Diligence for Community Healthcare},
author = {Ramesha Karunasena and Mohammad Sarparajul Ambiya and Arunesh Sinha and Ruchit Nagar and Saachi Dalal and Divy Thakkar and Dhyanesh Narayanan and Milind Tambe},
journal= {arXiv preprint arXiv:2011.02962},
year = {2021}
}