优化埃塞俄比亚的卫生覆盖：学习增强方法与在线预算下的持久比例性
人工智能
2025-09-03 v1
摘要
作为符合联合国可持续发展目标 3 关于全民健康覆盖的全国努力的一部分，埃塞俄比亚卫生部正在加强卫生站以扩大基本医疗服务的覆盖面。然而，由于预算有限和其他竞争性优先事项，每年仅能实施该卫生系统强化工作的一小部分，因此需要一个优化框架来指导埃塞俄比亚各地区的优先级排序。在本文中，我们开发了一种工具——卫生访问资源规划器，它基于一个有原则的决策支持优化框架，用于序列化设施规划，旨在预算不确定性下最大化人口覆盖，同时在每个时间步满足特定地区的比例性目标。随后，我们提出了两种算法：一种学习增强方法，在任意单步上改进专家建议；以及一种用于多步规划的贪心算法，两者均具有强最坏情况近似估计。通过与埃塞俄比亚公共卫生研究所和卫生部合作，我们在三个地区的各种规划场景中展示了我们方法的经验有效性。
引用
@article{arxiv.2509.00135,
title = {Optimizing Health Coverage in Ethiopia: A Learning-augmented Approach and Persistent Proportionality Under an Online Budget},
author = {Davin Choo and Yohai Trabelsi and Fentabil Getnet and Samson Warkaye Lamma and Wondesen Nigatu and Kasahun Sime and Lisa Matay and Milind Tambe and Stéphane Verguet},
journal= {arXiv preprint arXiv:2509.00135},
year = {2025}
}