PulseAugur
实时 10:00:16
English(EN) Optimizing Digital Therapeutic Interventions: Online Learning under Endogenous Adherence

新的DT框架模拟患者依从性以改善治疗

研究人员开发了一个新的数字疗法(DTs)框架,该框架考虑了患者依从性如何影响未来的治疗参与度。该模型使用线性动力学系统来捕捉推荐和依从性效应,弥补了当前DT决策支持系统的不足。提出了一种基于乐观主义的算法UCB-BOLD,并证明与现有基准相比,该算法在条件在险价值遗憾方面取得了显著降低。 AI

影响 这项研究可能通过基于预测的患者依从性来个性化治疗推荐,从而带来更有效的数字健康工具。

排序理由 该集群包含一篇学术论文,详细介绍了特定应用的新方法和算法。[lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的DT框架模拟患者依从性以改善治疗

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Eric Pulick, Stephanie Carpenter, Matthew Buman, Yonatan Mintz ·

    优化数字疗法干预:内生依从性下的在线学习

    arXiv:2605.24261v1 Announce Type: new Abstract: A critical challenge facing clinicians managing chronic disease interventions is sustaining long-run patient health given limited information and resources. Digital therapeutics (DTs) provide a cost-effective way to manage intervent…