Software fra NCSU, A&T har til formål at hjælpe bedre med at håndtere psykiske udfordringer
Udgivelsesdato:RALEIGH – Forskere fra North Carolina State University og North Carolina A&T University har udviklet et prototype-softwaresystem, der har til formål at hjælpe politikere og sundhedsudbydere med bedre at håndtere mentale sundhedsudfordringer, som latinamerikanske befolkninger i hele USA står over for.
Det nye beslutningsstøttesystem består af to beregningsmoduler, der kan hjælpe brugerne med at bestemme, hvordan de bedst kan forberede sig på fremtiden og identificere de bedste handlingsmuligheder for at afhjælpe psykiske udfordringer. Systemet er udviklet som en del af Ring til Code Spot Challenge: Mental Health in a Time of Crisis, som var arrangeret af IBM, i samarbejde med Anthem Inc., Beacon Health Options, XPRIZE og den NC-statsbaserede EMPOWER Samarbejde.
Deltagerne i udfordringen omfattede mere end 100 studerende fra 12 universiteter. Deltagerne udnyttede IBM-teknologier og et netværk af mere end 35 mentorer til at bygge løsninger til støtte for mental sundhed i en krisetid.
"Psykiske sundhedsudfordringer, som allerede var skræmmende, er blevet forværret af COVID-19-pandemien," siger Tanzid Hasnain, en Ph.D. studerende ved NC State og medlem af teamet, der udviklede systemet. "Vi ønskede at hjælpe dem, hvis mentale helbred er blevet hårdest ramt af COVID. Og CDC data tyder på at latinamerikanske befolkninger er mere tilbøjelige end andre grupper til at rapportere symptomer på angst og depression."
Hele beslutningsstøttesystemet blev udviklet i løbet af kun to uger ved hjælp af open source-data og programmeringsværktøjer. Systemet har to komponenter: et prædiktivt værktøj og et præskriptivt værktøj baseret på det, der kaldes Markov Decision Process (MDP).
Det forudsigelige værktøj er en model, der bruger data på statsniveau fra flere kilder til at forudsige procentdelen af den spansktalende befolkning, der kan have symptomer på angst og depression i den følgende uge. Konkret bruger det forudsigelige værktøj data om arbejdsløshedskrav, forsikringsdækning, antallet af COVID-tilfælde og antallet af COVID-dødsfald.
"Det forudsigelige værktøj er nyttigt, fordi det ideelt set giver nonprofitorganisationer, sundhedsudbydere og politiske beslutningstagere forhåndsmeddelelse om, hvordan mentale sundhedskrav sandsynligvis vil se ud om en uge - hvilket giver dem mulighed for at forberede sig," siger Rahman Khorramfar, en Ph. .D. studerende ved NC State og en del af udviklingsteamet.
MDP er på den anden side et matematisk værktøj, der hjælper brugere med at bestemme, hvilken fremgangsmåde der vil være mest effektiv til at reducere antallet af mennesker, der oplever symptomer på angst og depression. Med andre ord kan det hjælpe brugerne med at finde ud af, hvordan de får den største mentale sundhedsfordel ud af deres tilgængelige ressourcer og mulige handlinger.
"MDP er meget mere fleksibelt end det forudsigelige værktøj," siger Kehinde Odubela, en Ph.D. studerende ved NC A&T, som også er en del af systemudviklingsteamet. “For eksempel kan det bruges til at afgøre, hvilke handlinger der ville have størst fordel på en by-for-by-basis. Men MDP skal også tilpasses, baseret på hvilke muligheder enhver organisation overvejer for at løse mentale sundhedsudfordringer i en specifik stat eller samfund."
I sidste ende ønsker udviklingsteamet at præsentere hele beslutningsstøttesystemet i en brugervenlig softwarepakke.
Når det er sagt, har holdet også en række justeringer, de gerne vil foretage i beslutningsstøttesystemet – de udviklede trods alt prototypen på mindre end en måned.
"En af de forbedringer, vi gerne vil lave med det prædiktive modelleringsværktøj, involverer automatisering af dataindsamling," siger Sarah McConnell, en del af systemudviklingsteamet og en undergraduate ved NC State. "Ideelt set vil vi gerne have, at beslutningsstøttesystemet opdateres ugentligt efter udgivelsen af ny relevant information fra vores online datakilder."
"Vi vil også gerne gøre det forudsigelige værktøj mere robust ved at introducere yderligere faktorer, såsom socioøkonomiske variabler," siger Nasrin Alizadeh, medlem af teamet og ph.d. studerende ved NC State. "I øjeblikket overvejer vi variabler, der ændrer sig i løbet af vores foreslåede tidslinje. Der er dog faktorer, såsom uddannelsesniveau, som måske ikke ændrer sig i disse perioder, men vi mener, at de spiller en rolle.”
Forskerne ønsker også at afgøre, hvad de kan gøre for at bevare det forudsigelige værktøjs anvendelighed, når COVID-19 bliver mindre af en medvirkende faktor til mentale sundhedsproblemer.
Endelig mener forskerne, at de kan forbedre MDP ved at give brugerne mulighed for nemt at tilslutte data om virkelige resultater tilbage i modellen.
Alle medlemmer af NC State-teamet er studerende i universitetets Edward P. Fitts Department of Industrial and Systems Engineering. Odubela er studerende i NC A&T's afdeling for industri- og systemteknik.
Beslutningsstøttesystemet var vindende bidrag i Call for Code Spot Challenge: Mental Health in a Time of Crisis. Holdet får mulighed for at pitche deres løsning til ledere fra IBM og Anthem Digital. Video af udviklingsholdets deltagelse i konkurrencen kan ses på https://youtu.be/ZjTm5eEtTbY.
(C) NCSU
Original artikelkilde: WRAL TechWire