NCSU, A&T:n ohjelmistot pyrkivät vastaamaan paremmin mielenterveyshaasteisiin
Julkaisupäivä:RALEIGH – North Carolina State Universityn ja North Carolina A&T Universityn tutkijat ovat kehittäneet prototyyppiohjelmistojärjestelmän, jonka tarkoituksena on auttaa päättäjiä ja terveydenhuollon tarjoajia vastaamaan paremmin espanjalaisväestön kohtaamiin mielenterveyshaasteisiin kaikkialla Yhdysvalloissa.
Uusi päätöksenteon tukijärjestelmä koostuu kahdesta laskennallisesta moduulista, jotka voivat auttaa käyttäjiä määrittämään, miten parhaiten varautua tulevaisuuteen ja tunnistaa parhaat toimintatavat mielenterveyshaasteiden lievittämiseksi. Järjestelmä on kehitetty osana Kutsu Code Spot Challenge: Mielenterveys kriisin aikana, jonka järjesti IBM, yhteistyössä Anthem Inc:n, Beacon Health Optionsin, XPRIZEn ja NC-valtion kanssa EMPOWER Yhteistyö.
Haasteeseen osallistui yli 100 opiskelijaa 12 yliopistosta. Osallistujat hyödynsivät IBM:n teknologioita ja yli 35 mentorin verkostoa rakentaakseen ratkaisuja mielenterveyden tukemiseksi kriisin aikana.
"COVID-19-pandemia on pahentanut mielenterveyshaasteita, jotka olivat jo ennestään pelottavia", sanoo tohtori Tanzid Hasnain. opiskelija NC Statessa ja järjestelmän kehittäneen tiimin jäsen. ”Halusimme auttaa niitä, joiden mielenterveyteen COVID on vaikuttanut eniten. Ja CDC:n tiedot ehdottavat että latinalaisamerikkalaiset väestöt raportoivat muita ryhmiä todennäköisemmin ahdistuksen ja masennuksen oireista."
Koko päätöksenteon tukijärjestelmä kehitettiin vain kahden viikon aikana avoimen lähdekoodin datan ja ohjelmointityökalujen avulla. Järjestelmässä on kaksi osaa: ennakoiva työkalu ja preskriptiivinen työkalu, joka perustuu niin kutsuttuun Markovin päätösprosessiin (MDP).
Ennustetyökalu on malli, joka käyttää useista lähteistä saatuja osavaltiotason tietoja ennustamaan, kuinka monta prosenttia latinalaisamerikkalaisesta väestöstä saattaa esiintyä ahdistuneisuuden ja masennuksen oireita seuraavan viikon aikana. Tarkemmin sanottuna ennustetyökalu käyttää tietoja työttömyyskorvauksista, vakuutusturvasta, COVID-tapausten määrästä ja COVID-kuolemien määrästä.
"Ennustava työkalu on hyödyllinen, koska ihannetapauksessa se antaa voittoa tavoittelemattomille organisaatioille, terveydenhuollon tarjoajille ja poliittisille päättäjille ennakkoilmoituksen siitä, miltä mielenterveysvaatimukset näyttävät todennäköisesti viikon kuluttua – mikä antaa heille mahdollisuuden valmistautua", sanoo tohtori Rahman Khorramfar. .D. opiskelija NC Statessa ja osa kehitystiimiä.
MDP puolestaan on matemaattinen työkalu, joka auttaa käyttäjiä määrittämään, mikä toimintatapa on tehokkain vähentämään ahdistuneisuuden ja masennuksen oireita kokevien ihmisten määrää. Toisin sanoen se voi auttaa käyttäjiä selvittämään, kuinka saada suurin mielenterveyshyöty irti käytettävissä olevista resursseista ja mahdollisista toimista.
"MDP on paljon joustavampi kuin ennakoiva työkalu", sanoo Kehinde Odubela, Ph.D. NC A&T:n opiskelija, joka on myös osa järjestelmän kehitystiimiä. ”Sillä voidaan esimerkiksi määrittää, mitkä toiminnot hyötyisivät eniten kaupunkikohtaisesti. MDP:tä on kuitenkin myös räätälöitävä sen mukaan, mitä vaihtoehtoja mikä tahansa organisaatio harkitsee käsitelläkseen tietyn valtion tai yhteisön mielenterveyshaasteita.
Viime kädessä kehitystiimi haluaa esitellä koko päätöksenteon tukijärjestelmän käyttäjäystävällisessä ohjelmistopaketissa.
Tiimillä on kuitenkin myös useita muutoksia, joita he haluaisivat tehdä päätöksenteon tukijärjestelmään – loppujen lopuksi he kehittivät prototyypin alle kuukaudessa.
"Yksi parannuksista, joita haluaisimme tehdä ennustavalla mallinnustyökalulla, on tiedonkeruun automatisointi", sanoo Sarah McConnell, osa järjestelmän kehitystiimiä ja opiskelija NC Statesta. "Ihannetapauksessa haluaisimme, että päätöstukijärjestelmä päivittyy viikoittain, kun verkkotietolähteistämme julkaistaan uutta asiaankuuluvaa tietoa."
"Haluaisimme myös tehdä ennustetyökalusta tehokkaamman ottamalla käyttöön lisätekijöitä, kuten sosioekonomisia muuttujia", sanoo Nasrin Alizadeh, tiimin jäsen ja tohtori. opiskelija NC Statessa. ”Tällä hetkellä otamme huomioon muuttujat, jotka muuttuvat ehdottamamme aikajanalla. On kuitenkin tekijöitä, kuten koulutustaso, jotka eivät välttämättä muutu näinä ajanjaksoina, mutta uskomme niillä olevan merkitystä."
Tutkijat haluavat myös selvittää, mitä he voivat tehdä säilyttääkseen ennustustyökalun hyödyllisyyden, kun COVID-19:stä tulee vähemmän mielenterveysongelmia edistävä tekijä.
Lopuksi tutkijat uskovat voivansa parantaa MDP:tä antamalla käyttäjien helposti liittää tietoja reaalimaailman tuloksista takaisin malliin.
Kaikki NC State -tiimin jäsenet ovat yliopiston Edward P. Fitts Industrial and Systems Engineeringin laitoksen opiskelijoita. Odubela on opiskelija NC A&T:n teollisuus- ja järjestelmätekniikan laitoksella.
Päätöksen tukijärjestelmä oli voittava pääsy Call for Code Spot Challenge: Mielenterveys kriisin aikana. Tiimillä on mahdollisuus esitellä ratkaisuaan IBM:n ja Anthem Digitalin johtajille. Video kehitystiimin osallistumisesta kilpailuun on katsottavissa osoitteessa https://youtu.be/ZjTm5eEtTbY.
(C) NCSU
Alkuperäinen artikkelin lähde: WRAL TechWire