個別化睡眠品質介入のための説明可能な機械学習と混合整数最適化の統合

アナウンスタイプ: 新規 要旨: 睡眠の質は、行動的要因・環境要因・心理社会的要因の複雑な相互作用に左右されるが、多くの計算研究は予測的リスク識別に主眼を置き、実践的な介入設計にはあまり結びついていない。 機械学習モデルは主観的な睡眠結果を正確に予測できる一方で、予測的洞察を実践的な介入戦略に翻訳することはまれである。 このギャップを埋めるため、解釈可能な機械学習と混合整数最適化を統合した個別化された予測・処方フレームワークを提案する。 アンケートデータを用いて訓練した教師あり分類器が睡眠の質を予測し、SHAPに基づく特徴寄与度は、変更可能な要因の影響を定量化する。 これらの重要度指標は、最小限かつ実現可能な行動調整を特定する混合整数最適化モデルに組み込まれ、ペナルティ機構を通じて変化に対する抵抗をモデル化する。 このフレームワークは高い予測性能を達成し、テストデータでのF1スコアは0.9544、精度は0.9366である。 感度分析とパレート分析は、期待される改善と介入強度の間に明確なトレードオフがあることを示し、追加の変更が導入されるにつれて投入効果が逓減する。 個別レベルでは、モデルは簡潔な推奨を生成し、しばしば1つか2つの高影響な行動変更を提案することがあり、期待される効果がごく小さい場合には変更を行わないことを推奨することもある。 予測、説明、制約付き最適化を統合することにより、このフレームワークはデータ駆動の洞察を、睡眠の改善のための構造化されパーソナライズされた意思決定支援へ翻訳できることを示している。 返却形式: {"translated": "翻訳されたHTML"}