Got (Optimal) Milk? Pooling Donations in Human Milk Banks with Machine Learning and Optimization
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Problem definition: Human donor milk provides critical nutrition for millions of infants who are born preterm each year. Donor milk is collected, processed, and distributed by milk banks. The macronutrient content of donor milk is directly linked to infant brain development and can vary substantially across donations, which is why multiple donations are typically pooled together to create a final product. Approximately half of all milk banks in North America do not have the resources to measure the macronutrient content of donor milk, which means pooling is done heuristically. For these milk banks, an approach is needed to optimize pooling decisions. Methodology/results: We propose a data-driven framework combining machine learning and optimization to predict macronutrient content of donations and then optimally combine them in pools, respectively. In collaboration with our partner milk bank, we collect a data set of milk to train our predictive models. We rigorously simulate milk bank practices to fine-tune our optimization models and evaluate operational scenarios such as changes in donation habits during the COVID-19 pandemic. Finally, we conduct a year-long trial implementation, where we observe the current nurse-led pooling practices followed by our intervention. Pools created by our approach meet clinical macronutrient targets approximately 31% more often than the baseline, although taking 60% less recipe creation time. Managerial implications: This is the first paper in the broader blending literature that combines machine learning and optimization. We demonstrate that such pipelines are feasible to implement in a healthcare setting and can yield significant improvements over current practices. Our insights can guide practitioners in any application area seeking to implement machine learning and optimization-based decision support. History: This paper has been accepted as part of the 2023 Manufacturing & Service Operations Management Practice-Based Research Competition. Supplemental Material: The e-companion is available at https://doi.org/10.1287/msom.2022.0455 .
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle