开发一个全国性的英国退伍军人寻求从行业慈善机构寻求帮助的注册 - - 一种机器学习方法来分层

科学领域:

• 公共卫生 公共卫生
• 数据科学数据科学数据科学
• 退伍军人事务 退伍军人事务

背景情况:

• 英国退伍军人得到国家卫生服务和1800多个慈善机构的支持.
• 由于各种定义和报告,当前的服务使用数据是分散的,阻止了国家注册.
• "需求聚合研究地图" (MONARCH) 研究解决了这一差距.

研究的目的:

• 建立军事慈善部门服务使用数据的标准化注册表.
• 匿名化和汇总退伍军人服务数据进行全面分析.
• 识别退伍军人服务利用中的模式和子组.

主要方法:

• 使用安全哈希算法进行匿名化,以生成独特的标识符.
• 数据的自动标准化和链接,以创建一个汇总的数据集.
• 应用先验和机器学习 (k-means集群) 方法来描述人口.

主要成果:

• 数据集包括42,509名退伍军人和128,423个需求,平均年龄为60.1岁 (90%男性).
• 社会福利占据了65%的记录需求; 65%的退伍军人获得了福利,5%的无家可归者,1%的囚犯.
• K-means集群识别了与先验知识相一致的4个子组,表明使用的一致的服务,其中有一些变化.

结论:

• MONARCH数据集是目前可用的最全面的英国退伍军人慈善机构使用数据.
• 年轻的非军官退伍军人可能面临更高的复杂需求风险.
• 这些见解可以为面临风险的退伍军人群体的资源分配和预防策略提供信息.