Naar eerlijkheid in machine-learningmodellen voor het voorspellen van therapietrouw en voortijdige stopzetting bij medicatie voor opioïdengebruiksstoornis

arXiv:2609.22113v1 — Aankondigingstype: nieuw. Samenvatting: Aanhoudend lage retentie- en afrondingspercentages bij medicatie voor opioïdengebruiksstoornis (MOUD) hebben geleid tot het gebruik van machine learning (ML)-modellen om retentie te voorspellen en patiënten te identificeren die risico lopen op voortijdige uitval. De eerlijkheid van deze modellen over verschillende patiëntenpopulaties blijft echter grotendeels ononderzocht, wat zorgen oproept over hun toepassing ter ondersteuning van behandelbeslissingen. Deze studie beoordeelt systematisch algoritmische eerlijkheid in ML.