Fugu-MT 論文翻訳(概要): Investigating Coordination of Hospital Departments in Delivering Healthcare for Acute Coronary Syndrome Patients using Data-Driven Network Analysis

論文の概要: Investigating Coordination of Hospital Departments in Delivering Healthcare for Acute Coronary Syndrome Patients using Data-Driven Network Analysis

arxiv url: http://arxiv.org/abs/2004.09290v1
Date: Wed, 15 Apr 2020 20:04:26 GMT
ステータス: 処理完了
システム内更新日: 2023-05-23 08:51:50.382477
Title: Investigating Coordination of Hospital Departments in Delivering Healthcare for Acute Coronary Syndrome Patients using Data-Driven Network Analysis
Title（参考訳）: データ駆動ネットワーク分析を用いた急性冠症候群患者の医療提供における病院部門連携の検討
Authors: Tesfamariam M Abuhay, Yemisrach G Getinet, Oleg G Metsker, Alexey N Yakovlev and Sergey V Kovalchuk
Abstract要約: 本稿では,データ駆動型静的ネットワークと時間的ネットワークについて述べる。両ネットワークは、24902急性冠症候群(ACS)患者の「7年間(2010-2016年)の経験的データを用いて、指示され、重み付けされ、構築されている。本研究は, 病院行政が, その意義, 戦略的位置, 診断・治療プロセスにおける役割に基づいて, 価値に基づく, 精度の高い医療を育成する上で, 効果的に連携を組織し, 管理する上で有効であると考えられる。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Healthcare systems are challenged to deliver high-quality and efficient care. Studying patient flow in a hospital is particularly fundamental as it demonstrates effectiveness and efficiency of a hospital. Since hospital is a collection of physically nearby services under one administration, its performance and outcome are shaped by the interaction of its discrete components. Coordination of processes at different levels of organizational structure of a hospital can be studied using network analysis. Hence, this article presents a data-driven static and temporal network of departments. Both networks are directed and weighted and constructed using seven years' (2010-2016) empirical data of 24902 Acute Coronary Syndrome (ACS) patients. The ties reflect an episode-based transfer of ACS patients from department to department in a hospital. The weight represents the number of patients transferred among departments. As a result, the underlying structure of a network of departments that deliver healthcare for ACS patients is described, the main departments and their role in the diagnosis and treatment process of ACS patients are identified, the role of departments over seven years is analyzed and communities of departments are discovered. The results of this study may help hospital administration to effectively organize and manage the coordination of departments based on their significance, strategic positioning and role in the diagnosis and treatment process which, in turn, nurtures value-based and precision healthcare.
Abstract（参考訳）: 医療システムは高品質で効率的な医療を提供することが課題である。病院における患者フローの研究は, 病院の有効性と効率性を示すため, 特に重要である。病院は1つの管理下で物理的に近接するサービスのコレクションであるため、その性能と成果は個々のコンポーネントの相互作用によって形成される。病院の組織構造の異なるレベルでのプロセスの調整は、ネットワーク分析を用いて研究できる。そこで本論文では,データ駆動型静的ネットワークと時間的ネットワークについて述べる。どちらのネットワークも指示され、重み付けされ、24902人の急性冠症候群(acs)患者の7年間(2010-2016)の経験データを用いて構築される。 ACS患者が病院の部署から部署へ転院するエピソードを反映している。体重は部署間で転院した患者数を表す。その結果、ACS患者に医療を提供する部門ネットワークの基盤構造について述べ、ACS患者の診断・治療過程における主要な部門とそれらの役割を特定し、7年以上にわたる部門の役割を分析し、各部門のコミュニティを明らかにする。本研究は, 病院行政が, その意義, 戦略的位置, 診断・治療プロセスにおける役割に基づいて, 価値ベース医療と精密医療を育成し, 効果的に連携し, 管理する上で有効であると考えられる。

関連論文リスト

Anatomy-guided Pathology Segmentation [56.883822515800205]
本研究では, 解剖学的特徴と病理学的情報を組み合わせた汎用的セグメンテーションモデルを構築し, 病理学的特徴のセグメンテーション精度を高めることを目的とする。我々の解剖学・病理学交流(APEx)訓練では,ヒト解剖学の問合せ表現に結合特徴空間をデコードする問合せベースのセグメンテーション変換器を用いている。これにより、FDG-PET-CTとChest X-Rayの病理分類タスクにおいて、強力なベースライン法に比べて最大3.3%のマージンで、ボード全体で最高の結果を報告できる。
論文参考訳（メタデータ） (2024-07-08T11:44:15Z)
Dynamic Healthcare Embeddings for Improving Patient Care [0.0]
患者, 医師, 部屋, 薬品の動的埋め込みを学習するための, 異種共進化型動的ニューラルネットワークDECENTを提案する。学習した患者埋め込みを予測モデルに用いた結果、DECENTは死亡リスク予測タスクで最大48.1%向上していることがわかった。学習した医師、薬品、部屋の埋め込みに関するケーススタディは、我々のアプローチが有意義で解釈可能な埋め込みを学習していることを示している。
論文参考訳（メタデータ） (2023-03-21T03:14:15Z)
Cross-center Early Sepsis Recognition by Medical Knowledge Guided Collaborative Learning for Data-scarce Hospitals [9.148163615040364]
感染症の疑いとSOFA (Sequential Organ Failure Assessment) の双方を満足させることで, 敗血症を診断できる。そこで我々は,医学知識であるSofaNetに指導された新たなクロスセンター協調学習フレームワークを提案し,敗血症の早期認識を実現する。
論文参考訳（メタデータ） (2023-02-11T14:30:01Z)
Process Modeling and Conformance Checking in Healthcare: A COVID-19 Case Study [0.5986633283991984]
新型コロナウイルス患者の治療ガイドラインを表す規範的モデルを構築した。我々は,新型コロナウイルス患者のケアプロセスを分析し,臨床ガイドラインの相違点を強調した。その結果、医師はプロセスを改善し、サービス品質と患者満足度を確保するのに有用な指標が得られた。
論文参考訳（メタデータ） (2022-09-22T10:08:51Z)
Modelling Hospital Strategies in City-Scale Ambulance Dispatching [0.0]
本稿では,大都市におけるマルチエージェント医療環境における救急搬送プロセスのモデル化とシミュレーション手法を提案する。提案手法は,統合ゲーム理論 (GT) を用いて病院戦略を同定することに基づく。本研究は, 対象病院のPCIに誘導されたACS患者に救急車を派遣する際の問題点について考察した。
論文参考訳（メタデータ） (2022-01-05T22:20:12Z)
COVID-Net Clinical ICU: Enhanced Prediction of ICU Admission for COVID-19 Patients via Explainability and Trust Quantification [71.80459780697956]
患者臨床データに基づくICU入院予測のためのニューラルネットワークであるCOVID-Net Clinical ICUを紹介する。提案されたCOVID-Net Clinical ICUは、1,925人のCOVID-19患者からなるシロ・リバネ病院の臨床データセットを使用して構築された。定量的説明可能性戦略を用いたシステムレベルの洞察発見を行い,異なる臨床特徴の意思決定効果について検討した。
論文参考訳（メタデータ） (2021-09-14T14:16:32Z)
BiteNet: Bidirectional Temporal Encoder Network to Predict Medical Outcomes [53.163089893876645]
本稿では,患者の医療旅行におけるコンテキスト依存と時間的関係を捉える,新たな自己注意機構を提案する。エンド・ツー・エンドの双方向時間エンコーダネットワーク(BiteNet)が患者の旅路の表現を学習する。実世界のEHRデータセットを用いた2つの教師付き予測と2つの教師なしクラスタリングタスクにおける手法の有効性を評価した。
論文参考訳（メタデータ） (2020-09-24T00:42:36Z)
CPAS: the UK's National Machine Learning-based Hospital Capacity Planning System for COVID-19 [111.69190108272133]
新型コロナウイルス(COVID-19)の2019年は、集中治療リソースに対する前例のない需要を伴う圧倒的な医療システムの脅威となる。病院資源計画のための機械学習システムであるCPAS(COVID-19 Capacity Planning and Analysis System)を開発した。 CPASは、新型コロナウイルス(COVID-19)のパンデミックに対処するため、全国規模で病院に配備された最初の機械学習ベースのシステムの一つだ。
論文参考訳（メタデータ） (2020-07-27T19:39:13Z)
COMPOSE: Cross-Modal Pseudo-Siamese Network for Patient Trial Matching [70.08786840301435]
本稿では, CrOss-Modal PseudO-SiamEse Network (COMPOSE) を提案する。実験の結果,患者基準マッチングでは98.0%,患者基準マッチングでは83.7%の精度でAUCに到達できることがわかった。
論文参考訳（メタデータ） (2020-06-15T21:01:33Z)
Comparative Visual Analytics for Assessing Medical Records with Sequence Embedding [17.752580010414228]
患者記録の比較研究を支援する視覚分析システムを開発した。カリフォルニア大学デイビス校の新生児集中治療ユニットから得られた実世界のデータセットを用いたケーススタディにより, 設計とシステムの有効性を実証した。
論文参考訳（メタデータ） (2020-02-18T19:29:30Z)
VerSe: A Vertebrae Labelling and Segmentation Benchmark for Multi-detector CT Images [121.31355003451152]
大規模Vertebrae Challenge(VerSe)は、2019年と2020年に開催されたMICCAI(International Conference on Medical Image Computing and Computer Assisted Intervention)と共同で設立された。本評価の結果を報告するとともに,脊椎レベル,スキャンレベル,および異なる視野での性能変化について検討した。
論文参考訳（メタデータ） (2020-01-24T21:09:18Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。