論文の概要: Automated Delineation of Hospital Service Areas and Hospital Referral
Regions by Modularity Optimization
- arxiv url: http://arxiv.org/abs/2006.00275v1
- Date: Sat, 30 May 2020 13:58:29 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-17 22:37:17.384258
- Title: Automated Delineation of Hospital Service Areas and Hospital Referral
Regions by Modularity Optimization
- Title(参考訳): モジュラリティ最適化による病院サービスエリアと病院紹介地域の自動分割
- Authors: Yujie Hu, Fahui Wang, Imam Xierali
- Abstract要約: ネットワーク最適化手法を用いてHSAとHRRを再定義した。
この新しい方法は、自動化され、スケールフレキシブルで、医療システムの自然構造を捉えるのに有効である。
- 参考スコア(独自算出の注目度): 0.966840768820136
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Objective. To develop an automated, data-driven, and scale-flexible method to
delineate HSAs and HRRs that are up-to-date, representative of all patients,
and have the optimal localization of hospital visits. Data Sources. The 2011
State Inpatient Database (SID) in Florida from the Healthcare Cost and
Utilization Project (HCUP). Study Design. A network optimization method was
used to redefine HSAs and HRRs by maximizing patient-to-hospital flows within
each HSA/HRR while minimizing flows between them. We first constructed as many
HSAs/HRRs as existing Dartmouth units in Florida, and then compared the two by
various metrics. Next, we sought to derive the optimal numbers and
configurations of HSAs/HRRs that best reflect the modularity of hospitalization
patterns in Florida. Principal Findings. The HSAs/HRRs by our method are
favored over the Dartmouth units in balance of region size and market
structure, shape, and most importantly, local hospitalization. Conclusions. The
new method is automated, scale-flexible, and effective in capturing the natural
structure of healthcare system. It has great potential for applications in
delineating other healthcare service areas or in larger geographic regions.
- Abstract(参考訳): 目的。
全患者を代表して最新のHSAとHRRをデライン化し、病院訪問の最適な地域化を図るための、自動化された、データ駆動、スケールフレキシブルな方法を開発する。
データソース。
2011年、フロリダ州の医療費・利用プロジェクト(HCUP)から、患者データベース(SID)を取得。
デザインを学ぶ。
HSA/HRR間のフローを最小化しつつ,各HSA/HRR内の患者対ホスピタルフローを最大化することにより,HSAとHRRを再定義するネットワーク最適化手法を開発した。
フロリダ州の既存のDartmouthユニットと同じ数のHSA/HRRを最初に構築し、その2つをさまざまな指標で比較した。
次に,フロリダ州の入院パターンのモジュラリティを最もよく反映したHSA/HRRの最適数と構成の導出を試みた。
主な発見。
本手法によるHSA/HRRは, 地域規模と市場構造, 形状, そして最も重要な点において, ダートマス単位よりも有利である。
結論だ
新しい方法は自動化され、スケールフレキシブルであり、医療システムの自然な構造を捉えるのに効果的である。
これは、他の医療サービスエリアや、より広い地域におけるアプリケーションにとって大きな可能性を秘めている。
関連論文リスト
- Comparing Federated Stochastic Gradient Descent and Federated Averaging for Predicting Hospital Length of Stay [0.0]
入院期間(LOS)を確実に予測することは,病院における資源配分の効率化に不可欠である。
従来の予測モデリングツールは、医療機関がプライバシー規則を定めているため、十分なデータと多様なデータを取得するのが難しいことが多い。
このモデリング手法は、病院外の機密データを抽出することなく、異なる病院からの分散データソースをモデル化することで協調的なモデルトレーニングを促進する。
論文 参考訳(メタデータ) (2024-07-17T17:00:20Z) - Multicriteria Optimization Techniques for Understanding the Case Mix
Landscape of a Hospital [0.0]
本報告では, 病院における異なる症例混在(PCM)の治療効果について考察する。
ランドスケープの混在をよりよく理解し, キャパシティ利用の観点から最適であるものを特定するために, 改良されたマルチクリテリア最適化(MCO)手法を提案する。
論文 参考訳(メタデータ) (2023-07-31T22:55:48Z) - High-Similarity-Pass Attention for Single Image Super-Resolution [81.56822938033118]
非局所的注意(NLA)分野における最近の進歩は、自己相似性に基づく単一画像超解像(SISR)への新たな関心につながっている。
高相似性パスアテンション(HSPA)を得るための簡潔で効果的なソフトしきい値設定操作を導入する。
HSPAの有効性を実証するため,我々はHSPAN(Deep High-Similarity-pass attention network)を構築した。
論文 参考訳(メタデータ) (2023-05-25T06:24:14Z) - Building Brains: Subvolume Recombination for Data Augmentation in Large
Vessel Occlusion Detection [56.67577446132946]
この戦略をデータから学ぶためには、標準的なディープラーニングベースのモデルに対して、大規模なトレーニングデータセットが必要である。
そこで本研究では, 異なる患者から血管木セグメントを組換えることで, 人工的なトレーニングサンプルを生成する方法を提案する。
拡張スキームに則って,タスク固有の入力を入力した3D-DenseNetを用いて,半球間の比較を行う。
論文 参考訳(メタデータ) (2022-05-05T10:31:57Z) - Federated Learning in Multi-Center Critical Care Research: A Systematic
Case Study using the eICU Database [24.31499341763427]
データを交換することなく、異なるユニットでモデルを訓練する方法として、フェデレートラーニング(FL)が提案されている。
FLが利用可能なeICUデータセットに与える影響について検討し,各ICU滞在の生存率を予測する。
論文 参考訳(メタデータ) (2022-04-20T09:03:09Z) - 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) - Real-time landmark detection for precise endoscopic submucosal
dissection via shape-aware relation network [51.44506007844284]
内視鏡下粘膜下郭清術における高精度かつリアルタイムなランドマーク検出のための形状認識型関係ネットワークを提案する。
まず,ランドマーク間の空間的関係に関する先行知識を直感的に表現する関係キーポイント・ヒートマップを自動生成するアルゴリズムを考案する。
次に、事前知識を学習プロセスに段階的に組み込むために、2つの補完的な正規化手法を開発する。
論文 参考訳(メタデータ) (2021-11-08T07:57:30Z) - Resource Planning for Hospitals Under Special Consideration of the
COVID-19 Pandemic: Optimization and Sensitivity Analysis [87.31348761201716]
新型コロナウイルス(covid-19)パンデミックのような危機は、医療機関にとって深刻な課題となる。
BaBSim.Hospitalは離散イベントシミュレーションに基づく容量計画ツールである。
BaBSim.Hospitalを改善するためにこれらのパラメータを調査し最適化することを目指しています。
論文 参考訳(メタデータ) (2021-05-16T12:38:35Z) - Forecasting COVID-19 Counts At A Single Hospital: A Hierarchical
Bayesian Approach [59.318136981032]
一つの病院で1日当たりの入院患者数を予測するという課題について検討する。
データのカウント特性を直接キャプチャする階層型ベイズモデルをいくつか開発する。
マサチューセッツ州の8つの病院とイギリスの10の病院のパブリックデータセットに対する我々のアプローチを実証する。
論文 参考訳(メタデータ) (2021-04-14T11:58:54Z) - Supervised Hyperalignment for multi-subject fMRI data alignment [81.8694682249097]
本稿では,MVP解析における機能的アライメントを改善するために,SHA(Supervised Hyperalignment)手法を提案する。
マルチオブジェクトデータセットの実験では、SHA法は最大19%の性能がマルチクラス問題に対して達成されている。
論文 参考訳(メタデータ) (2020-01-09T09:17:49Z)
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。