論文の概要: Successful implementation of discrete event simulation: the case of an Italian emergency department

• arxiv url: http://arxiv.org/abs/2006.13062v1
• Date: Tue, 23 Jun 2020 14:38:05 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-13 00:52:14.745841
• Title: Successful implementation of discrete event simulation: the case of an Italian emergency department
• Title（参考訳）: 離散事象シミュレーションの実施成功例:イタリアの救急部門を事例として
• Authors: Arthur Kramer and Clio Dosi and Manuel Iori and Matteo Vignoli
• Abstract要約: 本研究は,イタリア北部の救急医療機関(ED)が直面している実践的管理問題について考察する。 本研究の目的は,患者満足度に関連する重要な指標である待ち時間の改善を目的とした,選択したEDの組織的変化を提案することである。
• 参考スコア（独自算出の注目度）: 1.7205106391379026
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper focuses on the study of a practical management problem faced by a healthcare {\it emergency department} (ED) located in the north of Italy. The objective of our study was to propose organisational changes in the selected ED, which admits approximately 7000 patients per month, aiming at improving key performance indicators related to patient satisfaction, such as the waiting time. Our study is based on a design thinking process that adopts a {\it discrete event simulation} (DES) model as the main tool for proposing changes. We used the DES model to propose and evaluate the impact of different improving scenarios. The model is based on historical data, on the observation of the current ED situation, and information obtained from the ED staff. The results obtained by the DES model have been compared with those related to the existing ED setting, and then validated by the ED managers. Based on the results we obtained, one of the tested scenarios was selected by the ED for implementation.
• Abstract（参考訳）: 本稿では,イタリア北部の救急医療部門(ED)が直面している実践的管理問題について考察する。 本研究の目的は,患者満足度に関する重要な指標である待ち時間などを改善することを目的として,毎月約7000人の患者を受け入れたEDの組織的変化を提案することである。 本研究は、変更を提案するための主要なツールとして、DESモデルを採用する設計思考プロセスに基づいている。 desモデルを用いて異なる改善シナリオの影響を提案・評価した。 モデルは,現在のed状況の観測と,ed職員から得られた情報に基づいて,過去のデータを基にしている。 DESモデルにより得られた結果は、既存のED設定に関連するものと比較され、EDマネージャによって検証される。 得られた結果に基づいて、テストシナリオの1つが実装のためにEDによって選択されました。

関連論文リスト

• Recent Advances in Predictive Modeling with Electronic Health Records [71.19967863320647]
  EHRデータを予測モデリングに利用すると、その特徴からいくつかの課題が生じる。 深層学習は、医療を含む様々な応用においてその優位性を示している。
  論文  参考訳（メタデータ） (2024-02-02T00:31:01Z)
• MedDiffusion: Boosting Health Risk Prediction via Diffusion-based Data Augmentation [58.93221876843639]
  本稿では,MedDiffusion という,エンドツーエンドの拡散に基づくリスク予測モデルを提案する。 トレーニング中に合成患者データを作成し、サンプルスペースを拡大することで、リスク予測性能を向上させる。 ステップワイズ・アテンション・メカニズムを用いて患者の来訪者間の隠れた関係を識別し、高品質なデータを生成する上で最も重要な情報をモデルが自動的に保持することを可能にする。
  論文  参考訳（メタデータ） (2023-10-04T01:36:30Z)
• Textual Data Augmentation for Patient Outcomes Prediction [67.72545656557858]
  本稿では,患者の電子カルテに人工的な臨床ノートを作成するための新しいデータ拡張手法を提案する。 生成言語モデルGPT-2を微調整し、ラベル付きテキストを元のトレーニングデータで合成する。 今回,最も多い患者,すなわち30日間の寛解率について検討した。
  論文  参考訳（メタデータ） (2022-11-13T01:07:23Z)
• Benchmarking Predictive Risk Models for Emergency Departments with Large Public Electronic Health Records [7.928862476020428]
  大規模な公開 EHR に基づく広く受け入れられている ED ベンチマークは存在しない。 我々は、パブリックEDベンチマークスイートを提案し、2011年から2019年までの50万回のED訪問を含むベンチマークデータセットを得た。 私たちのコードはオープンソースなので、MIMIC-IV-EDにアクセス可能な人は、データ処理の同じステップを辿り、ベンチマークを構築し、実験を再現できます。
  論文  参考訳（メタデータ） (2021-11-22T06:51:11Z)
• Clinical Outcome Prediction from Admission Notes using Self-Supervised Knowledge Integration [55.88616573143478]
  臨床テキストからのアウトカム予測は、医師が潜在的なリスクを見落としないようにする。 退院時の診断,手術手順,院内死亡率,長期予測は4つの一般的な結果予測対象である。 複数の公開資料から得られた患者結果に関する知識を統合するために,臨床結果の事前学習を提案する。
  論文  参考訳（メタデータ） (2021-02-08T10:26:44Z)
• Emergency Department Optimization and Load Prediction in Hospitals [9.90154803957148]
  我々は、ED到着とED患者の容積を予測するための機械学習モデルを用いたツールを開発した。 本稿では,本ツールを用いたアクティブな臨床展開におけるユーザ体験から得られた予測モデル,課題,および学習結果について論じる。
  論文  参考訳（メタデータ） (2021-02-06T21:52:51Z)
• Effect of different patient peak arrivals on an Emergency Department via discrete event simulation [0.0]
  イタリア中部の地震で被害を受けた中規模EDを流れる患者を調査するモデルを提案する。 特に本研究の目的は,患者到着回数の急激な急激な増加を引き起こす危機事象(自然災害など)に対応する,異常なED条件をシミュレートすることである。 このモデルは、大規模災害が発生した場合に起動する特定の緊急計画を定義する上で、ED管理者に有効な意思決定支援システムを提供する。
  論文  参考訳（メタデータ） (2021-01-29T06:55:53Z)
• Adversarial Sample Enhanced Domain Adaptation: A Case Study on Predictive Modeling with Electronic Health Records [57.75125067744978]
  ドメイン適応を容易にするデータ拡張手法を提案する。 逆生成したサンプルはドメイン適応時に使用される。 その結果,本手法の有効性とタスクの一般性が確認された。
  論文  参考訳（メタデータ） (2021-01-13T03:20:20Z)
• Modeling patient flow in the emergency department using machine learning and simulation [0.0]
  本稿では,緊急部(ED)内の患者フローを改善するため,シミュレーションにおける機械学習(ML)の新たな応用について述べる。 実際のEDシミュレーションモデル内で使用したMLモデルを用いて、患者をEDから遠ざけることが滞在時間(LOS)と退院時間(DTDT)に及ぼす影響を定量化する 使用済みのポリシーと特定のEDリソースを追加することで、それぞれ LOS と DTDT の 9.39% と 8.18% の削減が達成される。
  論文  参考訳（メタデータ） (2020-11-22T17:42:53Z)
• Predicting Clinical Diagnosis from Patients Electronic Health Records Using BERT-based Neural Networks [62.9447303059342]
  医療コミュニティにおけるこの問題の重要性を示す。 本稿では,変換器 (BERT) モデルによる2方向表現の分類順序の変更について述べる。 約400万人のユニークな患者訪問からなる、大規模なロシアのEHRデータセットを使用します。
  論文  参考訳（メタデータ） (2020-07-15T09:22:55Z)

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。