論文の概要: A configurable computer simulation model for reducing patient waiting time in oncology departments

• arxiv url: http://arxiv.org/abs/2010.15922v4
• Date: Mon, 31 Jan 2022 10:32:53 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-27 00:28:52.740191
• Title: A configurable computer simulation model for reducing patient waiting time in oncology departments
• Title（参考訳）: オンコロジー部門における患者待ち時間削減のための構成可能なコンピュータシミュレーションモデル
• Authors: R. R. Corsini, A. Costa, S. Fichera, A.Pluchino
• Abstract要約: 本稿では,腫瘍学領域のニーズに適応できる新しいエージェント・ベース・シミュレーション・モデルを提案する。 南イタリアにある腫瘍学部門はシミュレーションモデルを用いて研究された。
• 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: Nowadays, the increase in patient demand and the decline in resources are lengthening patient waiting times in many chemotherapy oncology departments. Therefore, enhancing healthcare services is necessary to reduce patient complaints. Reducing the patient waiting times in the oncology departments represents one of the main goals of healthcare manager. Simulation models are considered an effective tool for identifying potential ways to improve patient flow in oncology departments. This paper presents a new agent-based simulation model designed to be configurable and adaptable to the needs of oncology departments which have to interact with an external pharmacy. When external pharmacies are utilized, a courier service is needed to deliver the individual therapies from the pharmacy to the oncology department. An oncology department located in southern Italy was studied through the simulation model and different scenarios were compared with the aim of selecting the department configuration capable of reducing the patient waiting times.
• Abstract（参考訳）: 近年,多くの化学療法オンコロジー部門では,患者需要の増加と資源の減少が待ち時間を延ばしている。 したがって、患者の苦情を減らすためには医療サービスを強化する必要がある。 腫瘍診察室で待機時間を短縮することは、医療管理者の主な目標の1つである。 シミュレーションモデルは、腫瘍科における患者フローを改善する潜在的な方法を特定するための有効なツールであると考えられている。 本稿では,外部薬局と相互作用する必要のある腫瘍学部門のニーズに対して,構成可能で適応可能な新しいエージェントベースシミュレーションモデルを提案する。 外部薬局を利用する場合には、個々の治療を薬局から腫瘍科に届けるために、宅配サービスが必要である。 イタリア南部のオンコロジー部門をシミュレーションモデルを用いて調査し,患者待ち時間を短縮できる部門構成を選択する目的で異なるシナリオを比較した。

関連論文リスト

• Prediction of Post-Operative Renal and Pulmonary Complications Using Transformers [69.81176740997175]
  術後急性腎不全,肺合併症,院内死亡の予測におけるトランスフォーマーモデルの有用性について検討した。 以上の結果から,トランスフォーマーモデルにより術後合併症の予測や従来の機械学習モデルよりも優れた性能が得られることが示された。
  論文  参考訳（メタデータ） (2023-06-01T14:08:05Z)
• Modelling Patient Trajectories Using Multimodal Information [0.0]
  本稿では,異なる種類の情報を組み合わせて臨床データの時間的側面を考慮した患者軌跡のモデル化手法を提案する。 本手法は, 予期せぬ患者寛解と疾患進行の2つの異なる臨床結果に基づいて検討した。
  論文  参考訳（メタデータ） (2022-09-09T10:20:54Z)
• Forecasting Patient Demand at Urgent Care Clinics using Machine Learning [0.0]
  本研究は,ニュージーランドのオークランドにある2つの大規模救急医療施設において,患者の正確なプレゼンテーションを機械学習で作成する能力について検討した。 この問題領域の最も効果的なテクニックを決定するために, 日常的な患者需要予測を3ヶ月前に行うために, 機械学習アルゴリズムを多数検討した。 その結果, アンサンブルをベースとした手法は, 最も正確で一貫したソリューションを平均で提供し, 既存手法に比べて23%-27%の改善を実現し, 日々の需要を推定した。
  論文  参考訳（メタデータ） (2022-05-25T22:27:49Z)
• A Deep Learning Approach to Predicting Ventilator Parameters for Mechanically Ventilated Septic Patients [17.450533813847574]
  緊急集中治療室(EICU)における敗血症患者に対する人工呼吸器パラメータの短期的予測に焦点を当てた。 患者固有の深層学習モデルは、どんな重篤な患者でも訓練でき、医師が緊急の医療状況で使うためのインテリジェントな補助役となる。
  論文  参考訳（メタデータ） (2022-02-21T04:17:22Z)
• Optimal discharge of patients from intensive care via a data-driven policy learning framework [58.720142291102135]
  退院課題は、退院期間の短縮と退院決定後の退院や死亡のリスクとの不確実なトレードオフに対処することが重要である。 本研究は、このトレードオフを捉えるためのエンドツーエンドの汎用フレームワークを導入し、最適放電タイミング決定を推奨する。 データ駆動型アプローチは、患者の生理的状態を捉えた同種で離散的な状態空間表現を導出するために用いられる。
  論文  参考訳（メタデータ） (2021-12-17T04:39:33Z)
• Simulation Modelling and Analysis of Primary Health Centre Operations [0.0]
  インドにおけるプライマリ・ヘルス・センター(PHC)の運営に関する個別のシミュレーションモデルを提案する。 我々のPHCシミュレーションモデルは、外来患者、入院患者、出産患者、産婦人科医の4種類の患者を対象とする。
  論文  参考訳（メタデータ） (2021-02-15T07:03:45Z)
• MIA-Prognosis: A Deep Learning Framework to Predict Therapy Response [58.0291320452122]
  本稿では,患者の予後と治療反応を予測するための統合型深層学習手法を提案する。 我々は,マルチモーダル非同期時系列分類タスクとして,確率モデリングを定式化する。 我々の予測モデルは、長期生存の観点から、低リスク、高リスクの患者をさらに階層化する可能性がある。
  論文  参考訳（メタデータ） (2020-10-08T15:30:17Z)
• 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)
• Graph representation forecasting of patient's medical conditions: towards a digital twin [0.0]
  複数組織におけるACE2過剰発現が心血管機能に及ぼす影響について検討した。 本稿では,分子データを用いた大規模な構成可能な臨床モデルの統合という概念の実証を行う。
  論文  参考訳（メタデータ） (2020-09-17T13:49:48Z)
• Hemogram Data as a Tool for Decision-making in COVID-19 Management: Applications to Resource Scarcity Scenarios [62.997667081978825]
  新型コロナウイルス(COVID-19)のパンデミックは世界中の緊急対応システムに挑戦している。 本研究は, 症状患者の血液検査データから得られた機械学習モデルについて述べる。 提案されたモデルでは、新型コロナウイルスqRT-PCRの結果を、高い精度、感度、特異性で症状のある個人に予測することができる。
  論文  参考訳（メタデータ） (2020-05-10T01:45:03Z)
• Estimating Counterfactual Treatment Outcomes over Time Through Adversarially Balanced Representations [114.16762407465427]
  時間とともに治療効果を推定するためにCRN(Counterfactual Recurrent Network)を導入する。 CRNは、患者履歴のバランスの取れた表現を構築するために、ドメイン敵のトレーニングを使用する。 本モデルでは, 正解率の予測と適切な治療時期の選択において, 誤差の低減を図っている。
  論文  参考訳（メタデータ） (2020-02-10T20:47:36Z)

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。