論文の概要: Hospital Capacity Planning Using Discrete Event Simulation Under Special
Consideration of the COVID-19 Pandemic
- arxiv url: http://arxiv.org/abs/2012.07188v1
- Date: Mon, 14 Dec 2020 00:17:26 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-08 14:22:31.928613
- Title: Hospital Capacity Planning Using Discrete Event Simulation Under Special
Consideration of the COVID-19 Pandemic
- Title（参考訳）: 新型コロナウイルスパンデミックを考慮した離散イベントシミュレーションによる病院容量計画
- Authors: Thomas Bartz-Beielstein and Frederik Rehbach and Olaf Mersmann and Eva
Bartz
- Abstract要約: 新型コロナウイルス(covid-19)パンデミックに配慮した病院の資源計画ツール
babsim.hospitalはシミュレーション、最適化、統計、人工知能のプロセスを非常に効率的に組み合わせます。
- 参考スコア（独自算出の注目度）: 0.3058685580689604
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: We present a resource-planning tool for hospitals under special consideration
of the COVID-19 pandemic, called babsim.hospital. It provides many advantages
for crisis teams, e.g., comparison with their own local planning, simulation of
local events, simulation of several scenarios (worst / best case). There are
benefits for medical professionals, e.g, analysis of the pandemic at local,
regional, state and federal level, the consideration of special risk groups,
tools for validating the length of stays and transition probabilities. Finally,
there are potential advantages for administration, management, e.g., assessment
of the situation of individual hospitals taking local events into account,
consideration of relevant resources such as beds, ventilators, rooms,
protective clothing, and personnel planning, e.g., medical and nursing staff.
babsim.hospital combines simulation, optimization, statistics, and artificial
intelligence processes in a very efficient way. The core is a discrete,
event-based simulation model.
- Abstract（参考訳）: 新型コロナウイルス(covid-19)パンデミック(covid-19)に配慮した病院向け資源計画ツールbabsim.hospitalを提案する。
例えば、自身のローカル計画との比較、ローカルイベントのシミュレーション、いくつかのシナリオのシミュレーション(worst / best case)などだ。
医療専門家には、例えば、地域、地域、州、連邦レベルでのパンデミックの分析、特別なリスクグループの検討、滞在期間の検証と移行確率の検証のためのツールがある。
最後に、管理、管理、例えば、地域イベントを考慮に入れた個々の病院の状況の評価、ベッド、換気器、部屋、防護服、人事計画といった関連するリソース、例えば医療・看護スタッフの考慮、といった潜在的メリットがある。
babsim.hospitalはシミュレーション、最適化、統計、人工知能のプロセスを非常に効率的な方法で組み合わせる。
コアは離散的なイベントベースのシミュレーションモデルである。
関連論文リスト
- Schema-Guided Culture-Aware Complex Event Simulation with Multi-Agent Role-Play [69.57968387772428]
自然災害や社会と政治の対立といった複雑な出来事は、政府や社会からの迅速な対応を必要とする。
我々は、ドメイン知識を表すイベントスキーマの両方でガイドされる、制御可能な複雑なニュースイベントシミュレータを開発した。
ジオディバース・コモンセンスとカルチャー・ノルム・アウェア・ナレッジ・エンハンスメント・コンポーネントを導入する。
論文 参考訳（メタデータ） (2024-10-24T17:21:43Z) - Deep State-Space Generative Model For Correlated Time-to-Event Predictions [54.3637600983898]
そこで本研究では,様々な種類の臨床イベント間の相互作用を捉えるために,潜伏状態空間生成モデルを提案する。
また,死亡率と臓器不全の関連性について有意な知見が得られた。
論文 参考訳（メタデータ） (2024-07-28T02:42:36Z) - Measuring Outcomes in Healthcare Economics using Artificial
Intelligence: with Application to Resource Management [0.0]
多くの場合、そのような出来事は、病院における複数の医療・経済的な側面と同様に、意思決定において重大な不確実性を引き起こす。
この原稿は、医療管理者が経済を組織化し、資源配分と共有の最も最適な計画を特定するのに役立つ3つのデータ駆動手法を提示する。
論文 参考訳（メタデータ） (2021-11-15T02:39:39Z) - 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) - Approximate Bayesian Computation for an Explicit-Duration Hidden Markov
Model of COVID-19 Hospital Trajectories [55.786207368853084]
新型コロナウイルス(COVID-19)のパンデミックの中、病院の資源をモデル化する問題に取り組んでいます。
幅広い適用性のために、関心のある領域の患者レベルデータが利用できない、一般的なが困難なシナリオに注目します。
本稿では,ACED-HMM(ACED-HMM)と呼ばれる集合数正規化隠れマルコフモデルを提案する。
論文 参考訳（メタデータ） (2021-04-28T15:32:42Z) - 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) - 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) - 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) - Optimization of High-dimensional Simulation Models Using Synthetic Data [0.1529342790344802]
本稿では,シミュレーションパラメータに対する可算区間の仕様のみを必要とするBuBシミュレータを提案する。
詳細な統計分析を行うことができ、最も重要なモデルパラメータについて深い洞察を得ることができる。
この研究は、新型コロナウイルスのパンデミックによって引き起こされる困難について明確に取り上げている。
論文 参考訳（メタデータ） (2020-09-06T17:21:41Z) - How to restart? An agent-based simulation model towards the definition
of strategies for COVID-19 "second phase" in public buildings [0.0]
この作業は、クローズドビルド環境で拡散するウイルスを推定するためのエージェントベースモデルを提供する。
モデルは実験データに基づいて校正され、関連するケーススタディに適用される。
論文 参考訳（メタデータ） (2020-04-27T16:40:22Z)
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。