論文の概要: Optimizing Hospital Room Layout to Reduce the Risk of Patient Falls

• arxiv url: http://arxiv.org/abs/2101.03210v1
• Date: Fri, 8 Jan 2021 20:31:10 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-10 05:07:16.440062
• Title: Optimizing Hospital Room Layout to Reduce the Risk of Patient Falls
• Title（参考訳）: 患者の転倒リスクを減らすための病院の部屋レイアウトの最適化
• Authors: Sarvenaz Chaeibakhsh, Roya Sabbagh Novin, Tucker Hermans, Andrew Merryweather and Alan Kuntz
• Abstract要約: 本研究は,病室内装レイアウトを生成・再構成するための勾配自由制約付き最適化問題を定式化する。 本報告では, 2つの実世界の病室タイプについて, 従来の病室レイアウトと比較して, 患者転倒リスクの平均18%の有意な改善を示す。
• 参考スコア（独自算出の注目度）: 4.66970207245168
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Despite years of research into patient falls in hospital rooms, falls and related injuries remain a serious concern to patient safety. In this work, we formulate a gradient-free constrained optimization problem to generate and reconfigure the hospital room interior layout to minimize the risk of falls. We define a cost function built on a hospital room fall model that takes into account the supportive or hazardous effect of the patient's surrounding objects, as well as simulated patient trajectories inside the room. We define a constraint set that ensures the functionality of the generated room layouts in addition to conforming to architectural guidelines. We solve this problem efficiently using a variant of simulated annealing. We present results for two real-world hospital room types and demonstrate a significant improvement of 18% on average in patient fall risk when compared with a traditional hospital room layout and 41% when compared with randomly generated layouts.
• Abstract（参考訳）: 病室での転倒に関する長年の研究にもかかわらず、転倒と関連するケガは患者の安全性に深刻な懸念を抱いている。 本研究では,転倒のリスクを最小限に抑えるため,病院室内レイアウトの生成と再構成を行うため,勾配のない制約付き最適化問題を定式化する。 本研究は, 病院の転倒モデルに基づくコスト関数を定義し, 患者の周囲の物体の支持的あるいは有害な影響を考慮し, 室内の患者軌道をシミュレーションする。 アーキテクチャガイドラインに従って生成された部屋レイアウトの機能を保証する制約セットを定義する。 シミュレーションアニールの変種を用いて効率よくこの問題を解く。 本研究は,2種類の実生活型病院において,従来の病室配置と比較した場合の平均転倒リスクが18%,ランダムに発生した場合が41%,有意な改善がみられた。

関連論文リスト

• 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)
• 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)
• Hospital transfer risk prediction for COVID-19 patients from a medicalized hotel based on Diffusion GraphSAGE [7.021489981474361]
  台湾では、軽度または軽度症状のある新型コロナウイルス患者の隔離施設として医療ホテルが開設された。 これらのホテルで利用可能な医療が限られているため、臨床劣化のリスクがある患者を特定することが最重要である。 本研究は, 医用ホテルにおける進行病院転院リスク予測のためのグラフベース深層学習手法の開発と評価を目的とした。
  論文  参考訳（メタデータ） (2022-12-31T14:59:35Z)
• Management and Detection System for Medical Surgical Equipment [68.8204255655161]
  保存外科体 (Retained surgical body, RSB) は、外科手術後に患者の体内に残された異物である。 本稿では、我々が設計空間を探索し、実現可能なソリューションを定義し、最先端のサイバー物理システムをシミュレートし、検証し、検証するために行った技術プロセスについて述べる。
  論文  参考訳（メタデータ） (2022-11-04T10:19:41Z)
• 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)
• 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)
• A Twin Neural Model for Uplift [59.38563723706796]
  Upliftは条件付き治療効果モデリングの特定のケースです。 相対リスクのベイズ解釈との関連性を利用して定義した新たな損失関数を提案する。 本提案手法は,シミュレーション設定の最先端と大規模ランダム化実験による実データとの競合性を示す。
  論文  参考訳（メタデータ） (2021-05-11T16:02:39Z)
• 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)
• Estimating Risk-Adjusted Hospital Performance [21.563820572163337]
  患者リスクに適応した新規な病院成績測定法を提案する。 この方法は、患者リスク変数間の相互作用と同様に、非線形関係をキャプチャする。 我々は、米国内の約1900の病院で1300万人以上の患者が入院したことを評価した。
  論文  参考訳（メタデータ） (2020-11-10T15:14:51Z)
• Robust Policies For Proactive ICU Transfers [3.9286045166400685]
  集中治療室(ICU)への移動が計画されていない患者は、ICUに直接入院した患者よりも死亡率が高い傾向にある。 患者劣化を予測する機械学習の最近の進歩は、病棟からICUへのEmphproactive transferの可能性をもたらした。 本研究では,患者全体のケア改善を最適化する際のデータ制限による統計的推定の不確実性を考慮したインプロバスト患者移動政策の課題について検討する。
  論文  参考訳（メタデータ） (2020-02-14T21:07:15Z)

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。