論文の概要: Effect of different patient peak arrivals on an Emergency Department via
discrete event simulation
- arxiv url: http://arxiv.org/abs/2101.12432v1
- Date: Fri, 29 Jan 2021 06:55:53 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-13 09:02:06.111889
- Title: Effect of different patient peak arrivals on an Emergency Department via
discrete event simulation
- Title（参考訳）: 個別イベントシミュレーションによる救急外来における患者ピークの出現状況の影響
- Authors: G. Fava (1), T. Giovannelli (1), M. Messedaglia (2), M. Roma (1) ((1)
Dipartimento di Ingegneria Informatica Automatica e Gestionale ''A.
Ruberti'', SAPIENZA Universit\`a di Roma, (2) ACTOR Start up of SAPIENZA
Universit\`a di Roma)
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Emergency Departments (EDs) overcrowding is a well recognized worldwide
phenomenon. The consequences range from long waiting times for visits and
treatment of patients up to life-threatening health conditions. The
international community is devoting greater and greater efforts to analyze this
phenomenon aiming at reducing waiting times, improving the quality of the
service. Within this framework, we propose a Discrete Event Simulation (DES)
model to study the patient flows through a medium-size ED located in a region
of Central Italy recently hit by a severe earthquake. In particular, our aim is
to simulate unusual ED conditions, corresponding to critical events (like a
natural disaster) that cause a sudden spike in the number of patient arrivals.
The availability of detailed data concerning the ED processes enabled to build
an accurate DES model and to perform extensive scenario analyses. The model
provides a valid decision support system for the ED managers also in defining
specific emergency plans to be activated in case of mass casualty disasters.
- Abstract（参考訳）: 救急署(EDs)の混雑は世界的に広く認知されている現象である。
その結果は、訪問の待ち時間と患者の治療から、生命を脅かす健康状態まで様々である。
国際社会は、この現象を分析し、待ち時間を短縮し、サービスの質を向上させるために、より一層の努力を払っている。
本枠組みでは,最近イタリア中部で発生した大地震の被害を受けた中規模EDを流れる患者の流れを解析するための離散事象シミュレーション(DES)モデルを提案する。
特に,本研究の目的は,患者の到着数を急上昇させる致命的な事象(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。
EDプロセスに関する詳細なデータの提供により、正確なDESモデルを構築し、広範なシナリオ分析を実行できるようになった。
このモデルはed管理者に有効な意思決定支援システムを提供するとともに、大量災害時に起動する特定の緊急計画を定義する。
関連論文リスト
- A System for Critical Facility and Resource Optimization in Disaster Management and Planning [1.1039307771106914]
災害時の医療インフラの破壊は、慢性腎臓病や末期腎疾患の重篤な患者に重大なリスクをもたらす。
本研究は, 救急医療システムのレジリエンスを高めるため, 患者再配置のための最適化モデルと, 仮設医療施設の戦略的配置を提案する。
論文 参考訳（メタデータ） (2024-10-03T19:57:06Z) - 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) - 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) - Hospitalization Length of Stay Prediction using Patient Event Sequences [4.204781617630707]
本稿では,患者情報をイベントのシーケンスとしてモデル化し,入院期間(LOS)を予測するための新しいアプローチを提案する。
本稿では,患者の医療イベントシーケンスを記述したユニークな特徴を用いたLOS予測のためのトランスフォーマーベースモデルMedic-BERT(M-BERT)を提案する。
実験結果から,M-BERTは様々なLOS問題に対して高い精度を達成でき,従来の非シーケンスベース機械学習手法よりも優れていることがわかった。
論文 参考訳（メタデータ） (2023-03-20T11:48:36Z) - How does Imaging Impact Patient Flow in Emergency Departments? [0.0]
ED群集につながる根底にある要因は、多種多様で複雑である。
病院内ベッドの欠如は、しばしば群集の主な原因とされている。
EDの他の補助的資源への依存、例えばイメージング、コンサルティング、研究室は、群衆形成にも貢献している。
論文 参考訳（メタデータ） (2022-09-24T02:03:19Z) - A Temporal Fusion Transformer for Long-term Explainable Prediction of
Emergency Department Overcrowding [0.0]
救急省(英語: emergency Departments、略称:ED)は、ポルトガル国立衛生局(英語版)の基本的な要素である。
サービスを利用する患者の数を予測することは特に困難である。
本稿では,新しい深層学習アーキテクチャであるTemporal Fusion Transformerについて述べる。
我々は,ポルトガルの保健地域(HRA)では平均絶対過誤(MAPE)が5.90%,Root Mean Squared Error(RMSE)が84.4102人/日で予測可能であると結論づけた。
論文 参考訳（メタデータ） (2022-07-01T18:08:07Z) - 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) - 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) - An Optimal Control Approach to Learning in SIDARTHE Epidemic model [67.22168759751541]
本研究では,疫病データから動的コンパートメンタルモデルの時間変化パラメータを学習するための一般的な手法を提案する。
我々はイタリアとフランスの疫病の進化を予報する。
論文 参考訳（メタデータ） (2020-10-28T10:58:59Z) - A General Framework for Survival Analysis and Multi-State Modelling [70.31153478610229]
ニューラル常微分方程式を多状態生存モデル推定のためのフレキシブルで一般的な方法として用いる。
また,本モデルでは,サバイバルデータセット上での最先端性能を示すとともに,マルチステート環境での有効性を示す。
論文 参考訳（メタデータ） (2020-06-08T19:24:54Z)
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。