論文の概要: Simulation Modelling and Analysis of Primary Health Centre Operations
- arxiv url: http://arxiv.org/abs/2104.12492v2
- Date: Mon, 21 Jun 2021 19:36:07 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-11 02:12:58.522462
- Title: Simulation Modelling and Analysis of Primary Health Centre Operations
- Title（参考訳）: プライマリ・ヘルス・センター・オペレーションのシミュレーションモデリングと分析
- Authors: Mohd Shoaib and Varun Ramamohan
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: We present discrete-event simulation models of the operations of primary
health centres (PHCs) in the Indian context. Our PHC simulation models
incorporate four types of patients seeking medical care: outpatients,
inpatients, childbirth cases, and patients seeking antenatal care. A generic
modelling approach was adopted to develop simulation models of PHC operations.
This involved developing an archetype PHC simulation, which was then adapted to
represent two other PHC configurations, differing in numbers of resources and
types of services provided, encountered during PHC visits. A model representing
a benchmark configuration conforming to government-mandated operational
guidelines, with demand estimated from disease burden data and service times
closer to international estimates (higher than observed), was also developed.
Simulation outcomes for the three observed configurations indicate negligible
patient waiting times and low resource utilisation values at observed patient
demand estimates. However, simulation outcomes for the benchmark configuration
indicated significantly higher resource utilisation. Simulation experiments to
evaluate the effect of potential changes in operational patterns on reducing
the utilisation of stressed resources for the benchmark case were performed.
Our analysis also motivated the development of simple analytical approximations
of the average utilisation of a server in a queueing system with
characteristics similar to the PHC doctor/patient system. Our study represents
the first step in an ongoing effort to establish the computational
infrastructure required to analyse public health operations in India, and can
provide researchers in other settings with hierarchical health systems a
template for the development of simulation models of their primary healthcare
facilities.
- Abstract（参考訳）: 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。
phcシミュレーションモデルには,外来患者,入院患者,出産患者,および麻酔治療を希望する患者という4種類の患者が組み込まれている。
PHC演算のシミュレーションモデルを開発するために汎用的なモデリング手法が採用された。
これには考古学的なPHCシミュレーション(英語版)の開発が含まれ、PHC訪問中に遭遇したリソースの数やサービスの種類が異なる2つのPHC構成を表現した。
また, 疾病負担データから需要を推定し, 国際推定値に近いサービス時間(観測値よりも高い)を用いて, 政府管理の運用ガイドラインに適合したベンチマーク構成を示すモデルも開発した。
観察された3つの構成のシミュレーションの結果は、観察された患者需要推定値において、無視できる待ち時間と低い資源利用値を示している。
しかし,ベンチマーク構成のシミュレーションの結果,資源利用率が有意に高かった。
評価実験を行い, 運用パターンの変化が, ストレスのある資源の利用率を低下させる効果について評価した。
また,PHC 医師/患者システムに類似した特徴を持つキューシステムにおいて,サーバの平均利用率の簡易な解析近似の開発も動機づけた。
本研究は,インドにおける公衆衛生活動の分析に必要な計算基盤の構築に向けた取り組みにおける第一歩であり,他の階層的医療システムを持つ研究者に,プライマリ医療施設のシミュレーションモデル開発のためのテンプレートを提供する。
関連論文リスト
- Addressing Data Heterogeneity in Federated Learning of Cox Proportional Hazards Models [8.798959872821962]
本稿では,フェデレーションサバイバル分析の分野,特にCox Proportional Hazards(CoxPH)モデルについて概説する。
本稿では,合成データセットと実世界のアプリケーション間のモデル精度を向上させるために,特徴ベースのクラスタリングを用いたFLアプローチを提案する。
論文 参考訳（メタデータ） (2024-07-20T18:34:20Z) - Intensive Care as One Big Sequence Modeling Problem [1.6114012813668932]
本稿では、患者と医療提供者とのインタラクションをイベントストリームとして表現する、シーケンスモデリングとしてのヘルスケアのパラダイムを提案する。
我々はMIMIC-IVデータセットから一様イベントストリームフォーマットに異種臨床記録を変換したシーケンスモデリングベンチマークMIMIC-SEQを開発した。
論文 参考訳（メタデータ） (2024-02-27T13:36:55Z) - 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) - Safe AI for health and beyond -- Monitoring to transform a health
service [51.8524501805308]
機械学習アルゴリズムの出力を監視するために必要なインフラストラクチャを評価する。
モデルのモニタリングと更新の例を示す2つのシナリオを提示します。
論文 参考訳（メタデータ） (2023-03-02T17:27:45Z) - COPER: Continuous Patient State Perceiver [13.735956129637945]
本研究では,ERHにおける不規則な時系列に対処するため,COPERと呼ばれる新規患者状態パーセンシバーモデルを提案する。
ニューラル常微分方程式(ODE)は、COPERが通常の時系列を生成してPerceiverモデルに供給するのに役立ちます。
提案モデルの性能評価には,MIMIC-IIIデータセット上での院内死亡予測タスクを用いる。
論文 参考訳（メタデータ） (2022-08-05T14:32:57Z) - Development of patients triage algorithm from nationwide COVID-19
registry data based on machine learning [1.0323063834827415]
本稿では,機械学習技術を用いた重症度評価モデルの開発過程について述べる。
モデルは基本的な患者の基本的個人データのみを必要とするため、患者は自身の重症度を判断できる。
本研究の目的は、患者が自身の重症度をチェックできる医療システムを構築し、同様の重症度を持つ他の患者の過去の治療内容に基づいて、適切な診療所への訪問を通知することである。
論文 参考訳（メタデータ） (2021-09-18T19:56:27Z) - A multi-stage machine learning model on diagnosis of esophageal
manometry [50.591267188664666]
このフレームワークには、飲み込みレベルにおけるディープラーニングモデルと、学習レベルにおける機能ベースの機械学習モデルが含まれている。
これは、生のマルチスワローデータからHRM研究のCC診断を自動的に予測する最初の人工知能モデルである。
論文 参考訳（メタデータ） (2021-06-25T20:09:23Z) - Why Machine Learning Integrated Patient Flow Simulation? [0.0]
患者フロー分析は、シミュレーションを用いて臨床または手術の観点から研究することができる。
従来の統計手法は患者フローシミュレーションのサブモデルの構築に用いられてきた。
機械学習の手法は、入場率の研究と予測に効率的であることが証明されている。
論文 参考訳（メタデータ） (2021-04-16T16:23:17Z) - 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) - 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)
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。