Fugu-MT 論文翻訳(概要): Integrating Machine Learning with Discrete Event Simulation for Improving Health Referral Processing in a Care Management Setting

論文の概要: Integrating Machine Learning with Discrete Event Simulation for Improving Health Referral Processing in a Care Management Setting

arxiv url: http://arxiv.org/abs/2206.12551v1
Date: Sat, 25 Jun 2022 04:42:52 GMT
ステータス: 処理完了
システム内更新日: 2022-07-03 08:16:53.835673
Title: Integrating Machine Learning with Discrete Event Simulation for Improving Health Referral Processing in a Care Management Setting
Title（参考訳）: 個別イベントシミュレーションと機械学習の統合によるケア管理における健康紹介処理の改善
Authors: Mohammed Mahyoub
Abstract要約: 退院後のケアマネジメントは患者の紹介を調整し、健康を改善します。本研究は、健康状態の改善と関連するコストの削減における、ポストディスチャージケアマネジメントの役割を強調する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Post-discharge care management coordinates patients' referrals to improve their health after being discharged from hospitals, especially elderly and chronically ill patients. In a care management setting, health referrals are processed by a specialized unit in the managed care organization (MCO), which interacts with many other entities including inpatient hospitals, insurance companies, and post-discharge care providers. In this paper, a machine-learning-guided discrete event simulation framework to improve health referrals processing is proposed. Random-forest-based prediction models are developed to predict the LOS and referral type. Two simulation models are constructed to represent the as-is configuration of the referral processing system and the intelligent system after incorporating the prediction functionality, respectively. By incorporating a prediction module for the referral processing system to plan and prioritize referrals, the overall performance was enhanced in terms of reducing the average referral creation delay time. This research will emphasize the role of post-discharge care management in improving health quality and reducing associated costs. Also, the paper demonstrates how to use integrated systems engineering methods for process improvement of complex healthcare systems.
Abstract（参考訳）: 退院後ケア管理は、病院、特に高齢者および慢性疾患患者を退院させた後、患者の健康を改善するために患者の紹介を調整する。医療管理設定では、医療紹介は管理ケア機関(MCO)の専門部門によって処理され、病院、保険会社、退院後のケア提供者など、他の多くの機関と相互作用する。本稿では,健康参照処理を改善するための機械学習による離散イベントシミュレーションフレームワークを提案する。 LOSと参照型を予測するために,ランダムフォレストに基づく予測モデルを開発した。 2つのシミュレーションモデルを構築し、それぞれ予測機能を組み込んだ後、参照処理システムとインテリジェントシステムのas-is構成を表現する。参照処理システムに予測モジュールを組み込んで参照を計画・優先順位付けすることにより,平均参照生成遅延時間を削減することで全体的な性能が向上した。本研究は、健康状態の改善と関連するコストの削減における、ポストディスチャージケアマネジメントの役割を強調する。また,複雑な医療システムのプロセス改善に統合システム工学手法を用いる方法について述べる。

関連論文リスト

Zero Shot Health Trajectory Prediction Using Transformer [11.660997334071952]
ETHOS(Enhanced Transformer for Health Outcome Simulation)は、健康データ解析のためのトランスフォーマーディープラーニングアーキテクチャの新しい応用である。 ETHOSは、将来の健康軌道を予測するために、患者健康時間線(PHT)の詳細とトークン化された健康イベントの記録を使用して訓練されている。
論文参考訳（メタデータ） (2024-07-30T18:33:05Z)
A machine learning framework for interpretable predictions in patient pathways: The case of predicting ICU admission for patients with symptoms of sepsis [3.5280004326441365]
PatWay-Netは、敗血症患者の集中治療室への入院の予測を解釈するために設計されたMLフレームワークである。本稿では,新しいタイプのリカレントニューラルネットワークを提案し,それを多層パーセプトロンと組み合わせて患者経路を処理する。我々は、患者の健康状態、予測結果、関連するリスクを視覚化する包括的ダッシュボードを通じて、その実用性を実証する。
論文参考訳（メタデータ） (2024-05-21T20:31:42Z)
Operationalizing Counterfactual Metrics: Incentives, Ranking, and Information Asymmetry [62.53919624802853]
このような平均的な治療結果の指標から生じるインセンティブのずれを分析した。本稿では,患者が対象とするランキングシステムにおいて,対物メトリクスを合理的に振る舞うように修正する方法を示す。
論文参考訳（メタデータ） (2023-05-24T00:24:38Z)
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)
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)
The Medkit-Learn(ing) Environment: Medical Decision Modelling through Simulation [81.72197368690031]
医用シーケンシャルな意思決定に特化して設計された新しいベンチマークスイートを提案する。 Medkit-Learn(ing) Environmentは、高忠実度合成医療データに簡単かつ簡単にアクセスできるPythonパッケージである。
論文参考訳（メタデータ） (2021-06-08T10:38:09Z)
Criticality and Utility-aware Fog Computing System for Remote Health Monitoring [0.31498833540989407]
リアルタイムのスマートヘルスアプリケーションは、効率よく解決しなければならない遅延制約を生じさせる。このようなリアルタイムアプリケーションのための効率的なソリューションとして、フォグコンピューティングが登場している。医療センターは、Fogコンピューティングリソースを採用することで利益を上げるために、IoTベースの遠隔医療システムに惹かれています。
論文参考訳（メタデータ） (2021-05-24T05:28:06Z)
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)
I-Health: Leveraging Edge Computing and Blockchain for Epidemic Management [36.55809341110476]
エピデミックな状況は、厳密な時間制約の中で、異なる場所やエンティティから集中的なデータ収集と管理を要求する。本稿では, 独自の医療システムにおいて, 多様なeヘルスエンティティを集約することを目的とした, インテリジェントヘルス(Iヘルス)システムを提案する。特に,早期発見,遠隔監視,迅速な緊急対応が可能な,患者自動監視方式をエッジに設計する。
論文参考訳（メタデータ） (2020-12-18T23:41:00Z)
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)
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。