論文の概要: How does Imaging Impact Patient Flow in Emergency Departments?
- arxiv url: http://arxiv.org/abs/2209.12895v1
- Date: Sat, 24 Sep 2022 02:03:19 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-28 16:20:00.014169
- Title: How does Imaging Impact Patient Flow in Emergency Departments?
- Title（参考訳）: 救急医療における画像診断の患者フローへの影響
- Authors: Vishnunarayan Girishan Prabhu, Kevin Taaffe, Marisa Shehan, Ronald
Pirrallo, William Jackson, Michael Ramsay, Jessica Hobbs
- Abstract要約: 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。
- 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 Department (ED) overcrowding continues to be a public health issue
as well as a patient safety issue. The underlying factors leading to ED
crowding are numerous, varied, and complex. Although lack of in-hospital beds
is frequently attributed as the primary reason for crowding, ED's dependencies
on other ancillary resources, including imaging, consults, and labs, also
contribute to crowding. Using retrospective data associated with imaging,
including delays, processing time, and the number of image orders, from a large
tier 1 trauma center, we developed a discrete event simulation model to
identify the impact of the imaging delays and bundling image orders on patient
time in the ED. Results from sensitivity analysis show that reducing the delays
associated with imaging and bundling as few as 10% of imaging orders for
certain patients can significantly (p-value < 0.05) reduce the time a patient
spends in the ED.
- Abstract（参考訳）: 救急部門(ed)の過密は、患者の安全問題と同様に公衆衛生の問題であり続けている。
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群集の主な原因とされることが多いが、画像、コンサルティング、研究室など他の補助資源へのEDの依存も群集に寄与している。
大規模1層トラウマセンターからの遅延, 処理時間, 画像注文数などの画像関連リフレクションデータを用いて, EDにおける画像遅延と画像注文のバンドルが患者時間に与える影響を識別する離散事象シミュレーションモデルを開発した。
感度分析の結果、特定の患者に対する撮像順序の10%程度の遅延と結合の削減は、患者がedに費やす時間を大幅に削減できることが示された(p値 < 0.05)。
関連論文リスト
- Conditional Diffusion Model for Longitudinal Medical Image Generation [4.649475179575047]
アルツハイマー病はゆっくりと進行し、生物学的因子間の複雑な相互作用を伴う。
縦断的医療画像データは、時間とともにこの進歩を捉えることができる。
しかし, 患者退院に伴うデータ不足, 不規則な経過観察間隔, 観察期間の変動など, 経時的データが頻繁に発生する。
論文 参考訳（メタデータ） (2024-11-07T06:44:47Z) - CO2Wounds-V2: Extended Chronic Wounds Dataset From Leprosy Patients [57.31670527557228]
本稿では,レプロシー患者のRGB創傷画像の拡張コレクションであるCO2Wounds-V2データセットについて紹介する。
医療分野における画像処理アルゴリズムの開発とテストを強化することを目的としている。
論文 参考訳（メタデータ） (2024-08-20T13:21:57Z) - Harnessing the power of longitudinal medical imaging for eye disease prognosis using Transformer-based sequence modeling [49.52787013516891]
今回提案した Longitudinal Transformer for Survival Analysis (LTSA, Longitudinal Transformer for Survival Analysis, LTSA) は, 縦断的医用画像から動的疾患の予後を予測できる。
時間的注意分析により、最新の画像は典型的には最も影響力のあるものであるが、以前の画像は追加の予後に価値があることが示唆された。
論文 参考訳（メタデータ） (2024-05-14T17:15:28Z) - Leveraging Computer Vision in the Intensive Care Unit (ICU) for Examining Visitation and Mobility [12.347067736902094]
我々は、奥行き画像に基づく最先端の非侵襲型コンピュータビジョンシステムを活用し、ICU訪問と患者の移動性を特徴付ける。
患者視力低下と訪問の増加に伴うデリリウムの出現との関連を見いだした。
ICU患者に対する非侵襲的自律システムの有用性と可能性について検討した。
論文 参考訳（メタデータ） (2024-03-10T21:43:47Z) - Predicting Unplanned Readmissions in the Intensive Care Unit: A
Multimodality Evaluation [2.2559617939136505]
退院は、ある期間内に退院した患者が、同じまたは関連するケアのために再び入院した場合である。
我々は、時系列分析と自然言語処理に最先端の機械学習アプローチを用いて、ICUにおける未計画の可読度を予測する。
論文 参考訳（メタデータ） (2023-05-14T12:20:13Z) - 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) - Robust and Efficient Medical Imaging with Self-Supervision [80.62711706785834]
医用画像AIの堅牢性とデータ効率を向上させるための統一表現学習戦略であるREMEDISを提案する。
様々な医療画像タスクを研究し, 振り返りデータを用いて3つの現実的な応用シナリオをシミュレートする。
論文 参考訳（メタデータ） (2022-05-19T17:34:18Z) - Predicting Patient Readmission Risk from Medical Text via Knowledge
Graph Enhanced Multiview Graph Convolution [67.72545656557858]
本稿では,電子健康記録の医用テキストを予測に用いる新しい手法を提案する。
外部知識グラフによって強化された多視点グラフを有する患者の退院サマリーを表現している。
実験により,本手法の有効性が証明され,最先端の性能が得られた。
論文 参考訳（メタデータ） (2021-12-19T01:45:57Z) - An Interpretable Multiple-Instance Approach for the Detection of
referable Diabetic Retinopathy from Fundus Images [72.94446225783697]
基礎画像における参照糖尿病網膜症検出のための機械学習システムを提案する。
画像パッチから局所情報を抽出し,アテンション機構により効率的に組み合わせることで,高い分類精度を実現することができる。
我々は,現在入手可能な網膜画像データセットに対するアプローチを評価し,最先端の性能を示す。
論文 参考訳（メタデータ） (2021-03-02T13:14:15Z) - 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) - Learning Dynamic and Personalized Comorbidity Networks from Event Data
using Deep Diffusion Processes [102.02672176520382]
コンコルビンド病は、個人によって異なる複雑な時間的パターンを通じて発生し進行する。
電子的な健康記録では、患者が持つ異なる疾患を観察できるが、それぞれの共死状態の時間的関係を推測できるだけである。
我々は「ダイナミック・コオービディティ・ネットワーク」をモデル化するための深層拡散プロセスを開発する。
論文 参考訳（メタデータ） (2020-01-08T15:47:08Z)
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。