論文の概要: Integrated Planning in Hospitals: A Review
- arxiv url: http://arxiv.org/abs/2307.05258v1
- Date: Tue, 11 Jul 2023 13:47:26 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-12 14:55:49.760128
- Title: Integrated Planning in Hospitals: A Review
- Title(参考訳): 病院における総合計画の展望
- Authors: Sebastian Rachuba, Melanie Reuter-Oppermann, Clemens Thielen
- Abstract要約: 本稿では,病院における各種資源の総合的な計画に関する運用研究・管理科学文献に焦点を当てる。
関連文献を収集し,不確実性モデリングや実生活データの利用など,さまざまな側面について分析する。
我々は、異なるリソース中心の統合アプローチを分類し、文献のギャップを指摘するために、高いレベルの分類を提供する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Efficient planning of scarce resources in hospitals is a challenging task for
which a large variety of Operations Research and Management Science approaches
have been developed since the 1950s. While efficient planning of single
resources such as operating rooms, beds, or specific types of staff can already
lead to enormous efficiency gains, integrated planning of several resources has
been shown to hold even greater potential, and a large number of integrated
planning approaches have been presented in the literature over the past
decades.
This paper provides the first literature review that focuses specifically on
the Operations Research and Management Science literature related to integrated
planning of different resources in hospitals. We collect the relevant
literature and analyze it regarding different aspects such as uncertainty
modeling and the use of real-life data. Several cross comparisons reveal
interesting insights concerning, e.g., relations between the modeling and
solution methods used and the practical implementation of the approaches
developed. Moreover, we provide a high-level taxonomy for classifying different
resource-focused integration approaches and point out gaps in the literature as
well as promising directions for future research.
- Abstract(参考訳): 病院における資源不足の効率的な計画は、1950年代から様々な運用研究・管理科学のアプローチが開発されてきた課題である。
作業室やベッド、特定のタイプのスタッフといった単一資源の効率的な計画は既に膨大な効率向上につながる可能性があるが、いくつかの資源の統合計画がさらに大きな可能性を秘めていることが示されており、過去数十年にわたって多くの統合計画アプローチが文献に提示されてきた。
本稿では,病院における各種資源の統合計画に関する運用研究と管理科学文献を中心に,第1回文献レビューを行う。
関連文献を収集し,不確実性モデリングや実生活データの利用など,さまざまな側面について分析する。
いくつかのクロス比較は、例えば、モデリングと使用するソリューションメソッドと、開発されたアプローチの実践的実装との関係に関する興味深い洞察を示している。
さらに,異なる資源集中型統合アプローチを分類し,文献のギャップを指摘し,今後の研究に有望な方向性を示すための高レベル分類法を提案する。
関連論文リスト
- Enhancing Representation in Medical Vision-Language Foundation Models
via Multi-Scale Information Extraction Techniques [41.078761802053535]
本稿では,医療基盤モデルの性能向上のために,マルチスケール情報を効果的に活用する手法を提案する。
本研究では,6つのオープンソースデータセットに対する提案手法の有効性について検討した。
論文 参考訳(メタデータ) (2024-01-03T07:22:54Z) - Beyond Efficiency: A Systematic Survey of Resource-Efficient Large
Language Models [34.327846901536425]
LLM(Large Language Models)は、計算、メモリ、エネルギー、金融資源の高消費に課題をもたらす。
本調査は, LLMの資源効率向上を目的とした多種多様な手法を概観することにより, これらの課題を体系的に解決することを目的としている。
論文 参考訳(メタデータ) (2024-01-01T01:12:42Z) - A Reliable Knowledge Processing Framework for Combustion Science using
Foundation Models [0.0]
この研究は、多様な燃焼研究データを処理し、実験研究、シミュレーション、文献にまたがるアプローチを導入している。
開発されたアプローチは、データのプライバシと精度を最適化しながら、計算と経済の費用を最小化する。
このフレームワークは、最小限の人間の監視で、常に正確なドメイン固有の応答を提供する。
論文 参考訳(メタデータ) (2023-12-31T17:15:25Z) - Continual Learning in Medical Image Analysis: A Comprehensive Review of
Recent Advancements and Future Prospects [5.740942482924718]
継続的学習は、統一的で持続可能な深層モデルを開発するための重要なアプローチとして現れてきた。
本稿では,医用画像解析に応用した継続的学習技術の現状を概観する。
論文 参考訳(メタデータ) (2023-12-28T13:16:03Z) - The Efficiency Spectrum of Large Language Models: An Algorithmic Survey [54.19942426544731]
LLM(Large Language Models)の急速な成長は、様々なドメインを変換する原動力となっている。
本稿では,LLMのエンドツーエンドのアルゴリズム開発に不可欠な多面的効率性について検討する。
論文 参考訳(メタデータ) (2023-12-01T16:00:25Z) - Preserving the knowledge of long clinical texts using aggregated
ensembles of large language models [0.0]
臨床テキストには、様々な臨床結果予測タスクに使用できる、豊富で価値のある情報が含まれている。
BERTベースのモデルのような大きな言語モデルを臨床テキストに適用することは、2つの大きな課題をもたらす。
本稿では,大規模言語モデルの集合アンサンブルを用いて,長期臨床テキストの知識を保存するための新しい手法を提案する。
論文 参考訳(メタデータ) (2023-11-02T19:50:02Z) - Learnable Weight Initialization for Volumetric Medical Image Segmentation [66.3030435676252]
本稿では,学習可能な重みに基づくハイブリッド医療画像セグメンテーション手法を提案する。
我々のアプローチはどんなハイブリッドモデルにも簡単に統合でき、外部のトレーニングデータを必要としない。
多臓器・肺がんセグメンテーションタスクの実験は、我々のアプローチの有効性を実証している。
論文 参考訳(メタデータ) (2023-06-15T17:55:05Z) - Domain Generalization for Mammographic Image Analysis with Contrastive
Learning [62.25104935889111]
効果的なディープラーニングモデルのトレーニングには、さまざまなスタイルと品質を備えた大規模なデータが必要である。
より優れたスタイルの一般化能力を備えた深層学習モデルを実現するために,新しいコントラスト学習法が開発された。
提案手法は,様々なベンダスタイルドメインのマンモグラムや,いくつかのパブリックデータセットを用いて,広範囲かつ厳密に評価されている。
論文 参考訳(メタデータ) (2023-04-20T11:40:21Z) - A Field Guide to Federated Optimization [161.3779046812383]
フェデレートされた学習と分析は、分散化されたデータからモデル(あるいは統計)を協調的に学習するための分散アプローチである。
本稿では、フェデレート最適化アルゴリズムの定式化、設計、評価、分析に関する勧告とガイドラインを提供する。
論文 参考訳(メタデータ) (2021-07-14T18:09:08Z) - Deep Learning Schema-based Event Extraction: Literature Review and
Current Trends [60.29289298349322]
ディープラーニングに基づくイベント抽出技術が研究ホットスポットとなっている。
本稿では,ディープラーニングモデルに焦点をあて,最先端のアプローチを見直し,そのギャップを埋める。
論文 参考訳(メタデータ) (2021-07-05T16:32:45Z) - Opportunities and Challenges of Deep Learning Methods for
Electrocardiogram Data: A Systematic Review [62.490310870300746]
心電図(Electrocardiogram、ECG)は、医学および医療において最も一般的に用いられる診断ツールの1つである。
深層学習法は心電図信号を用いた予測医療タスクにおいて有望な結果を得た。
本稿では、モデリングとアプリケーションの観点から、ECGデータに対するディープラーニング手法の体系的なレビューを行う。
論文 参考訳(メタデータ) (2019-12-28T02:44:29Z)
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。