論文の概要: Integrated Planning in Hospitals: A Review

• arxiv url: http://arxiv.org/abs/2307.05258v2
• Date: Tue, 18 Jun 2024 06:02:43 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-20 05:13:54.214453
• Title: Integrated Planning in Hospitals: A Review
• Title（参考訳）: 総合的な病院計画 : 概観
• 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。 手術室、ベッド、特定のタイプのスタッフなどの単一のリソースの効率的な計画は、既に膨大な効率向上につながるが、いくつかのリソース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いる。 本論文は,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あてた最初の文献レビューである。 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。 いくつかのクロス比較は、例えば、使用されるモデリング手法と解法との関係と、開発されたアプローチの実践的実装に関する興味深い洞察を明らかにしている。 さらに,異なる資源に着目した統合アプローチを分類し,文献のギャップを指摘し,将来的な研究の方向性を示すための高レベルな分類法を提供する。

関連論文リスト

• A Survey of Models for Cognitive Diagnosis: New Developments and Future Directions [66.40362209055023]
  本研究の目的は,認知診断の現在のモデルについて,機械学習を用いた新たな展開に注目した調査を行うことである。 モデル構造,パラメータ推定アルゴリズム,モデル評価方法,適用例を比較して,認知診断モデルの最近の傾向を概観する。
  論文  参考訳（メタデータ） (2024-07-07T18:02:00Z)
• Exploring and Benchmarking the Planning Capabilities of Large Language Models [57.23454975238014]
  古典的計画領域と自然言語シナリオの両方を含むベンチマークスイートを構築した。 第2に、LLM計画の強化にICL(In-context Learning)を用いることについて検討し、文脈長の増大と計画性能の向上の直接的な関係について検討する。 第3に、最適計画パスに対する微調整LDMの正の効果と、モデル駆動探索手法の導入の有効性を実証する。
  論文  参考訳（メタデータ） (2024-06-18T22:57:06Z)
• Resource Allocation and Workload Scheduling for Large-Scale Distributed Deep Learning: A Survey [48.06362354403557]
  本調査は,大規模分散DLの効率的な資源配分とワークロードスケジューリング戦略について,主に2019年から2024年までの文献を概説する。 トピックごとに重要な課題を強調し、既存の技術に関する重要な洞察について議論する。 この調査は、コンピュータ科学、人工知能、通信研究者が最近の進歩を理解することを奨励することを目的としている。
  論文  参考訳（メタデータ） (2024-06-12T11:51:44Z)
• 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)
• 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)
• 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。