論文の概要: The Efficacy of Utility Functions for Multicriteria Hospital Case-Mix
Planning
- arxiv url: http://arxiv.org/abs/2308.07321v1
- Date: Mon, 31 Jul 2023 22:45:38 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-20 16:27:01.374093
- Title: The Efficacy of Utility Functions for Multicriteria Hospital Case-Mix
Planning
- Title(参考訳): マルチクリテリア病院のケース・ミクス・プランニングにおけるユーティリティ機能の有用性
- Authors: Robert L Burdett, Paul Corry, Prasad Yarlagadda, David Cook, Sean
Birgan
- Abstract要約: 本稿では,病院ケースミックスプランニング(CMP)の新たなアプローチについて紹介する。
我々の多基準アプローチは実用機能(UF)を利用して、アウトプットに関する独立した意思決定者の好みと視点を明確にする。
当社のアプローチは、ユーザが扱いたいケースミックスを特定し、さまざまなレベルのアウトプットのさまざまな重要性をモデル化する上で、より優れているかも知れません。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A new approach to perform hospital case-mix planning (CMP) is introduced in
this article. Our multi-criteria approach utilises utility functions (UF) to
articulate the preferences and standpoint of independent decision makers
regarding outputs. The primary aim of this article is to test whether a utility
functions method (UFM) based upon the scalarization of aforesaid UF is an
appropriate quantitative technique to, i) distribute hospital resources to
different operating units, and ii) provide a better capacity allocation and
case mix. Our approach is motivated by the need to provide a method able to
evaluate the trade-off between different stakeholders and objectives of
hospitals. To the best of our knowledge, no such approach has been considered
before in the literature. As we will later show, this idea addresses various
technical limitations, weaknesses, and flaws in current CMP. The efficacy of
the aforesaid approach is tested on a case study of a large tertiary hospital.
Currently UF are not used by hospital managers, and real functions are
unavailable, hence, 14 rational options are tested. Our exploratory analysis
has provided important guidelines for the application of these UF. It indicates
that these UF provide a valuable starting point for planners, managers, and
executives of hospitals to impose their goals and aspirations. In conclusion,
our approach may be better at identifying case mix that users want to treat and
seems more capable of modelling the varying importance of different levels of
output. Apart from finding desirable case mixes to consider, the approach can
provide important insights via a sensitivity analysis of the parameters of each
UF.
- Abstract(参考訳): 本稿では,病院ケースミックスプランニング(CMP)の新たなアプローチを紹介する。
我々の多基準アプローチは実用関数(UF)を利用して、出力に関する独立した意思決定者の好みと視点を明確にする。
本稿の主な目的は、上記UFのスカラー化に基づく実用関数法(UFM)が適切な定量的手法であるかどうかをテストすることである。
一 異なる運営単位に病院の資源を分配すること。
ii) より優れたキャパシティアロケーションとケースミックスを提供する。
当社のアプローチは、異なる利害関係者間のトレードオフと病院の目的を評価できる方法を提供することの必要性が動機となっている。
私たちの知る限りでは、文献にはそのようなアプローチは検討されていない。
後述するように、このアイデアは現在のCMPの様々な技術的制限、弱点、欠陥に対処する。
以上の方法の有効性を, 大規模第3次病院のケーススタディで検証した。
現在UFは病院の管理者には使われておらず、実際の機能は利用できないため、14の合理的オプションがテストされている。
我々の探索分析はこれらのUFの適用に関する重要なガイドラインを提供してきた。
これらのufは,病院の計画立案者,管理者,経営幹部にとって,目標や願望を課す上で重要な出発点となることを示唆する。
結論として、当社のアプローチは、ユーザが扱いたいケースミックスを識別し、さまざまなレベルのアウトプットのさまざまな重要性をモデル化するのに役立つかもしれません。
各UFのパラメータの感度分析を通じて、望ましいケースミックスを見つけることとは別に、このアプローチは重要な洞察を与えることができる。
関連論文リスト
- XAI for In-hospital Mortality Prediction via Multimodal ICU Data [57.73357047856416]
マルチモーダルICUデータを用いて病院内死亡率を予測するための,効率的で説明可能なAIソリューションを提案する。
我々は,臨床データから異種入力を受信し,意思決定を行うマルチモーダル・ラーニングを我々のフレームワークに導入する。
我々の枠組みは、医療研究において重要な要素の発見を容易にする他の臨床課題に容易に移行することができる。
論文 参考訳(メタデータ) (2023-12-29T14:28:04Z) - Empirical Validation of Conformal Prediction for Trustworthy Skin
Lesions Classification [4.192712667327956]
コンフォーマル予測(Conformal Prediction)は、モンテカルロ・ドロップアウトとエビデンシャル・ディープ・ラーニング(Evidential Deep Learning)手法とともに、分布のない不確実性定量化技術である。
実験結果から,多種多様な条件にまたがる共形予測の堅牢性と一貫した性能について考察した。
論文 参考訳(メタデータ) (2023-12-12T17:37:16Z) - Interactive Hyperparameter Optimization in Multi-Objective Problems via
Preference Learning [65.51668094117802]
我々は多目的機械学習(ML)に適した人間中心型対話型HPO手法を提案する。
ユーザが自分のニーズに最も適した指標を推測する代わりに、私たちのアプローチは自動的に適切な指標を学習します。
論文 参考訳(メタデータ) (2023-09-07T09:22:05Z) - Analytical Techniques to Support Hospital Case Mix Planning [0.0]
本稿では、キャパシティアセスメントとケースミックス計画を支援する分析手法と意思決定支援ツールを紹介する。
既存のケースミックスの変更の影響を分析するために最適化モデルを提案する。
競合するケースミックスソリューションを比較し、批判するために、多目的意思決定技術を提案する。
論文 参考訳(メタデータ) (2023-07-31T22:59:34Z) - Multicriteria Optimization Techniques for Understanding the Case Mix
Landscape of a Hospital [0.0]
本報告では, 病院における異なる症例混在(PCM)の治療効果について考察する。
ランドスケープの混在をよりよく理解し, キャパシティ利用の観点から最適であるものを特定するために, 改良されたマルチクリテリア最適化(MCO)手法を提案する。
論文 参考訳(メタデータ) (2023-07-31T22:55:48Z) - BOtied: Multi-objective Bayesian optimization with tied multivariate
ranks [49.85896045032822]
非支配解と最高多変量階との自然な関係を示し、これは合同累積分布関数(CDF)の最外層線と一致する。
我々はCDFインジケータに基づくBOtiedと呼ばれる取得関数を提案する。
論文 参考訳(メタデータ) (2023-06-01T04:50:06Z) - Improving Fairness in AI Models on Electronic Health Records: The Case
for Federated Learning Methods [0.0]
我々は、医療機関が連合学習パラダイムを通じて協力することで、バイアスの懸念を軽減する1つの可能なアプローチを示す。
本稿では,様々な公正度尺度に適合する,対向的偏りを伴う包括的FL手法とフェアアグリゲーション手法を提案する。
本手法は, 判定性能(精度)に最低限の影響を伴って, 有望な公平性を達成している。
論文 参考訳(メタデータ) (2023-05-19T02:03:49Z) - Efficient Real-world Testing of Causal Decision Making via Bayesian
Experimental Design for Contextual Optimisation [12.37745209793872]
文脈的意思決定の評価と改善のためのデータ収集のためのモデルに依存しないフレームワークを提案する。
過去の治療課題の後悔をデータ効率で評価するために,本手法を用いた。
論文 参考訳(メタデータ) (2022-07-12T01:20:11Z) - Closing the Generalization Gap of Cross-silo Federated Medical Image
Segmentation [66.44449514373746]
クロスサイロ・フェデレーション・ラーニング (FL) は近年, 深層学習による医用画像解析において注目されている。
FLでトレーニングされたモデルと、集中的なトレーニングでトレーニングされたモデルの間にはギャップがある。
本稿では,クライアントの問題を回避し,ドリフトギャップを解消するための新しいトレーニングフレームワークであるFedSMを提案する。
論文 参考訳(メタデータ) (2022-03-18T19:50:07Z) - Proximal Reinforcement Learning: Efficient Off-Policy Evaluation in
Partially Observed Markov Decision Processes [65.91730154730905]
医療や教育などの観察データへのオフライン強化学習の適用においては、観察された行動は観測されていない要因に影響される可能性があるという一般的な懸念がある。
ここでは、部分的に観察されたマルコフ決定過程(POMDP)における非政治評価を考慮し、この問題に取り組む。
我々は、近位因果推論の枠組みをPOMDP設定に拡張し、識別が可能となる様々な設定を提供する。
論文 参考訳(メタデータ) (2021-10-28T17:46:14Z) - Resource Planning for Hospitals Under Special Consideration of the
COVID-19 Pandemic: Optimization and Sensitivity Analysis [87.31348761201716]
新型コロナウイルス(covid-19)パンデミックのような危機は、医療機関にとって深刻な課題となる。
BaBSim.Hospitalは離散イベントシミュレーションに基づく容量計画ツールである。
BaBSim.Hospitalを改善するためにこれらのパラメータを調査し最適化することを目指しています。
論文 参考訳(メタデータ) (2021-05-16T12:38:35Z)
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。