論文の概要: Multicriteria Optimization Techniques for Understanding the Case Mix
Landscape of a Hospital
- arxiv url: http://arxiv.org/abs/2308.07322v1
- Date: Mon, 31 Jul 2023 22:55:48 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-20 16:27:22.837793
- Title: Multicriteria Optimization Techniques for Understanding the Case Mix
Landscape of a Hospital
- Title（参考訳）: 病院の事例混在景観理解のための多条件最適化手法
- Authors: Robert L Burdett, Paul Corry, Prasad Yarlagadda, David Cook, Sean
Birgan
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Various medical and surgical units operate in a typical hospital and to treat
their patients these units compete for infrastructure like operating rooms (OR)
and ward beds. How that competition is regulated affects the capacity and
output of a hospital. This article considers the impact of treating different
patient case mix (PCM) in a hospital. As each case mix has an economic
consequence and a unique profile of hospital resource usage, this consideration
is important. To better understand the case mix landscape and to identify those
which are optimal from a capacity utilisation perspective, an improved
multicriteria optimization (MCO) approach is proposed. As there are many
patient types in a typical hospital, the task of generating an archive of
non-dominated (i.e., Pareto optimal) case mix is computationally challenging.
To generate a better archive, an improved parallelised epsilon constraint
method (ECM) is introduced. Our parallel random corrective approach is
significantly faster than prior methods and is not restricted to evaluating
points on a structured uniform mesh. As such we can generate more solutions.
The application of KD-Trees is another new contribution. We use them to perform
proximity testing and to store the high dimensional Pareto frontier (PF). For
generating, viewing, navigating, and querying an archive, the development of a
suitable decision support tool (DST) is proposed and demonstrated.
- Abstract（参考訳）: 様々な医療・外科ユニットが典型的な病院で手術を行い、患者を治療するためにこれらのユニットは手術室(OR)や病床などのインフラと競合する。
その競争の規制が病院の容量と出力にどのように影響するか。
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。
各症例は, 経済的な影響と, 病院資源利用のユニークな特徴を有するため, この考察が重要である。
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。
典型的な病院には多くの患者タイプがあるため、非支配的な(すなわちパレート最適)ケースミックスのアーカイブを生成する作業は計算上困難である。
より良いアーカイブを生成するために、改良された並列化エプシロン制約法(ECM)が導入された。
並列ランダム補正手法は従来手法よりも大幅に高速であり,一様メッシュ上での点数評価に制限されない。
そのため、より多くのソリューションを生成できる。
kd-treesの適用も新たな貢献だ。
近接試験や高次元パレートフロンティア(PF)の保存に使用する。
アーカイブの生成,閲覧,ナビゲーション,クエリを行う上で,適切な意思決定支援ツール(DST)の開発が提案されている。
関連論文リスト
- AI Hospital: Benchmarking Large Language Models in a Multi-agent Medical Interaction Simulator [69.51568871044454]
我々は,emphDoctorをプレイヤとして,NPC間の動的医療相互作用をシミュレーションするフレームワークであるtextbfAI Hospitalを紹介した。
この設定は臨床シナリオにおけるLCMの現実的な評価を可能にする。
高品質な中国の医療記録とNPCを利用したマルチビュー医療評価ベンチマークを開発した。
論文 参考訳（メタデータ） (2024-02-15T06:46:48Z) - 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) - 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) - The Efficacy of Utility Functions for Multicriteria Hospital Case-Mix
Planning [0.0]
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。
論文 参考訳（メタデータ） (2023-07-31T22:45:38Z) - SiMCa: Sinkhorn Matrix Factorization with Capacity Constraints [6.241630263094724]
本研究では,ユーザとアイテム間の親和性の両方を潜伏空間に埋め込んだ場合のレコメンデーション問題について検討する。
本稿では, 最適輸送ステップを付加した行列係数化に基づくアルゴリズムを提案し, 観測データからユーザ・イテム親和性をモデル化し, アイテムの埋め込みを学習する。
論文 参考訳（メタデータ） (2022-03-18T18:02:44Z) - Modelling Hospital Strategies in City-Scale Ambulance Dispatching [0.0]
本稿では,大都市におけるマルチエージェント医療環境における救急搬送プロセスのモデル化とシミュレーション手法を提案する。
提案手法は,統合ゲーム理論 (GT) を用いて病院戦略を同定することに基づく。
本研究は, 対象病院のPCIに誘導されたACS患者に救急車を派遣する際の問題点について考察した。
論文 参考訳（メタデータ） (2022-01-05T22:20:12Z) - 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) - 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) - A Twin Neural Model for Uplift [59.38563723706796]
Upliftは条件付き治療効果モデリングの特定のケースです。
相対リスクのベイズ解釈との関連性を利用して定義した新たな損失関数を提案する。
本提案手法は,シミュレーション設定の最先端と大規模ランダム化実験による実データとの競合性を示す。
論文 参考訳（メタデータ） (2021-05-11T16:02:39Z) - Improving Clinical Outcome Predictions Using Convolution over Medical
Entities with Multimodal Learning [0.522145960878624]
患者の死亡と滞在期間(LOS)の早期予測は、患者の命を救い、病院資源の管理に不可欠である。
本研究は,臨床ノートから医療エンティティを抽出し,時系列機能以外の追加機能として利用することにより,予測を改善することを目的とする。
本稿では、医療機関と患者の時系列ICU信号を効果的に組み合わせて学習するだけでなく、畳み込みに基づくマルチモーダルアーキテクチャを提案する。
論文 参考訳（メタデータ） (2020-11-24T20:08:39Z) - COMPOSE: Cross-Modal Pseudo-Siamese Network for Patient Trial Matching [70.08786840301435]
本稿では, CrOss-Modal PseudO-SiamEse Network (COMPOSE) を提案する。
実験の結果,患者基準マッチングでは98.0%,患者基準マッチングでは83.7%の精度でAUCに到達できることがわかった。
論文 参考訳（メタデータ） (2020-06-15T21:01:33Z)
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。