論文の概要: Decision Support Framework for Home Health Caregiver Allocation Using Optimally Tuned Spectral Clustering and Genetic Algorithm
- arxiv url: http://arxiv.org/abs/2311.00696v2
- Date: Fri, 26 Apr 2024 20:10:22 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-01 00:34:56.120680
- Title: Decision Support Framework for Home Health Caregiver Allocation Using Optimally Tuned Spectral Clustering and Genetic Algorithm
- Title（参考訳）: 最適化されたスペクトルクラスタリングと遺伝的アルゴリズムを用いた在宅介護者配置決定支援フレームワーク
- Authors: Seyed Mohammad Ebrahim Sharifnia, Faezeh Bagheri, Rupy Sawhney, John E. Kobza, Enrique Macias De Anda, Mostafa Hajiaghaei-Keshteli, Michael Mirrielees,
- Abstract要約: 人口高齢化は世界的な課題であり、高齢者の医療やソーシャルサービスへの需要が高まっている。
介護者の配分を効率的に調整し、調整することが不可欠である。
これは予算最適化計画と高品質なケアの提供の両立に不可欠である。
- 参考スコア（独自算出の注目度）: 8.603583916935946
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Population aging is a global challenge, leading to increased demand for health care and social services for the elderly. Home Health Care (HHC) is a vital solution to serve this segment of the population. Given the increasing demand for HHC, it is essential to coordinate and regulate caregiver allocation efficiently. This is crucial for both budget-optimized planning and ensuring the delivery of high-quality care. This research addresses a fundamental question in home health agencies (HHAs): "How can caregiver allocation be optimized, especially when caregivers prefer flexibility in their visit sequences?". While earlier studies proposed rigid visiting sequences, our study introduces a decision support framework that allocates caregivers through a hybrid method that considers the flexibility in visiting sequences and aims to reduce travel mileage, increase the number of visits per planning period, and maintain the continuity of care; a critical metric for patient satisfaction. Utilizing data from an HHA in Tennessee, United States, our approach led to an impressive reduction in average travel mileage (up to 42%, depending on discipline) without imposing restrictions on caregivers. Furthermore, the proposed framework is used for caregivers' supply analysis to provide valuable insights into caregiver resource management.
- Abstract（参考訳）: 人口高齢化は世界的な課題であり、高齢者の医療やソーシャルサービスへの需要が高まっている。
ホームヘルスケア(HHC)は、人口のこの部分を満たすための重要なソリューションである。
HHCの需要が増大する中、介護者の配分を効率的に調整・調整することが不可欠である。
これは予算最適化計画と高品質なケアの提供の両立に不可欠である。
この研究は、在宅医療機関(HHA)の基本的な問題に対処する:「介護者のアロケーションを最適化するには、特に介護者が訪問シーケンスの柔軟性を優先する場合はどうすればよいか?」。
従来,厳格な訪問シーケンスを提唱してきたが,訪問シーケンスの柔軟性を考慮し,旅行距離の削減,計画期間ごとの訪問数の増加,ケアの継続性の維持,患者満足度にとって重要な指標である,ハイブリッド手法によって介護者を割り当てる決定支援フレームワークを導入する。
米国テネシー州のHHAのデータを利用して、当社のアプローチは、介護者に制限を加えることなく、平均走行距離(規律によっては最大42%)を大幅に削減しました。
さらに,介護者のサプライ分析に利用して,介護者資源管理に関する貴重な知見を提供する。
関連論文リスト
- Optimizing Nurse Scheduling: A Supply Chain Approach for Healthcare Institutions [0.0]
我々は,契約上の義務や強制的な休息期間などの要因によって複雑化した作業である,スタッフのシフト割り当ての最適化に焦点をあてる。
特に注目されているのは、医療現場で一般的な人事スケジューリングの課題である、看護師のロスターリングの問題です。
新型コロナウイルス(COVID-19)パンデミックが続く中、医療機関のスタッフの課題が悪化している。
論文 参考訳（メタデータ） (2024-05-29T15:37:51Z) - Evaluating the Fairness of the MIMIC-IV Dataset and a Baseline
Algorithm: Application to the ICU Length of Stay Prediction [65.268245109828]
本稿では、MIMIC-IVデータセットを用いて、滞在時間を予測するXGBoostバイナリ分類モデルにおける公平性とバイアスについて検討する。
この研究は、人口統計属性にわたるデータセットのクラス不均衡を明らかにし、データ前処理と特徴抽出を採用する。
この論文は、偏見を緩和するための公正な機械学習技術と、医療専門家とデータサイエンティストの協力的な努力の必要性について結論付けている。
論文 参考訳（メタデータ） (2023-12-31T16:01:48Z) - Deep Reinforcement Learning for Efficient and Fair Allocation of Health Care Resources [47.57108369791273]
医療資源の枯渇は、レーションの避けられない結果をもたらす可能性がある。
医療資源割り当てプロトコルの普遍的な標準は存在しない。
本稿では,患者の疾患進行と患者間の相互作用効果を統合するためのトランスフォーマーベースのディープQネットワークを提案する。
論文 参考訳（メタデータ） (2023-09-15T17:28:06Z) - Investigation Toward The Economic Feasibility of Personalized Medicine
For Healthcare Service Providers: The Case of Bladder Cancer [0.0]
パーソナライズされた医療を実現するための経済的実現可能性について検討する。
パーソナライズされた治療に対する従来のバイナリアプローチとは異なり、パーソナライズをスペクトルとして扱うことにより、より曖昧な視点を提案する。
その結果, パーソナライズ医療の導入は可能でありながら, 高効率で高価な医療は短命であることが示唆された。
論文 参考訳（メタデータ） (2023-08-15T17:59:46Z) - Large Language Models for Healthcare Data Augmentation: An Example on
Patient-Trial Matching [49.78442796596806]
患者-心電図マッチング(LLM-PTM)のための革新的なプライバシ対応データ拡張手法を提案する。
本実験では, LLM-PTM法を用いて平均性能を7.32%向上させ, 新しいデータへの一般化性を12.12%向上させた。
論文 参考訳（メタデータ） (2023-03-24T03:14:00Z) - Bandit-supported care planning for older people with complex health and
care needs [9.029665615083633]
介護労働者が不足しているため、脆弱な高齢者へのケアは個人固有のニーズや嗜好に完全に適合することができない。
これは、制度化された高齢者の健康状態や生活の質に悪影響を及ぼす可能性がある。
医療従事者限定のケアプランニングとデリバリーによるケア品質向上を図るため,人工知能を活用した新たなケアプランニングモデルを提案する。
論文 参考訳（メタデータ） (2023-03-13T12:22:38Z) - Machine Learning for Deferral of Care Prediction [4.436632973105494]
人口の継続的なケア先延ばしは、人口の健康と複雑な健康問題が減少し、長期的には社会的・財政的なコストが上昇する可能性がある。
マイノリティと脆弱な人口は、社会経済的要因によるケア遅延のリスクが高い。
現在、多くの医療システムは、以前治療を延期した患者を遡及的に識別するためにルールベースの技術を使用している。
本モデルの目的は,ケアを延期するリスクのある患者を識別し,直接的なアウトリーチやソーシャル・メディエーションを通じて,医療機関がケアの延期を防止することである。
論文 参考訳（メタデータ） (2022-06-09T01:21:13Z) - Optimal discharge of patients from intensive care via a data-driven
policy learning framework [58.720142291102135]
退院課題は、退院期間の短縮と退院決定後の退院や死亡のリスクとの不確実なトレードオフに対処することが重要である。
本研究は、このトレードオフを捉えるためのエンドツーエンドの汎用フレームワークを導入し、最適放電タイミング決定を推奨する。
データ駆動型アプローチは、患者の生理的状態を捉えた同種で離散的な状態空間表現を導出するために用いられる。
論文 参考訳（メタデータ） (2021-12-17T04:39:33Z) - 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) - Hybrid Attention for Automatic Segmentation of Whole Fetal Head in
Prenatal Ultrasound Volumes [52.53375964591765]
胎児の頭部全体を米国全巻に分割する,最初の完全自動化ソリューションを提案する。
セグメント化タスクは、まずエンコーダ-デコーダディープアーキテクチャの下で、エンドツーエンドのボリュームマッピングとして定式化される。
次に,セグメンタとハイブリットアテンションスキーム(HAS)を組み合わせることで,識別的特徴を選択し,非情報量的特徴を抑える。
論文 参考訳（メタデータ） (2020-04-28T14:43:05Z)
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。