Fugu-MT 論文翻訳(概要): Predictive and Prescriptive Analytics for Multi-Site Modeling of Frail and Elderly Patient Services

論文の概要: Predictive and Prescriptive Analytics for Multi-Site Modeling of Frail and Elderly Patient Services

arxiv url: http://arxiv.org/abs/2311.07283v1
Date: Mon, 13 Nov 2023 12:25:45 GMT
ステータス: 処理完了
システム内更新日: 2023-11-14 14:39:59.055840
Title: Predictive and Prescriptive Analytics for Multi-Site Modeling of Frail and Elderly Patient Services
Title（参考訳）: frailと高齢者サービスの多地点モデリングのための予測および規範的分析
Authors: Elizabeth Williams, Daniel Gartner, Paul Harper
Abstract要約: 本研究の目的は、需要が増大している医療分野における、様々な予測的、規範的分析手法が、運用上の課題にどのように貢献するかを評価することである。規範的な面では、ベッドや病棟のスタッフを最適に計画する方法を決定するための決定論的プログラムと2段階プログラムが開発されている。我々の研究は、医療管理者が予測モデルと規範モデルを使ってより情報的な意思決定を行うことを検討すべきであることを明らかにしている。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Recent research has highlighted the potential of linking predictive and prescriptive analytics. However, it remains widely unexplored how both paradigms could benefit from one another to address today's major challenges in healthcare. One of these is smarter planning of resource capacities for frail and elderly inpatient wards, addressing the societal challenge of an aging population. Frail and elderly patients typically suffer from multimorbidity and require more care while receiving medical treatment. The aim of this research is to assess how various predictive and prescriptive analytical methods, both individually and in tandem, contribute to addressing the operational challenges within an area of healthcare that is growing in demand. Clinical and demographic patient attributes are gathered from more than 165,000 patient records and used to explain and predict length of stay. To that extent, we employ Classification and Regression Trees (CART) analysis to establish this relationship. On the prescriptive side, deterministic and two-stage stochastic programs are developed to determine how to optimally plan for beds and ward staff with the objective to minimize cost. Furthermore, the two analytical methodologies are linked by generating demand for the prescriptive models using the CART groupings. The results show the linked methodologies provided different but similar results compared to using averages and in doing so, captured a more realistic real-world variation in the patient length of stay. Our research reveals that healthcare managers should consider using predictive and prescriptive models to make more informed decisions. By combining predictive and prescriptive analytics, healthcare managers can move away from relying on averages and incorporate the unique characteristics of their patients to create more robust planning decisions, mitigating risks caused by variations in demand.
Abstract（参考訳）: 最近の研究は、予測分析と規範分析のリンクの可能性を強調している。しかし、今日の医療における大きな課題に対処するために、両方のパラダイムが互いにどのように利益を享受できるかは、いまだに未定である。そのうちの1つは、高齢者や高齢者の病棟の資源容量のよりスマートな計画であり、高齢化の社会的な課題に対処している。虚弱や高齢者は通常多病性に悩まされ、治療中により多くのケアを必要とする。本研究の目的は,様々な予測的および規範的分析手法が,需要が増加している医療分野における運用上の課題への対処にどのように寄与するかを評価することである。臨床および人口統計学的属性は165,000人以上の患者の記録から収集され、滞在期間の説明と予測に用いられる。そこで我々は,この関係を確立するために分類・回帰木解析(CART)を用いた。規範的側面では,決定論的・二段階確率的プログラムが開発され,コストを最小限に抑えるために,ベッドや病棟のスタッフを最適に計画する方法が決定される。さらに,この2つの分析手法は,カートグルーピングを用いた記述モデルに対する需要を発生させることによって関連付けられる。その結果,本手法は平均値と比較して異なるが類似した結果が得られ,その結果,患者滞在期間においてより現実的な実世界変動が得られた。当社の研究は、ヘルスケアマネージャがよりインフォームドな意思決定に予測モデルと規範モデルを使うべきだ、ということを明らかにしています。予測分析と規範分析を組み合わせることで、医療管理者は平均値に頼ることから離れ、患者のユニークな特徴を取り入れ、より堅牢な計画決定を作成し、需要の変化によるリスクを軽減できる。

関連論文リスト

A machine learning framework for interpretable predictions in patient pathways: The case of predicting ICU admission for patients with symptoms of sepsis [3.5280004326441365]
PatWay-Netは、敗血症患者の集中治療室への入院の予測を解釈するために設計されたMLフレームワークである。本稿では,新しいタイプのリカレントニューラルネットワークを提案し,それを多層パーセプトロンと組み合わせて患者経路を処理する。我々は、患者の健康状態、予測結果、関連するリスクを視覚化する包括的ダッシュボードを通じて、その実用性を実証する。
論文参考訳（メタデータ） (2024-05-21T20:31:42Z)
Enhancing Uncertain Demand Prediction in Hospitals Using Simple and Advanced Machine Learning [3.9054437595657534]
イスラエルのランバム医療センターの患者ケア需要データを用いて, 両モデルが時間差の患者需要を効果的に捉えていることを示す。機械学習を用いて3日または1週間前に、患者のケア需要を精度よく予測できる(約4人)。
論文参考訳（メタデータ） (2024-04-29T13:05:59Z)
MedDiffusion: Boosting Health Risk Prediction via Diffusion-based Data Augmentation [58.93221876843639]
本稿では,MedDiffusion という,エンドツーエンドの拡散に基づくリスク予測モデルを提案する。トレーニング中に合成患者データを作成し、サンプルスペースを拡大することで、リスク予測性能を向上させる。ステップワイズ・アテンション・メカニズムを用いて患者の来訪者間の隠れた関係を識別し、高品質なデータを生成する上で最も重要な情報をモデルが自動的に保持することを可能にする。
論文参考訳（メタデータ） (2023-10-04T01:36:30Z)
Hypergraph Convolutional Networks for Fine-grained ICU Patient Similarity Analysis and Risk Prediction [15.06049250330114]
集中治療ユニット(ICU、Intensive Care Unit)は、重篤な患者を認め、継続的な監視と治療を提供する病院の最も重要な部分の1つである。臨床意思決定における医療従事者を支援するために,様々な患者結果予測手法が試みられている。
論文参考訳（メタデータ） (2023-08-24T05:26:56Z)
Building predictive models of healthcare costs with open healthcare data [0.0]
本稿では,機械学習技術を用いた予測モデル開発手法を提案する。我々は2016年に230万件の患者データを分析した。私たちは、患者の診断と人口統計からコストを予測するモデルを構築しました。
論文参考訳（メタデータ） (2023-04-05T02:12:58Z)
MIMO: Mutual Integration of Patient Journey and Medical Ontology for Healthcare Representation Learning [49.57261599776167]
本稿では、医療表現学習と予測分析のための、エンドツーエンドの堅牢なトランスフォーマーベースのソリューション、患者旅行の相互統合、医療オントロジー(MIMO)を提案する。
論文参考訳（メタデータ） (2021-07-20T07:04:52Z)
Semi-Supervised Variational Reasoning for Medical Dialogue Generation [70.838542865384]
医療対話生成には,患者の状態と医師の行動の2つの重要な特徴がある。医療対話生成のためのエンドツーエンドの変分推論手法を提案する。行動分類器と2つの推論検出器から構成される医師政策ネットワークは、拡張推論能力のために提案される。
論文参考訳（メタデータ） (2021-05-13T04:14:35Z)
Approximate Bayesian Computation for an Explicit-Duration Hidden Markov Model of COVID-19 Hospital Trajectories [55.786207368853084]
新型コロナウイルス(COVID-19)のパンデミックの中、病院の資源をモデル化する問題に取り組んでいます。幅広い適用性のために、関心のある領域の患者レベルデータが利用できない、一般的なが困難なシナリオに注目します。本稿では,ACED-HMM(ACED-HMM)と呼ばれる集合数正規化隠れマルコフモデルを提案する。
論文参考訳（メタデータ） (2021-04-28T15:32:42Z)
Clinical Outcome Prediction from Admission Notes using Self-Supervised Knowledge Integration [55.88616573143478]
臨床テキストからのアウトカム予測は、医師が潜在的なリスクを見落としないようにする。退院時の診断,手術手順,院内死亡率,長期予測は4つの一般的な結果予測対象である。複数の公開資料から得られた患者結果に関する知識を統合するために,臨床結果の事前学習を提案する。
論文参考訳（メタデータ） (2021-02-08T10:26:44Z)
Improving healthcare access management by predicting patient no-show behaviour [0.0]
本研究は,参加を促す戦略の実装を支援するため,DSS(Decision Support System)を開発する。回帰モデルの精度を向上させるために,異なる機械学習手法の有効性を評価する。過去の研究で報告された関係の定量化に加えて、収入と近隣の犯罪統計はノーショー確率に影響を与えることが判明した。
論文参考訳（メタデータ） (2020-12-10T14:57:25Z)
BiteNet: Bidirectional Temporal Encoder Network to Predict Medical Outcomes [53.163089893876645]
本稿では,患者の医療旅行におけるコンテキスト依存と時間的関係を捉える,新たな自己注意機構を提案する。エンド・ツー・エンドの双方向時間エンコーダネットワーク(BiteNet)が患者の旅路の表現を学習する。実世界のEHRデータセットを用いた2つの教師付き予測と2つの教師なしクラスタリングタスクにおける手法の有効性を評価した。
論文参考訳（メタデータ） (2020-09-24T00:42:36Z)

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。