論文の概要: A System for Critical Facility and Resource Optimization in Disaster Management and Planning

• arxiv url: http://arxiv.org/abs/2410.02956v1
• Date: Thu, 3 Oct 2024 19:57:06 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-03 04:45:27.618760
• Title: A System for Critical Facility and Resource Optimization in Disaster Management and Planning
• Title（参考訳）: 災害管理・計画における臨界施設・資源最適化システム
• Authors: Emmanuel Tung, Ali Mostafavi, Maoxu Li, Sophie Li, Zeeshan Rasheed, Khurram Shafique,
• Abstract要約: 災害時の医療インフラの破壊は、慢性腎臓病や末期腎疾患の重篤な患者に重大なリスクをもたらす。 本研究は, 救急医療システムのレジリエンスを高めるため, 患者再配置のための最適化モデルと, 仮設医療施設の戦略的配置を提案する。
• 参考スコア（独自算出の注目度）: 1.1039307771106914
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Disruptions to medical infrastructure during disasters pose significant risks to critically ill patients with advanced chronic kidney disease or end-stage renal disease. To enhance patient access to dialysis treatment under such conditions, it is crucial to assess the vulnerabilities of critical care facilities to hazardous events. This study proposes optimization models for patient reallocation and the strategic placement of temporary medical facilities to bolster the resilience of the critical care system, with a focus on equitable outcomes. Utilizing human mobility data from Texas, we evaluate patient access to critical care and dialysis centers under simulated hazard scenarios. The proposed bio-inspired optimization model, based on the Ant Colony optimization method, efficiently reallocates patients to mitigate disrupted access to dialysis facilities. The model outputs offer valuable insights into patient and hospital preparedness for disasters. Overall, the study presents a data-driven, analytics-based decision support tool designed to proactively mitigate potential disruptions in access to critical care facilities during disasters, tailored to the needs of health officials, emergency managers, and hospital system administrators in both the private and public sectors.
• Abstract（参考訳）: 災害時の医療インフラの破壊は、進行性慢性腎臓病や末期腎疾患の重篤な患者に重大なリスクをもたらす。 このような条件下での透析治療への患者アクセスを高めるためには,重篤な医療施設の危険事象に対する脆弱性を評価することが重要である。 本研究は,医療システムのレジリエンスを高めるため,患者再配置のための最適化モデルと一時的な医療施設の戦略的配置を提案する。 テキサスからの人体移動データを用いて,シミュレートされたハザードシナリオの下で,重篤なケアや透析センターへの患者アクセスを評価する。 The proposed bio-inspired optimization model, based on the Ant Colony optimization method, which efficient reallocates patients to mitigaterupted access to dialysis facilities。 モデルアウトプットは、災害に備えた患者や病院の備えに関する貴重な洞察を提供する。 全体として、この研究は、災害時に重要な医療施設へのアクセスが中断する可能性を積極的に軽減し、民間と公共の両方の医療機関、緊急管理者、病院システム管理者のニーズに合わせたデータ駆動型分析ベースの意思決定支援ツールである。

関連論文リスト

• Optimal Hospital Capacity Management During Demand Surges [0.13635858675752993]
  本研究では,サージイベント中の病院システム内のキャパシティ管理決定を最適化するためのデータ駆動型フレームワークを提案する。 2つの重要な決定は、戦術的な計画の観点で最適化されている。 この手法は、新型コロナウイルスのパンデミックの最盛期に病院システムで振り返って評価され、推奨された決定の潜在的影響を示す。
  論文  参考訳（メタデータ） (2024-03-23T06:06:06Z)
• Safe and Interpretable Estimation of Optimal Treatment Regimes [54.257304443780434]
  我々は、最適な治療体制を特定するための安全かつ解釈可能な枠組みを運用する。 本研究は患者の医療歴と薬理学的特徴に基づくパーソナライズされた治療戦略を支援する。
  論文  参考訳（メタデータ） (2023-10-23T19:59:10Z)
• Safe AI for health and beyond -- Monitoring to transform a health service [51.8524501805308]
  機械学習アルゴリズムの出力を監視するために必要なインフラストラクチャを評価する。 モデルのモニタリングと更新の例を示す2つのシナリオを提示します。
  論文  参考訳（メタデータ） (2023-03-02T17:27:45Z)
• 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)
• COVID-Net Clinical ICU: Enhanced Prediction of ICU Admission for COVID-19 Patients via Explainability and Trust Quantification [71.80459780697956]
  患者臨床データに基づくICU入院予測のためのニューラルネットワークであるCOVID-Net Clinical ICUを紹介する。 提案されたCOVID-Net Clinical ICUは、1,925人のCOVID-19患者からなるシロ・リバネ病院の臨床データセットを使用して構築された。 定量的説明可能性戦略を用いたシステムレベルの洞察発見を行い,異なる臨床特徴の意思決定効果について検討した。
  論文  参考訳（メタデータ） (2021-09-14T14:16:32Z)
• Adaptive Epidemic Forecasting and Community Risk Evaluation of COVID-19 [9.11149442423076]
  本稿では、公共衛生データを第3のクライアントデータとシームレスに統合し、コミュニティを再オープンするリスクを正確に見積もるフレキシブルなエンドツーエンドソリューションを提案する。 中心となるのは、トランスミッションとモビリティのトレンドを自動キャプチャする最先端の予測モデルだ。
  論文  参考訳（メタデータ） (2021-06-03T19:26:37Z)
• 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)
• 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)
• From predictions to prescriptions: A data-driven response to COVID-19 [42.57407485467993]
  新型コロナウイルスの臨床的特徴を理解するための包括的データ駆動型アプローチを提案する。 私たちは、感染や死亡のリスクを予測するために、パーソナライズされた電卓を構築します。 人工呼吸器の再配置と不足軽減のための最適化モデルを提案する。
  論文  参考訳（メタデータ） (2020-06-30T03:34:00Z)
• Optimizing Medical Treatment for Sepsis in Intensive Care: from Reinforcement Learning to Pre-Trial Evaluation [2.908482270923597]
  本研究の目的は, 介入を最適化する強化学習(RL)が, 学習方針の治験に対する規制に適合する経路を遡及的に得る枠組みを確立することである。 我々は,死の主な原因の一つであり,複雑で不透明な患者動態のため治療が困難である集中治療室の感染症に焦点を当てた。
  論文  参考訳（メタデータ） (2020-03-13T20:31:47Z)

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。