論文の概要: Assortment Optimization for Patient-Provider Matching

• arxiv url: http://arxiv.org/abs/2502.10353v1
• Date: Fri, 14 Feb 2025 18:32:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-17 14:47:51.904661
• Title: Assortment Optimization for Patient-Provider Matching
• Title（参考訳）: 患者提供者マッチングのための選択肢最適化
• Authors: Naveen Raman, Holly Wiberg,
• Abstract要約: ライジングプロバイダのターンオーバーは、医療管理者に対して、患者を利用可能なプロバイダに頻繁に再マッチさせるよう強制する。 そこで我々は,各患者に提供者のメニューを同時に提供する患者-研究者マッチングモデルを開発した。 アソシエーションを前もって提供することで、管理者は論理的容易性と患者の自律性のバランスをとることができる。
• 参考スコア（独自算出の注目度）: 4.806579822134391
• License:
• Abstract: Rising provider turnover forces healthcare administrators to frequently rematch patients to available providers, which can be cumbersome and labor-intensive. To reduce the burden of rematching, we study algorithms for matching patients and providers through assortment optimization. We develop a patient-provider matching model in which we simultaneously offer each patient a menu of providers, and patients subsequently respond and select providers. By offering assortments upfront, administrators can balance logistical ease and patient autonomy. We study policies for assortment optimization and characterize their performance under different problem settings. We demonstrate that the selection of assortment policy is highly dependent on problem specifics and, in particular, on a patient's willingness to match and the ratio between patients and providers. On real-world data, we show that our best policy can improve match quality by 13% over a greedy solution by tailoring assortment sizes based on patient characteristics. We conclude with recommendations for running a real-world patient-provider matching system inspired by our results.
• Abstract（参考訳）: サービス提供者の増加により、医療管理者は患者を利用可能なプロバイダーに頻繁に再マッチさせざるを得なくなり、これは面倒で労働集約的になる可能性がある。 再マッチングの負担を軽減するため,コンソーシング最適化を用いて患者と提供者をマッチングするアルゴリズムについて検討した。 そこで我々は,各患者に提供者のメニューを同時に提供し,その後,患者が対応し,選択する提供者を選択する患者-提案者マッチングモデルを開発した。 アソシエーションを前もって提供することで、管理者は論理的容易性と患者の自律性のバランスをとることができる。 本研究では,アソシエーション最適化のポリシーについて検討し,その性能を異なる問題設定で評価する。 特に患者が適合する意思と患者と提供者の比率に大きく依存していることが実証された。 実世界のデータから,患者特性に基づいてアソートサイズを調整することで,グリージーなソリューションよりもマッチ品質を13%改善できることが示唆された。 結果にインスパイアされた実世界の患者-医師マッチングシステムを実行するための推奨事項を締めくくった。

関連論文リスト

• Emulating Full Client Participation: A Long-Term Client Selection Strategy for Federated Learning [48.94952630292219]
  本稿では,クライアントの完全参加によって達成されるパフォーマンスをエミュレートする新しいクライアント選択戦略を提案する。 1ラウンドで、クライアントサブセットとフルクライアントセット間の勾配空間推定誤差を最小化し、クライアントを選択する。 複数ラウンド選択において、類似したデータ分布を持つクライアントが選択される頻度に類似することを保証する、新しい個性制約を導入する。
  論文  参考訳（メタデータ） (2024-05-22T12:27:24Z)
• WellFactor: Patient Profiling using Integrative Embedding of Healthcare Data [2.370296071691569]
  WellFactorは、異なるソースの情報を統合することで、患者のプロファイルを導出する手法である。 WellFactorは、しばしば医療データに固有の空間を扱うように最適化されている。 分類性能の他の手法と比較すると、より良い結果が得られる。
  論文  参考訳（メタデータ） (2023-12-21T18:49:22Z)
• Predictive and Prescriptive Analytics for Multi-Site Modeling of Frail and Elderly Patient Services [0.0]
  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。
  論文  参考訳（メタデータ） (2023-11-13T12:25:45Z)
• 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)
• Deep Attention Q-Network for Personalized Treatment Recommendation [1.6631602844999724]
  パーソナライズされた治療レコメンデーションのためのDeep Attention Q-Networkを提案する。 深い強化学習フレームワーク内のTransformerアーキテクチャは、過去のすべての患者の観察を効率的に取り入れている。 実世界の敗血症と急性低血圧コホートにおけるモデルの評価を行い、最先端モデルよりも優れていることを示した。
  論文  参考訳（メタデータ） (2023-07-04T07:00:19Z)
• SPeC: A Soft Prompt-Based Calibration on Performance Variability of Large Language Model in Clinical Notes Summarization [50.01382938451978]
  本稿では,ソフトプロンプトを用いたモデルに依存しないパイプラインを導入し,確率に基づく要約の利点を保ちながら分散を減少させる。 実験結果から,本手法は性能を向上するだけでなく,様々な言語モデルの分散を効果的に抑制することが明らかとなった。
  論文  参考訳（メタデータ） (2023-03-23T04:47:46Z)
• 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)
• Aligning with Heterogeneous Preferences for Kidney Exchange [7.858296711223292]
  不均一な道徳的嗜好に基づいて患者を優先する手法を提案する。 本手法は, サンプル選好順序における一致患者の平均ランクを上昇させ, グループ選好の満足度の向上を示唆する。
  論文  参考訳（メタデータ） (2020-06-16T21:16:53Z)
• 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)
• DTR Bandit: Learning to Make Response-Adaptive Decisions With Low Regret [59.81290762273153]
  動的治療体制 (DTR) はパーソナライズされ適応された多段階の治療計画であり、治療決定を個人の初期特徴に適応させ、その後の各段階における中間結果と特徴に適応させる。 本稿では,探索と搾取を慎重にバランスさせることで,遷移モデルと報酬モデルが線形である場合に,速度-最適後悔を実現する新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-05-06T13:03:42Z)

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。