論文の概要: Assessing the Impact of External and Internal Factors on Emergency Department Overcrowding

• arxiv url: http://arxiv.org/abs/2505.06238v1
• Date: Fri, 25 Apr 2025 22:56:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-18 22:55:23.15799
• Title: Assessing the Impact of External and Internal Factors on Emergency Department Overcrowding
• Title（参考訳）: 救急部門超過に対する外部・内部要因の影響評価
• Authors: Abdulaziz Ahmed, Khalid Y Aram, Mohammed Alzeen, Orhun Vural, James Booth, Brittany F. Lindsey, Bunyamin Ozaydin,
• Abstract要約: 本研究は、ED追跡データと病院国勢調査データと、天気、フットボールイベント、連邦政府のホリデーシーズンなどの外部情報源のデータを統合する。 7つの回帰モデルが開発され、気象条件、病院の国勢調査、連邦政府の休日、異なるタイムスタンプでのフットボールの試合など、様々な予測要因の効果を評価する。
• 参考スコア（独自算出の注目度）: 2.279082199971367
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Study Objective: To analyze the factors influencing Emergency Department (ED) overcrowding by examining the impacts of operational, environmental, and external variables, including weather conditions and football games. Methods: This study integrates ED tracking and hospital census data from a southeastern U.S. academic medical center (2019-2023) with data from external sources, including weather, football events, and federal holidays. The dependent variable is the hourly waiting count in the ED. Seven regression models were developed to assess the effects of different predictors such as weather conditions, hospital census, federal holidays, and football games across different timestamps. Results: Some weather conditions significantly increased ED crowding in the Baseline Model, while federal holidays and weekends consistently reduced waiting counts. Boarding count positively correlated with ED crowding when they are concurrent, but earlier boarding count (3-6 hours before) showed significant negative associations, reducing subsequent waiting counts. Hospital census exhibited a negative association in the Baseline Model but shifted to a positive effect in other models, reflecting its time-dependent influence on ED operations. Football games 12 hours before significantly increased waiting counts, while games 12 and 24 hours after had no significant effects. Conclusion: This study highlights the importance of incorporating both operational and non-operational factors (e.g., weather) to understand ED patient flow. Identifying robust predictors such as weather, federal holidays, boarding count, and hospital census can inform dynamic resource allocation strategies to mitigate ED overcrowding effectively.
• Abstract（参考訳）: 研究対象:気象条件やフットボールの試合を含む運用,環境,外部変数の影響を調べることにより,救急部門(ED)の混雑に影響を与える要因を分析する。 方法: 本研究は、米国南東部の大学医療センター(2019-2023)のED追跡と病院の国勢調査データと、天気、フットボールイベント、連邦政府の休日などの外部情報源のデータを統合する。 依存変数はEDの時間待ち数である。 7つの回帰モデルが開発され、気象条件、病院の国勢調査、連邦政府の休日、異なるタイムスタンプでのフットボールの試合など、様々な予測要因の効果を評価する。 結果:いくつかの気象条件はベースラインモデルにおけるEDの混雑を著しく増加させ、連邦政府の休日と週末は一貫して待ち時間を減少させた。 乗務員数とED群集との相関が認められたが, 乗務員数(3～6時間前)では有意な負の相関がみられ, 後続の待ち時間が減少した。 病院の国勢調査ではベースラインモデルには否定的な関連性を示したが、他のモデルには肯定的な影響が見られ、ED操作に時間依存の影響が反映された。 12時間前のフットボールの試合では待ち時間が大幅に増加し、12時間と24時間後の試合では大きな影響はなかった。 結論: 本研究は, ED患者の流れを理解するために, 操作因子と非操作因子(例えば, 天候)を併用することの重要性を強調した。 気象、連邦政府の休日、搭乗数、病院の国勢調査などの堅牢な予測因子を特定すれば、ED過密を効果的に緩和するための動的資源配分戦略を知ることができる。

関連論文リスト

• An Artificial Intelligence-Based Framework for Predicting Emergency Department Overcrowding: Development and Evaluation Study [2.3933684192993177]
  本研究では,2つの時間スケールで救急部門(ED)の待合室占有率を予測する機械学習モデルを開発した。 時間ごとのモデルでは、待ち時間が6時間前(例えば午後7時)に予測され、日毎のモデルでは、次の24時間の平均待ち時間が推定される。 これらのツールはスタッフの意思決定をサポートし、早期の介入によって過密を減らすことができる。
  論文  参考訳（メタデータ） (2025-04-23T00:23:13Z)
• Performative Time-Series Forecasting [71.18553214204978]
  我々は,機械学習の観点から,パフォーマンス時系列予測(PeTS)を定式化する。 本稿では,予測分布シフトに対する遅延応答の概念を活用する新しい手法であるFeature Performative-Shifting(FPS)を提案する。 新型コロナウイルスの複数の時系列モデルと交通予報タスクを用いた総合的な実験を行った。
  論文  参考訳（メタデータ） (2023-10-09T18:34:29Z)
• How does Imaging Impact Patient Flow in Emergency Departments? [0.0]
  ED群集につながる根底にある要因は、多種多様で複雑である。 病院内ベッドの欠如は、しばしば群集の主な原因とされている。 EDの他の補助的資源への依存、例えばイメージング、コンサルティング、研究室は、群衆形成にも貢献している。
  論文  参考訳（メタデータ） (2022-09-24T02:03:19Z)
• A Temporal Fusion Transformer for Long-term Explainable Prediction of Emergency Department Overcrowding [0.0]
  救急省(英語: emergency Departments、略称:ED)は、ポルトガル国立衛生局(英語版)の基本的な要素である。 サービスを利用する患者の数を予測することは特に困難である。 本稿では,新しい深層学習アーキテクチャであるTemporal Fusion Transformerについて述べる。 我々は,ポルトガルの保健地域(HRA)では平均絶対過誤(MAPE)が5.90%,Root Mean Squared Error(RMSE)が84.4102人/日で予測可能であると結論づけた。
  論文  参考訳（メタデータ） (2022-07-01T18:08:07Z)
• Practical Challenges in Differentially-Private Federated Survival Analysis of Medical Data [57.19441629270029]
  本稿では,ニューラルネットワークの本質的特性を活用し,生存分析モデルの訓練過程を関連づける。 小さな医療データセットと少数のデータセンターの現実的な設定では、このノイズはモデルを収束させるのが難しくなります。 DPFed-post は,私的フェデレート学習方式に後処理の段階を追加する。
  論文  参考訳（メタデータ） (2022-02-08T10:03:24Z)
• Disentangled Counterfactual Recurrent Networks for Treatment Effect Inference over Time [71.30985926640659]
  本稿では,DCRN(Disentangled Counterfactual Recurrent Network)を提案する。 時間とともに治療効果の因果構造に完全にインスパイアされたアーキテクチャでは、予測精度と疾患理解が向上する。 実データとシミュレーションデータの両方において,DCRNが処理応答予測の最先端手法より優れていることを示す。
  論文  参考訳（メタデータ） (2021-12-07T16:40:28Z)
• Designing A Clinically Applicable Deep Recurrent Model to Identify Neuropsychiatric Symptoms in People Living with Dementia Using In-Home Monitoring Data [52.40058724040671]
  鎮静は認知症において高い有病率を有する神経精神医学症状の1つである。 扇動エピソードの検出は、認知症に生きる人々(PLWD)に早期かつタイムリーな介入を提供するのに役立つ。 本研究は,家庭内モニタリングデータを用いてPLWDの動揺リスクを分析するための教師付き学習モデルを提案する。
  論文  参考訳（メタデータ） (2021-10-19T11:45:01Z)
• Investigating Underlying Drivers of Variability in Residential Energy Usage Patterns with Daily Load Shape Clustering of Smart Meter Data [53.51471969978107]
  スマートメータの大規模展開は、日々の負荷パターンの分散を探求する研究の動機となっている。 本稿では,電力消費パターンが変動性を示すメカニズムを明らかにすることを目的とした。
  論文  参考訳（メタデータ） (2021-02-16T16:56:27Z)
• Effect of different patient peak arrivals on an Emergency Department via discrete event simulation [0.0]
  イタリア中部の地震で被害を受けた中規模EDを流れる患者を調査するモデルを提案する。 特に本研究の目的は,患者到着回数の急激な急激な増加を引き起こす危機事象(自然災害など)に対応する,異常なED条件をシミュレートすることである。 このモデルは、大規模災害が発生した場合に起動する特定の緊急計画を定義する上で、ED管理者に有効な意思決定支援システムを提供する。
  論文  参考訳（メタデータ） (2021-01-29T06:55:53Z)
• Effectiveness and Compliance to Social Distancing During COVID-19 [72.94965109944707]
  われわれは、米国内での新型コロナウイルスの感染拡大に対する在宅勤務注文の影響を評価するために、詳細なモビリティデータを用いている。 一方向性グランガー因果性(一方向性グランガー因果性)は、家庭で毎日過ごす時間の割合の中央値から、2週間の遅れを伴うCOVID-19関連死亡件数の日数までである。
  論文  参考訳（メタデータ） (2020-06-23T03:36:19Z)

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。