論文の概要: Predicting Healthcare System Visitation Flow by Integrating Hospital Attributes and Population Socioeconomics with Human Mobility Data

• arxiv url: http://arxiv.org/abs/2601.15977v1
• Date: Thu, 22 Jan 2026 13:56:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-23 21:37:20.617401
• Title: Predicting Healthcare System Visitation Flow by Integrating Hospital Attributes and Population Socioeconomics with Human Mobility Data
• Title（参考訳）: 病院属性と人口社会経済データの統合による医療システム訪問フローの予測
• Authors: Binbin Lin, Lei Zou, Hao Tian, Heng Cai, Yifan Yang, Bing Zhou,
• Abstract要約: 病院の容量、ICUの占有率、評価、人気は訪問パターンに大きく影響した。 短距離訪問は主に利便性によって引き起こされるが、長距離訪問は病院の格付けに影響される。 ホワイト・マジョリティ地域は短期訪問の病院格付けに対する感度が低く、アジア人や高等教育水準の高い人は訪問決定において病院格付けを優先した。
• 参考スコア（独自算出の注目度）: 24.929783208560256
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Healthcare visitation patterns are influenced by a complex interplay of hospital attributes, population socioeconomics, and spatial factors. However, existing research often adopts a fragmented approach, examining these determinants in isolation. This study addresses this gap by integrating hospital capacities, occupancy rates, reputation, and popularity with population SES and spatial mobility patterns to predict visitation flows and analyze influencing factors. Utilizing four years of SafeGraph mobility data and user experience data from Google Maps Reviews, five flow prediction models, Naive Regression, Gradient Boosting, Multilayer Perceptrons (MLPs), Deep Gravity, and Heterogeneous Graph Neural Networks (HGNN),were trained and applied to simulate visitation flows in Houston, Texas, U.S. The Shapley additive explanation (SHAP) analysis and the Partial Dependence Plot (PDP) method were employed to examine the combined impacts of different factors on visitation patterns. The findings reveal that Deep Gravity outperformed other models. Hospital capacities, ICU occupancy rates, ratings, and popularity significantly influence visitation patterns, with their effects varying across different travel distances. Short-distance visits are primarily driven by convenience, whereas long-distance visits are influenced by hospital ratings. White-majority areas exhibited lower sensitivity to hospital ratings for short-distance visits, while Asian populations and those with higher education levels prioritized hospital rating in their visitation decisions. SES further influence these patterns, as areas with higher proportions of Hispanic, Black, under-18, and over-65 populations tend to have more frequent hospital visits, potentially reflecting greater healthcare needs or limited access to alternative medical services.
• Abstract（参考訳）: 医療訪問パターンは、病院属性、人口社会経済学、空間要因の複雑な相互作用の影響を受けている。 しかし、既存の研究はしばしば断片化されたアプローチを採用し、これらの行列式を独立に調べている。 本研究は, 病院の容量, 占有率, 評判, 人気度をSESと空間移動パターンと統合し, 訪問フローの予測と影響要因の分析により, このギャップを解消するものである。 4年間のSafeGraphモビリティデータとGoogle Mapsレビューからのユーザエクスペリエンスデータ、Naive Regression、Gradient Boosting、Multilayer Perceptrons(MLP)、Deep Gravity、Heterogeneous Graph Neural Networks(HGNN)の5つのフロー予測モデルを活用することで、テキサス州ヒューストンの訪問フローをシミュレートするトレーニングと適用が行われた。 Shapley additive explanation (SHAP) 分析とpartial Dependence Plot (PDP) 法を用いて, 異なる要因が訪問パターンに与える影響について検討した。 その結果、Deep Gravityは他のモデルよりも優れていたことが判明した。 病院の容量、ICU占有率、評価、人気は訪問パターンに大きく影響し、その影響は旅行距離によって異なる。 短距離訪問は主に利便性によって引き起こされるが、長距離訪問は病院の格付けに影響される。 ホワイト・マジョリティ地域は短期訪問の病院格付けに対する感度が低く、アジア人や高等教育水準の高い人は訪問決定において病院格付けを優先した。 SESは、ヒスパニック、黒人、18歳未満、65人以上の人口の比率が高い地域では、より多くの医療ニーズや代替医療サービスへのアクセスが制限される可能性があるため、これらのパターンにさらに影響を及ぼす。

関連論文リスト

• Explainable Admission-Level Predictive Modeling for Prolonged Hospital Stay in Elderly Populations: Challenges in Low- and Middle-Income Countries [65.4286079244589]
  長期滞在期間 (pLoS) は, 院内感染のリスクに関連する重要な要因である。 入院レベルの患者と病院の診療データを用いて, pLosの予測モデルを開発し, 解説する。
  論文  参考訳（メタデータ） (2026-01-07T23:35:24Z)
• Patients Speak, AI Listens: LLM-based Analysis of Online Reviews Uncovers Key Drivers for Urgent Care Satisfaction [26.391629320279904]
  この研究は、DMVとフロリダのエリアでGoogle Mapsのレビューを収集する。 まず、人口密度、中央値所得、GINI指数、家賃対所得率、貧困率以下の世帯、保険率なし、失業率など、様々な側面の地理空間パターンを分析した。
  論文  参考訳（メタデータ） (2025-03-26T20:45:01Z)
• Deep State-Space Generative Model For Correlated Time-to-Event Predictions [54.3637600983898]
  そこで本研究では,様々な種類の臨床イベント間の相互作用を捉えるために,潜伏状態空間生成モデルを提案する。 また,死亡率と臓器不全の関連性について有意な知見が得られた。
  論文  参考訳（メタデータ） (2024-07-28T02:42:36Z)
• Comparing Federated Stochastic Gradient Descent and Federated Averaging for Predicting Hospital Length of Stay [0.0]
  入院期間(LOS)を確実に予測することは,病院における資源配分の効率化に不可欠である。 従来の予測モデリングツールは、医療機関がプライバシー規則を定めているため、十分なデータと多様なデータを取得するのが難しいことが多い。 このモデリング手法は、病院外の機密データを抽出することなく、異なる病院からの分散データソースをモデル化することで協調的なモデルトレーニングを促進する。
  論文  参考訳（メタデータ） (2024-07-17T17:00:20Z)
• COVID-19's Unequal Toll: An assessment of small business impact disparities with respect to ethnorace in metropolitan areas in the US using mobility data [0.0]
  本研究では、新型コロナウイルス感染拡大に伴う小都市部のレストラン訪問パターンの変化について検討した。 アジア系,黒人系,ヒスパニック系,白人系,アメリカ系,アジア系,アジア系,アジア系,アジア系,アジア系,アジア系,アジア系,アジア系,アジア系,インド系,アジア系,アジア系,アジア系,アジア系,アジア系,アジア系,アジア系,アジア系,アジア系,アジア系,アジア系,アジア系,アジア系,アジア系,アジア系,アジア系,アジア系,アジア系, 以上の結果から,パンデミック後の来訪パターンの低下,回復の遅さが示唆された。
  論文  参考訳（メタデータ） (2024-05-17T23:30:20Z)
• The adoption of non-pharmaceutical interventions and the role of digital infrastructure during the COVID-19 Pandemic in Colombia, Ecuador, and El Salvador [0.0]
  コロンビア、エクアドル、エルサルバドルでのCOVID-19パンデミックの第1波におけるNPI付着の要因について検討した。 モビリティ低下とデジタルインフラストラクチャの品質との間には,大きな相関関係がある。 モビリティ低下とデジタルインフラストラクチャの品質の関連性は、NPIの制約のピーク時に強くなる。
  論文  参考訳（メタデータ） (2022-02-24T13:15:17Z)
• What Do You See in this Patient? Behavioral Testing of Clinical NLP Models [69.09570726777817]
  本稿では,入力の変化に関する臨床結果モデルの振る舞いを評価する拡張可能なテストフレームワークを提案する。 私たちは、同じデータを微調整しても、モデル行動は劇的に変化し、最高のパフォーマンスのモデルが常に最も医学的に可能なパターンを学習していないことを示しています。
  論文  参考訳（メタデータ） (2021-11-30T15:52:04Z)
• 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)
• Forecasting COVID-19 Counts At A Single Hospital: A Hierarchical Bayesian Approach [59.318136981032]
  一つの病院で1日当たりの入院患者数を予測するという課題について検討する。 データのカウント特性を直接キャプチャする階層型ベイズモデルをいくつか開発する。 マサチューセッツ州の8つの病院とイギリスの10の病院のパブリックデータセットに対する我々のアプローチを実証する。
  論文  参考訳（メタデータ） (2021-04-14T11:58:54Z)
• 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)
• Quantifying the Effects of Contact Tracing, Testing, and Containment Measures in the Presence of Infection Hotspots [18.227721607607183]
  複数の証拠は、一人が他の多くの人に感染するホットスポットが、新型コロナウイルスの感染動態において重要な役割を担っていることを強く示唆している。 個人が接触し、互いに感染するサイトへの訪問を具体的に表現する、時間的ポイントプロセスモデリングフレームワークを導入する。 我々のモデルでは、自然に感染した個体によって引き起こされる感染の数が過度に分散する。
  論文  参考訳（メタデータ） (2020-04-15T17:18:32Z)

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。