Notice bibliographique
Résumé
In Canada, access to magnetic resonance imaging (MRI) examination is limited with an outcome of long patient waiting time. It is reported that the current median waiting time for MRI examination in Saskatoon is almost double the target for waiting time, which may aggravate the disease. This research is towards reducing the waiting time of patients for MRI examination in Canada by applying an improved management. As a first step of this effort, a comprehensive model of MRI booking and serving system is needed. The city of Saskatoon was taken as an example and the MRI booking and serving system in the city was studied. The common tools (queuing theory, system dynamics (SD) and discrete event dynamics simulation (DES)) were compared and it is found that DES is more suitable, in particular Petri nets (PNs), deemed to be the best choice for the purpose of this thesis. The model in this research was constructed on the basis of Hierarchical Coloured Petri nets (HCPNs), a combination of two extended PNs: Coloured PNs (CPNs) and Hierarchical PNs (HPNs). The model is able to simulate and predict patients' waiting times. Given that the structure of the model developed by HCPNs is still too complex, two extensions to CPNs, Ordered CPNs (OCPNs) and Prioritized HCPNs (PHCPNs), were proposed in this study to reduce the complexity of the model. Validation of the model was performed using the data of Saskatoon Health Region - Royal University Hospital. The results have shown that the proposed model can effectively describe the real system. The model has potential applications in decision-making for the selection of an optimal booking strategy to shorten waiting time and in the prediction of possible waiting time of the system in the future, which may assist MRI administrators in the management of medical resources and may greatly improve the quality of MRI service.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».