Optimal Sequencing of Unpunctual Patients in High‐Service‐Level Clinics
Notice bibliographique
Résumé
Even though patients often arrive early and out of turn for scheduled appointments in outpatient clinics, no research has been undertaken to establish whether an available provider should see an early patient right away (preempt) or wait for the patient scheduled next. This problem, which we call the “Wait‐Preempt Dilemma,” is particularly relevant for “high‐service‐level” clinics (such as psychotherapy, chiropractic, acupuncture), where preempting may cause the missing patient to wait for an excessively long time, should she show up soon. Typically, the dilemma is resolved by preemption, where the provider starts serving the patient who has already arrived to avoid staying idle. By contrast, we analytically determine the time intervals where it is optimal to preempt and those where it is optimal to wait, and find that in some cases the provider should in fact stay idle, even in the presence of waiting patients. Our results suggest that the proposed analytical method outperforms the always‐preempt policy in clinics that do not overbook and have service times longer than 30 minutes. In these cases, the analytical method dramatically reduces patient waiting times at the cost of a modest increase in overtime. By contrast, in clinics that overbook or have short service times, the two policies perform similarly, and hence the always‐preempt policy is preferable due to its simplicity. A software application is provided that clinics can readily use to solve the wait‐preempt dilemma.
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 | 0,003 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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 | 0,001 |
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 ».