MétaCan
Menu
Retour à la cohorte
Enregistrement W2024977848 · doi:10.4018/jhisi.2013070104

Applying Discrete Event Simulation (DES) in Healthcare

2013· article· en· W2024977848 sur OpenAlexaff
Stavros T. Ponis, Angelos Delis, Sotiris P. Gayialis, Panagiotis Kasimatis, Joseph Tan

Notice bibliographique

RevueInternational Journal of Healthcare Information Systems and Informatics · 2013
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealthcare Operations and Scheduling Optimization
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésDiscrete event simulationCapacity planningNetwork planning and designHealth careEvent (particle physics)Computer scienceProcess (computing)Operations researchBusinessSimulationEngineeringComputer network

Résumé

récupéré en direct d'OpenAlex

This paper highlights the opportunities and challenges of applying Discrete Event Simulation (DES) to support capacity planning of a network of outpatient facilities. Despite an abundance of studies using simulation techniques to examine the operation and performance of outpatient clinics, the problem of capacity allocation and planning of medical services within a network of outpatient healthcare facilities appears to be underexplored. Here, a case study of a health insurance provider that operates a network of six outpatient medical facilities in the US is used to illustrate and explore the synthesizing and adaptive, yet parsimonious nature of using DES methodology for network design and capacity planning. Results of this case study demonstrate that significant performance improvements for the network operator can be achieved with applying DES method to support the network facility capacity planning process.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,448
Score d'incertitude au seuil0,733

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,005
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,044
Tête enseignante GPT0,413
Écart entre enseignants0,369 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Healthcare Information Systems and InformaticsMême sujetHealthcare Operations and Scheduling OptimizationTravaux en français237 207