Collaborative Operating Room Planning and Scheduling
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Operating rooms (ORs) play a substantial role in hospital profitability, and their optimal utilization is conducive to containing the cost of surgical service delivery, shortening surgical patient wait times, and increasing patient admissions. We extend the OR planning and scheduling problem from a single independent hospital to a coalition of multiple hospitals in a strategic network, where a pool of patients, surgeons, and ORs are collaboratively planned. To solve the resulting mixed-integer dual resource constrained model, we develop a novel logic-based Benders’ decomposition approach that employs an allocation master problem, sequencing sub-problems for each hospital-day, and novel multistrategy Benders’ feasibility and optimality cuts. We investigate various patient-to-surgeon allocation flexibilities, as well as the impact of surgeon schedule tightness. Using real data obtained from the General Surgery Departments of the University Health Network (UHN) hospitals, consisting of Toronto General Hospital, Toronto Western Hospital, and Princess Margret Cancer Centre in Toronto, Ontario, Canada (who already engage in some collaborative resource sharing), we find that on average, collaborative OR scheduling with traditional patient-to-surgeon allocation flexibility results in 6% cost-savings, while flexible patient-to-surgeon allocation flexibility increases cost-savings to 40%, and surgeon schedule tightness can impact costs by 15%. The collective impact of our collaboration and patient flexibility results in between 45% and 63% savings per surgery. We also use a game theoretic approach to fairly redistribute the payoff acquired from a coalition of hospitals and to empirically show coalitional stability among hospitals. Data and the online supplement are available at https://doi.org/10.1287/ijoc.2017.0745 .
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,014 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle