MétaCan
Menu
Retour à la cohorte
Enregistrement W2960139033 · doi:10.33788/rcis.65.6

Decision Support for Resource Optimization Using Discrete Event Simulation in Rehabilitation Hospitals

2019· article· en· W2960139033 sur OpenAlexaff
Muthana Zouri, Carmen Marinela Cumpăt, Nicoleta Zouri, Maria Magdalena Leon, Alexandra Maștaleru, Alexander Ferworn

Notice bibliographique

RevueRevista de Cercetare si Interventie Sociala · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealthcare Operations and Scheduling Optimization
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésDiscrete event simulationRehabilitationEvent (particle physics)Resource (disambiguation)Decision support systemComputer sciencePsychologyMedicineSimulationArtificial intelligencePhysical therapyPhysics

Résumé

récupéré en direct d'OpenAlex

In order to make eff ective decisions regarding resource allocations in hospitals, managers need to have the ability to evaluate the volume of patients served by the hospitals as well as the based on available resources and examine the effi ciency of various processes and procedures in various departments within the hospital.This paper proposes the use of discrete event simulation to provide managers with an evidence-based tool for examining patient fl ow in the hospital and to help support decisions for optimizing resource allocation in order to improve quality of care and resource utilization.Discrete event simulation can be used to evaluate various operational strategies and examine the execution of various tasks over time.Using simulation models provides a fl exible and cost eff ective method for assessing operational changes prior to the actual implementation of these changes.

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)0,003
score de la tête « metaresearch » (Gemma)0,002
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: aucune
Score de désaccord entre enseignants0,450
Score d'incertitude au seuil0,898

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,042
Tête enseignante GPT0,449
Écart entre enseignants0,407 · 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

Citations5
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevista de Cercetare si Interventie SocialaMême sujetHealthcare Operations and Scheduling OptimizationTravaux en français237 207