MétaCan
Menu
Retour à la cohorte
Enregistrement W4225384249 · doi:10.3390/healthcare10050843

Simulating a Hockey Hub COVID-19 Mass Vaccination Facility

2022· article· en· W4225384249 sur OpenAlexafffund
Ali Asgary, Hudson Blue, Felippe Cronemberger, Matthew Ni

Notice bibliographique

RevueHealthcare · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealthcare Operations and Scheduling Optimization
Établissements canadiensYork University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health Research
Mots-clésVaccinationMass vaccinationCoronavirus disease 2019 (COVID-19)Computer scienceDuration (music)Process (computing)MedicineSimulationVirologyDiseaseInfectious disease (medical specialty)Operating systemPhysics

Résumé

récupéré en direct d'OpenAlex

Mass vaccination is proving to be the most effective method of disease control, and several methods have been developed for the operation of mass vaccination clinics to administer vaccines safely and quickly. One such method is known as the hockey hub model, a relatively new method that involves isolating vaccine recipients in individual cubicles for the entire duration of the vaccination process. Healthcare staff move between the cubicles and administer vaccines. This allows for faster vaccine delivery and less recipient contact. In this paper we present a simulation tool which has been created to model the operation of a hockey hub clinic. This tool was developed using AnyLogic and simulates the process of individuals moving through a hockey hub vaccination clinic. To demonstrate this model, we simulate six scenarios comprising three different arrival rates with and without physical distancing. Findings demonstrate that the hockey hub method of vaccination clinic can function at a large capacity with minimal impact on wait times.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,574
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0080,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,165
Tête enseignante GPT0,488
Écart entre enseignants0,323 · 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.

Devis d'étudeObservationnel
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

Citations2
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHealthcareMême sujetHealthcare Operations and Scheduling OptimizationTravaux en français237 207