MétaCan
Menu
Retour à la cohorte
Enregistrement W4252405773 · doi:10.1109/wsc.2017.8248022

Data-driven generic discrete event simulation model of hospital patient flow considering surge

2017· article· en· W4252405773 sur OpenAlexaffabout
Carolyn R. Busby

Notice bibliographique

Revue2017 Winter Simulation Conference (WSC) · 2017
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealthcare Operations and Scheduling Optimization
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésDiscrete event simulationComputer scienceSurgeEvent (particle physics)Data modelingFlow (mathematics)SimulationSoftware engineeringMechanicsEngineeringPhysicsElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Many Canadian hospitals run at or near capacity, frequently experiencing congestion due to surges in demand. Hospital-wide bed management strategies, called “surge protocols”, that formally define when and what kind of operational steps can be taken to alleviate congestion are routinely in use. Decisions across the hospital, regarding bed capacity and allocation, staffing levels, and the master surgical schedule influence the frequency and severity of congestion, which in turn manifests in high bed occupancy, delayed admissions, a crowded emergency department (ED), surgical cancellations and increased use of surge protocols. A generic, data-driven, discrete event simulation (DES) is developed to help hospitals assess the impact of hospital-wide decisions, including surge policies, on congestion. The model has been developed in cooperation with two hospitals, and has been validated at two additional hospitals.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,654
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
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 savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,276
Tête enseignante GPT0,460
Écart entre enseignants0,184 · 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'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

Citations11
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revue2017 Winter Simulation Conference (WSC)Même sujetHealthcare Operations and Scheduling OptimizationTravaux en français237 207