Data‐driven platelet inventory management under uncertainty in the remaining shelf life of units
Notice bibliographique
Résumé
Platelets are perishable (5–7 day shelf life) blood products required for a variety of clinical treatments. In North America, hospitals typically procure platelet units from a central supplier. As such, the remaining shelf life of the delivered units could be subject to high uncertainty. Our work focuses on developing new models that leverage the increasingly available data from hospital information systems to prescribe ordering decisions in the presence of this uncertainty. Specifically, we consider a periodic review, perishable inventory system with zero lead time and uncertainty in demand and remaining shelf life of orders, operating under an oldest‐unit, first‐out allocation policy. We consider a family of base stock policies and adopt an empirical risk minimization approach to estimate the required inventory at the beginning of each period. The required inventory level for each period is assumed to be a linear function of a set of observed features in that period and the coefficients of the linear model are obtained by minimizing an approximate measure of the in‐sample empirical cost, comprised of a weighted sum of shortage and expiry costs. Our fixed initial age model assumes a constant remaining shelf life for all units. Our robust model assumes that an adversary selects the remaining shelf life of units subject to an uncertainty budget determined through an endogenous uncertainty set. We investigate the out‐of‐sample performance of the proposed models in a case study using data from two Canadian hospitals and in comparison to the hospitals' historical performances as well as other benchmarks. Both models achieve significant improvements over the historical decisions. For instance, the fixed initial age model achieves a 53% and 93% reduction in the expiry rate and an 82% and 99% reduction in the shortage rate for the two hospitals, respectively. Further, it either outperforms or performs as well as the other benchmarks. The robust model achieves better out‐of‐sample generalizability and demonstrates a more “robust” performance under counterfactual remaining age distributions.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».