A flexible integer linear programming formulation for scheduling\n clinician on-call service in hospitals
Notice bibliographique
Résumé
Scheduling of personnel in a hospital environment is vital to improving the\nservice provided to patients and balancing the workload assigned to clinicians.\nMany approaches have been tried and successfully applied to generate efficient\nschedules in such settings. However, due to the computational complexity of the\nscheduling problem in general, most approaches resort to heuristics to find a\nnon-optimal solution in a reasonable amount of time. We designed an integer\nlinear programming formulation to find an optimal schedule in a clinical\ndivision of a hospital. Our formulation mitigates issues related to\ncomputational complexity by minimizing the set of constraints, yet retains\nsufficient flexibility so that it can be adapted to a variety of clinical\ndivisions.\n We then conducted a case study for our approach using data from the\nInfectious Diseases division at St. Michael's Hospital in Toronto, Canada. We\nanalyzed and compared the results of our approach to manually-created schedules\nat the hospital, and found improved adherence to departmental constraints and\nclinician preferences. We used simulated data to examine the sensitivity of the\nruntime of our linear program for various parameters and observed reassuring\nresults, signifying the practicality and generalizability of our approach in\ndifferent real-world scenarios.\n
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 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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».