The Application of Data Envelopment Analysis to Emergency Departments and Management of Emergency Conditions: A Narrative Review
Notice bibliographique
Résumé
The healthcare industry is one application for data envelopment analysis (DEA) that can have significant benefits for standardizing health service delivery. This narrative review focuses on the application of DEA in emergency departments (EDs) and the management of emergency conditions such as acute ischemic stroke and acute myocardial infarction (AMI). This includes benchmarking the proportion of patients that receive treatment for these emergency conditions. The most frequent primary areas of study motivating work in DEA, EDs and management of emergency conditions including acute management of stroke are sorted into five distinct clusters in this study: (1) using basic DEA models for efficiency analysis in EDs, i.e., applying variable return to scale (VRS), or constant return to scale (CRS) to ED operations; (2) combining advanced and basic DEA approaches in EDs, i.e., applying super-efficiency with basic DEA or advanced DEA approaches such as additive model (ADD) and slack-based measurement (SBM) to clarify the dynamic aspects of ED efficiency throughout the duration of a first-aid program for AMI or heart attack; (3) applying DEA time series models in EDs like the early use of thrombolysis and percutaneous coronary intervention (PCI) in AMI treatment, and endovascular thrombectomy (EVT) in acute ischemic stroke treatment, i.e., using window analysis and Malmquist productivity index (MPI) to benchmark the performance of EDs over time; (4) integrating other approaches with DEA in EDs, i.e., combining simulations, machine learning (ML), multi-criteria decision analysis (MCDM) by DEA to reduce patient waiting times, and futile transfers; and (5) applying various DEA models for the management of acute ischemic stroke, i.e., using DEA to increase the number of eligible acute ischemic stroke patients receiving EVT and other medical ischemic stroke treatment in the form of thrombolysis (alteplase and now Tenecteplase). We thoroughly assess the methodological basis of the papers, offering detailed explanations regarding the applied models, selected inputs and outputs, and all relevant methodologies. In conclusion, we explore several ways to enhance DEA's status, transforming it from a mere technical application into a strong methodology that can be utilized by healthcare managers and decision-makers.
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 | 0,007 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,005 | 0,009 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».