What Causes Delays in Admission to Rehabilitation Care? A Structural Estimation Approach
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Problem definition: Delays in admission to rehabilitation care can adversely impact patient outcomes. In addition, delayed patients keep occupying their acute care beds, making them unavailable for incoming patients. Admission delays are mainly caused by a lack of rehabilitation bed capacity and the time required to plan for rehabilitation activities, which we refer to as processing times. Because of non-standard bed allocation decisions and data limitations in practice, quantifying the magnitude of the two sources of delays can be technically challenging yet critical to the design of evidence-based interventions to reduce delays. We propose an empirical approach to understanding the contributions of the two sources of delays when only a single (combined) measure of admission delay is available. Methodology/results: We propose a hidden Markov model (HMM) to estimate the unobserved processing times and the status-quo bed allocation policy. Our estimation results quantify the magnitude of processing times versus capacity-driven delays and provide insights into factors impacting the bed allocation decision. We validate our estimated policy using a queueing model of patient flow and find that ignoring processing times or using simple bed allocation policies can lead to highly inaccurate delay estimates. In contrast, our estimated policy allows for accurate evaluation of different operational interventions. We find that reducing processing times can be highly effective in reducing admission delays and bed-blocking costs. In addition, allowing early transfer—whereby patients can complete some of their processing requirements in the rehabilitation unit—can significantly reduce admission delays, with only a small increase in rehab LOS. Managerial implications: Our study demonstrates the importance of quantifying different sources of delays in the design of effective operational interventions for reducing delays in admission to rehabilitation care. The proposed estimation framework can be applied in other transition-of-care settings with personalized capacity allocation decisions and hidden processing delays. History: This paper was selected for Fast Track in the M&SOM journal from the 2022 MSOM Healthcare SIG Conference. Funding: J. Dong was supported in part by the National Science Foundation [Grant CMMI-1762544]. V. Sarhangian was supported in part by the Natural Sciences and Engineering Research Council of Canada [Grant RGPIN-2018-04518] and the Connaught Fund. Supplemental Material: The e-companion is available at https://doi.org/10.1287/msom.2022.0377 .
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle