MétaCan
Menu
Retour à la cohorte
Enregistrement W4391909296 · doi:10.5267/j.jpm.2023.12.001

Operating room and surgical team members scheduling: A comprehensive review

2024· review· en· W4391909296 sur OpenAlexvenueno aff
Esra Aktaş, Hatice Ediz Atmaca, Hatice Erdoğan Akbulut

Notice bibliographique

RevueJournal of Project Management · 2024
Typereview
Langueen
DomaineHealth Professions
ThématiqueHealthcare Operations and Scheduling Optimization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOperating room managementSurgical teamOperations managementBusinessOperations researchComputer scienceMedicineEngineeringSurgery

Résumé

récupéré en direct d'OpenAlex

Operating rooms (OR) are one of the most expensive parts of a hospital with complex processes, and the efficient use of resources is of utmost importance. Therefore, proper management and operation of operating rooms are extremely crucial. OR scheduling ensures that the surgeries are performed at the proper time, patients are treated effectively and safely, resources are used effectively, and staff is increased in work efficiency. Furthermore, accurately scheduled surgeries are safer for patients' healing processes. This is dependent on factors such as the availability of qualified personnel at the appropriate time, the readiness of surgical equipment, and the provision of proper sterilization and hygienic conditions. Surgical team scheduling ensures that surgeries begin on time, are completed effectively, and patients are treated safely. It is also critical to reduce employee fatigue and balance the workload. As a result, integrating surgical teams into operating room scheduling problems provides significant benefits. Accordingly, 29 research articles focusing on the problem of OR scheduling, within the scope of constraints on surgical team members, scheduling strategies, uncertainties, and solution methods, are thoroughly reviewed in this study.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0040,005
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,185
Tête enseignante GPT0,523
Écart entre enseignants0,337 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Project ManagementMême sujetHealthcare Operations and Scheduling OptimizationTravaux en français237 207