Estimating waiting time for compatible blood: A Negative Binomial approach
Notice bibliographique
Résumé
OBJECTIVES: Screening blood units for compatibility constitutes a Bernoulli series. Estimating the number of units needed to be screened represents a classic waiting time problem that may be resolved using the Negative Binomial Distribution. The currently recommended method for estimating the number of units screened, n, to find a required number of compatible units, r, with a given probability, p, is n = r/p. This coincides with the mean of the Negative Binomial Distribution so that the actual number of units screened will often be underestimated by the current method. METHODS: The cumulative distribution function of the Negative Binomial Distribution provides the probability of success (compatibility), F(n;r,p), as a function of the number of trials performed (attempted crossmatches), n, the probability of success on each trial, p, and the number of successes (compatible units) required, r. Choosing a threshold cumulative probability sufficiently high, such as F ~ 0.9, for example, will provide confidence that the projected number of units screened will be underestimated less often (~10% of the time). RESULTS: With F ≥ 0.9, the estimated number of attempted crossmatches ranges from 1.3 to 2.3 times as many as the number calculated by the current method. As a rule of thumb approximately 1.6 times the current estimated number provides a similar estimate (n ~ 1.6∙r/p). CONCLUSIONS: Waiting time underestimation will be reduced significantly by using the Negative Binomial Distribution solution and should be accompanied by improved customer satisfaction.
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 | 0,013 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,004 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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 ».