MétaCan
Menu
Retour à la cohorte
Enregistrement W4402801087 · doi:10.1080/03155986.2024.2399987

Coordinated referral and scheduling decisions for specialized healthcare services

2024· article· en· W4402801087 sur OpenAlexaffvenue
Amin Mahmoudian-Dehkordi, Michael Pavlin

Notice bibliographique

RevueINFOR Information Systems and Operational Research · 2024
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealthcare Operations and Scheduling Optimization
Établissements canadiensWilfrid Laurier University
Organismes subventionnairesnon disponible
Mots-clésReferralHealth careScheduling (production processes)BusinessMedical emergencyOperations managementComputer scienceNursingMedicineEconomicsEconomic growth

Résumé

récupéré en direct d'OpenAlex

This paper studies the coordination of referral and scheduling policies where access to specialized medical services, such as surgical procedures, imaging or other consultations, is managed through a centralized intake system. In this increasingly common mode of operation, a central body makes decisions regarding the allocation of patients between a set of providers, followed by the provider taking control of the scheduling and delivery of the required service. To study the coordination of the allocation and scheduling policies we present a sequential optimization model where both referrer and provider attempt to maximize the proportion of a heterogeneous set of patients receiving treatment within a targeted wait time. Motivated by observations of performance thresholds in queueing systems, we introduce an achievable region model which permits study of providers who vary in ability to coordinate scheduling different patient streams. We characterize optimal referral and scheduling policies for a range of demand patterns and operational abilities. We find that the optimal referral policy can result in large discrepancies in outcomes for different patient types but that the discrepancy in outcomes is muted when operational abilities are higher. In situations where operational abilities are low, it is optimal for the providers to prioritize patients by stream. Low capacity for both providers results in an optimal referral and scheduling policy where certain patients streams are deprioritized and with certainty will not be seen within their wait time targets. We also study the cost of enforcing parity between patient classes and find that the cost is reduced when providers have higher operational abilities. This paper illustrates how operational constraints lead to incentives to prioritize different patient streams. In particular, we show that when operations are challenging, a more hands-on design is required to ensure clinical intake systems maintain equitable access to the service.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,945
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,000
Communication savante0,0010,002
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,229
Tête enseignante GPT0,521
Écart entre enseignants0,292 · 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 tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueINFOR Information Systems and Operational ResearchMême sujetHealthcare Operations and Scheduling OptimizationTravaux en français237 207