MétaCan
Menu
Retour à la cohorte
Enregistrement W6980530372

Chemotherapy Outpatient Scheduling at the Segal Cancer Center Using Mixed Integer Programming Models

2017· dissertation· en· W6980530372 sur OpenAlexaboutno aff

Notice bibliographique

RevueSpectrum Research Repository (Concordia University) · 2017
Typedissertation
Langueen
DomaineMedicine
ThématiqueCannabis and Cannabinoid Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésScheduling (production processes)Time horizonInteger programmingJob shop schedulingScheduleMinificationOutpatient clinicDynamic programmingLinear programmingTask (project management)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Appointment scheduling in an outpatient oncology clinic is a daunting task due to the stochastic and dynamic nature of the appointment requests. Each patient has a different trajectory and varying requirements of appointment length time that differ from one another. It is not possible to predict the amount of time required nor the amount of patients that will be treated in a day. Due to the oncologist's prescribed regimen, there is almost no flexibility to choose an appointment date because of the strict resting period required between treatments to achieve the best curative outcome. \n \nThe purpose of this thesis is to demonstrate the benefit of using integer programming to model and to solve some of the challenges faced by the Segal Cancer Center of the Jewish General Hospital in Montreal, Quebec, when designing appointment schedules. We study two scheduling problems. \n \nThe chemotherapy outpatient scheduling problem determines the allocation of patient appointment to days and the determination of appointment start time on those days for a planning horizon of four weeks. The objectives are to maximize the adherence to protocol, maximize the proper assignment of primary nurses to patients and minimize the completion date of treatments. With this model, the clinic can schedule appointment requests as they arise. \n \nWhen taking an integrated approach to solve the oncology clinic multi-stage scheduling problem, it is possible to coordinate the clinic's departments and determine the start time of each activity required by patients no matter their trajectory through the system. Due to the minimization of patient wait time and the completion time of their visit, there will be a better coordination within the clinic, reduction of staff idle time and a balance of resource utilization. Most importantly, it will ensure the completion of tasks within a single day, eliminating the current two-days scheduling policy of the Segal Cancer Center. \n \nThe findings of this thesis will facilitate decision making in healthcare scheduling, improve the service level of oncology clinics and serve as a workforce management tool.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,168
Score d'incertitude au seuil0,335

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,048
Tête enseignante GPT0,339
Écart entre enseignants0,291 · 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'étudeSimulation ou modélisation
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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSpectrum Research Repository (Concordia University)Même sujetCannabis and Cannabinoid ResearchTravaux en français237 207