Jul, 2023

多标准优化技术用于理解医院病例组合格局

HTML
PDF
TL;DR医院的病例组合对容量利用至关重要，本研究提出了一种改进的多准则优化方法，生成了一个非支配病例组合的存档，并使用KD树进行高维帕累托边界的测试和存储，同时开发了一个适用的决策支持工具来生成、查看、导航和查询该存档。
发现论文，激发创造
  • 极小化帕累托公平性：一个多目标视角

    本研究将群体公平性形式化为一个多目标优化问题，并提出一种公平性标准和优化算法，在深度神经网络上进行测试并展示如何减少最坏情况下的分类错误。

    Nov, 2020

  • 蒙特卡罗树搜索在医学住院匹配中的自适应容量扩展

    探究两个医院之间如何更好地分配实习医生的问题，并提出了一种基于上限置信树和延迟批准方法的容量扩张算法，该算法能够通过较小的计算预算来获得几乎最优的解决方案。

    Feb, 2022

  • 应用集成优化和机器学习模型预测急诊病人的入院状态

    本文提出了一种基于机器学习算法优化的框架，以急诊部门的患者入院情况为例进行实证研究，利用大规模的患者数据和三种新的机器学习算法对传统算法进行对比，结果表明新算法在AUC等五个指标上表现更好，其中T-ADAB算法效果最佳，最优模型的AUC、灵敏度、特异度、F1和准确率分别达到95.4%、99.3%、91.4%、95.2%和97.2%。

    Feb, 2022

  • 广泛适用的优化日内手术排班算法的设计与实现

    利用选择性手术的better elective day of surgery (BEDS)算法，通过在医院技术架构的限制下实现联合式手术，不需要限制麻醉师的工作流程即可使算法实现，并且可以适应医院容量或患者量的变化。

    Mar, 2022

  • 医院综合规划：综述

    文章介绍了针对医院资源综合规划的运筹学及管理科学文献综述，分析不同方面的研究，提出分类和未来研究方向。

    Jul, 2023

  • 多准则医院病例组合规划的效能评估

    利用效用函数方法，通过分配医院资源、提供更好的容量分配和病例组合，解决了医院混合病例规划中的技术限制、弱点和缺陷，并提供了重要的指导和见解。

    Jul, 2023

  • 支持医院病例混合规划的分析技术

    该文章介绍了分析技术和决策支持工具，用于支持之前为医院创建的容量评估和病例组合规划（CMP）方法。提出了一个优化模型来分析对现有病例组合进行更改的影响，并确定其他类型的患者应该以何种比例随着医院资源的变化而进行相应的改变。然后，我们提出了多目标决策技术，用于比较和评价获得的竞争性病例组合解决方案。提出的技术无缝嵌入了一个Excel视觉基础应用程序（VBA）个人决策支持工具（PDST），用于对医院容量进行信息量化评估。PDST报告差异的信息度量，并报告病例组合修改对其他类型患者的影响。本文所开发的技术弥补了当前理论与实践之间的缺失，并提供了更多有关医院容量的情境意识。

    Jul, 2023

  • 预测和预防分析多地点易碎和老年患者服务建模

    通过结合预测性分析和指导性分析，本研究旨在评估不同的预测性和指导性分析方法对日益增长需求的医疗领域内运营挑战的贡献，并揭示在患者住院期间存在的真实世界的变化风险。

    Nov, 2023

  • 评估MIMIC-IV数据集和基准算法的公平性：应用于ICU住院时间预测

    使用MIMIC-IV数据集研究XGBoost二元分类模型在预测ICU住院时间方面的公平性和偏见，并强调该研究对ICU有限资源分配的重要性，通过在人口属性上检测数据集的类别不平衡，并采用数据预处理和特征提取，发现XGBoost模型整体表现良好，但是在种族和保险属性上出现不平等，提出了关于缓解偏见的关注公平机器学习技术的建议，并强调医疗保健专业人员和数据科学家之间的合作努力的必要性。

    Dec, 2023

  • 机器学习与约束编程在高效医疗排班中的应用

    本研究解决护士排班问题（NSP），针对传统方法在优化时间和解决方案质量之间的权衡，提出了隐式和显式的解决方法。通过机器学习挖掘历史数据生成新方案，并结合约束满足问题（CSP）框架与概率局部搜索方法，显著提高了排班效果，具有良好的实际应用潜力。

    Sep, 2024