预测血液需求和供应管理:利用新型计算技术对关键研究进行分析评估
Na Li1, Tho Pham2, Calvino Cheng3
1Department of Community Health Sciences, University of Calgary, Calgary, Alberta, Canada; Michael G. DeGroote Centre for Transfusion Research, Department of Medicine, McMaster University, Hamilton, Ontario, Canada; Department of Computing and Software, McMaster University, Hamilton, Ontario, Canada.
Transfusion medicine reviews
|November 18, 2023
概括
包括机器学习在内的数据驱动方法通过提高需求预测和库存管理来改善输血服务. 需要进一步的研究来解决局限性,并完善这些计算技术,以便更好的血液供应链策略.
科学领域:
- 医疗保健管理的管理
- 计算生物学 计算生物学
- 运营研究 运营研究
背景情况:
- 输血实践越来越多地采用数据驱动的方法.
- 大数据,机器学习和优化技术是改善血液供应链管理和需求预测的关键.
研究的目的:
- 审查和综合用于血液需求预测和库存管理的新计算技术.
- 评估数据驱动的血液银行管理的优势,局限性和改进领域.
主要方法:
- 采用了叙事审查方法.
- 在PubMed和Web of Science数据库中搜索了2016年1月至2023年3月的研究.
- 分析了七项重点研究,重点关注像回归,机器学习和时间序列模型这样的计算方法.
主要成果:
- 识别了用于需求预测的血液成分的多种计算方法.
- 电子健康记录,包括临床预测指标和医院人口普查数据,是主要的数据来源.
- 突出了来自单个研究的独特优势和见解.
结论:
- 数据驱动的方法在推进血液银行管理方面表现有前途.
- 限制包括概括性,性能指标,ABO兼容性和道德考虑.
- 进一步的研究对于开发各种医疗保健场景的强大模型至关重要.
更多相关视频
07:51Hydra, a Computer-Based Platform for Aiding Clinicians in Cardiovascular Analysis and Diagnosis
Published on: September 26, 2018
7.6K
08:53Author Spotlight: Advancing Erythropoiesis Research - A Simplified Pipeline for Assessing Hematopoietic Stem Cell Function in Myelodysplastic Syndromes
Published on: January 10, 2025
501
