一个数据驱动的新闻供应商模型,用于在不确定的住院病床容量下进行可选紧急入院控制

科学领域:

• 运营研究 运营研究
• 医疗保健管理的管理
• 数据科学数据科学数据科学

背景情况:

• 当前的选择性紧急入院控制方法往往忽略了诸如床位容量波动和不可预测的患者流动动力学等关键因素.
• 优化住院病床分配对于医院的运营效率和有效性至关重要,平衡选修和紧急护理需求.

研究的目的:

• 开发一个新的,数据驱动的新闻供应商框架来解决复杂的选择性紧急入院控制问题.
• 通过将不确定的变量纳入录取决策来提高床位的运营效率和有效性.

主要方法:

• 利用新闻供应商框架开发了一种数据驱动的方法来建模入场控制问题.
• 使用近似算法,包括样本平均近似和线性编程 (LP),来推导出计算效率高的解决方案.
• 该模型结合了历史数据,紧急需求和床位容量特征,以生成最佳的入场控制政策.

主要成果:

• 基于特征的模型在预期成本方面表现出比基于观察的模型更好的性能.
• 推导出了泛化界限,证实了基于特征的模型的稳定性.
• 该研究确定了结合预测特征显著影响调度决策的场景,特别是关于超额和不足调度成本的场景.

结论:

• 拟议的框架为患者需求和床位可用性的不确定性下床位容量分配提供了理论基础.
• 从新闻供应商模型获得的近似最佳政策在实际环境中表现出强的表现.
• 这种方法为优化医院资源管理和患者流量提供了宝贵的见解.