دانلود کتاب Optimizing Hospital-Wide Patient Scheduling – Early Classification Of Diagnosis-Related Groups Through Machine Learning, 2014th ed, 2015

مارس 31, 2021

نام کتاب: Optimizing Hospital-Wide Patient Scheduling – Early Classification Of Diagnosis-Related Groups Through Machine Learning

نویسنده: Daniel Gartner

ویرایش: ۲۰۱۴

سال انتشار: ۲۰۱۵

کد ISBN کتاب: ۳۳۱۹۰۴۰۶۵۰, ۹۷۸۳۳۱۹۰۴۰۶۵۳, ۹۷۸۳۳۱۹۰۴۰۶۶۰,

فرمت: PDF

تعداد صفحه: ۱۱۹

حجم کتاب: ۲ مگابایت

کیفیت کتاب: OCR

انتشارات: Springer International Publishing

Introduces and evaluates a thorough examination of attribute selection techniques and classification approaches for early diagnosis-related group (DRG) classification
Formulates two hospital-wide patient scheduling models using mathematical programming in order to maximize contribution margin
Presents methods for a substantial improvement of classification accuracy and contribution margin as compared to current practice

Diagnosis-related groups (DRGs) are used in hospitals for the reimbursement of inpatient services. The assignment of a patient to a DRG can be distinguished into billing- and operations-driven DRG classification. The topic of this monograph is operations-driven DRG classification, in which DRGs of inpatients are employed to improve contribution margin-based patient scheduling decisions. In the first part, attribute selection and classification techniques are evaluated in order to increase early DRG classification accuracy. Employing mathematical programming, the hospital-wide flow of elective patients is modelled taking into account DRGs, clinical pathways and scarce hospital resources. The results of the early DRG classification part reveal that a small set of attributes is sufficient in order to substantially improve DRG classification accuracy as compared to the current approach of many hospitals. Moreover, the results of the patient scheduling part reveal that the contribution margin can be increased as compared to current practice.

Topics
Operation Research / Decision Theory
Health Informatics
Health Informatics
Operations Research, Mathematical Programming
Health Care Management

معرفی و ارزیابی یک بررسی دقیق از تکنیک های انتخاب ویژگی ها و روش های طبقه بندی برای طبقه بندی گروه مربوط به تشخیص زودرس (DRG)
برای به حداکثر رساندن حاشیه سهم ، دو مدل زمان بندی بیمار در کل بیمارستان را با استفاده از برنامه ریزی ریاضی فرموله می کند
روش هایی را برای بهبود قابل توجه صحت طبقه بندی و حاشیه سهم در مقایسه با روش فعلی ارائه می دهد

برای بازپرداخت خدمات بستری در بیمارستان ها از گروه های مرتبط با تشخیص (DRG) استفاده می شود. انتساب یک بیمار به یک DRG را می توان در طبقه بندی DRG صورتحساب و تحت عمل تشخیص داد. موضوع این مونوگرافی طبقه بندی مبتنی بر عملیات DRG است ، که در آن DRG های بیماران بستری برای بهبود تصمیمات برنامه ریزی بیمار مبتنی بر حاشیه استفاده می شوند. در بخش اول ، تکنیک های انتخاب و طبقه بندی ویژگی ها به منظور افزایش دقت طبقه بندی اولیه DRG ارزیابی می شوند. با استفاده از برنامه نویسی ریاضی ، جریان گسترده بیماران بستری در بیمارستان با در نظر گرفتن DRG ها ، مسیرهای بالینی و منابع کمیاب بیمارستان مدل سازی می شود. نتایج قسمت طبقه بندی اولیه DRG نشان می دهد که برای بهبود قابل ملاحظه ای در دقت طبقه بندی DRG در مقایسه با رویکرد فعلی بسیاری از بیمارستانها ، مجموعه کوچکی از ویژگیها کافی است. علاوه بر این ، نتایج قسمت برنامه ریزی بیمار نشان می دهد که حاشیه سهم می تواند در مقایسه با روش فعلی افزایش یابد.

مباحث
تحقیق عملی / نظریه تصمیم گیری
انفورماتیک سلامت
انفورماتیک سلامت
تحقیقات عملیاتی ، برنامه ریزی ریاضی
مدیریت بهداشت و درمان