پارس پروژه پرتال خدمات دانشگاهی
این مقاله علمی پژوهشی (ISI) به زبان انگلیسی از نشریه الزویر مربوط به سال ۲۰۲۳ دارای ۱۲ صفحه انگلیسی با فرمت PDF می باشد در ادامه این صفحه لینک دانلود رایگان مقاله انگلیسی و بخشی از ترجمه فارسی مقاله موجود می باشد.
کد محصول: M1402
سال نشر: ۲۰۲۳
نام ناشر (پایگاه داده): الزویر
نام مجله: European Journal of Operational Research
نوع مقاله: علمی پژوهشی (Research articles)
تعداد صفحه انگلیسی: ۱۲ صفحه PDF
عنوان کامل فارسی:
مقاله انگلیسی ۲۰۲۳ :مدل سازی پذیرش و اشغال تخت های بیمارستان های کووید-۱۹ در هلند
عنوان کامل انگلیسی:
Modeling COVID-19 hospital admissions and occupancy in the Netherlands
برای دانلود رایگان مقاله انگلیسی بر روی دکمه ذیل کلیک نمایید
وضعیت ترجمه: این مقاله تاکنون ترجمه نشده برای سفارش ترجمه تخصصی مقاله بر روی دکمه ذیل کلیک نمایید (کد مقاله:M1402)
مقالات مرتبط با این موضوع: برای مشاهده سایر مقالات مرتبط با این موضوع (با ترجمه و بدون ترجمه) بر روی دکمه ذیل کلیک نمایید
چکیده فارسی
در این مطالعه مدل هایی را که برای پیش بینی پذیرش در بیمارستان و اشغال تخت بیماران کرونا در هلند ایجاد کرده ایم، توضیح می دهیم.این مدل‌ها برای تصمیم‌گیری کوتاه‌مدت در مورد انتقال بیماران بین مناطق و سیاست‌گذاری بلندمدت مورد استفاده قرار گرفتند. برای پیش‌بینی پذیرش، تکنیک جدیدی را با استفاده از برنامه‌ریزی خطی توسعه دادیم.برای پیش‌بینی اشغال تخت ها، مدت زمان باقیمانده بستری را برازش کردیم و از نتایج تئوری صف بندی استفاده کردیم. مدل‌های ما دقت و اعتماد به پیش‌بینی‌ها را افزایش داده و به مدیریت همه‌گیری کمک کردند همچنین تأثیر تعداد تخت‌ها را به حداقل رساندند و ظرفیت باقیمانده را برای انواع دیگر مراقبت‌ها به حداکثر رساندند.
کلیدواژه ها: OR در پیش بینی خدمات درمانی ، پذیرش در بیمارستان های کووید-۱۹، سطح اشغال تخت
Abstract
We describe the models we built for predicting hospital admissions and bed occupancy of COVID-19 patients in the Netherlands. These models were used to make short-term decisions about transfers of patients between regions and for long-term policy making. For forecasting admissions we developed a new technique using linear programming. To predict occupancy we fitted residual lengths of stay and used results from queueing theory. Our models increased the accuracy of and trust in the predictions and helped manage the pandemic, minimizing the impact in terms of beds and maximizing remaining capacity for other types of care.
Keywords: OR in health services Prediction ,COVID-19 hospital admissions, Bed occupancy levels
۱.Introduction
The coronavirus has an enormous impact on our health sys- tem and today’s society as a whole. On March 11, 2020, the World Health Organization has officially characterized COVID-19 as a pandemic. By the end of January 2021, the number of peo- ple diagnosed worldwide with COVID-19 crossed the 100 million mark ( World Health Organization, 2021 ), which has put a tremen- dous strain on scarce hospital capacities. Specifically, the pandemic places a load on clinical bed capacity, and in particular on Inten- sive Care Units (ICU’s), that is sometimes well beyond the currently available bed capacities ( IHME COVID team & Murray, 2020a; 2020b ). The catastrophic situation in Lombardy, Italy, mid-March 2020 has tragically shown the impact of the lack of health ca- pacities ( Rosenbaum, 2020 ), and the need to manage hospital bed capacities as good as possible. In ( Phua et al., 2020 ), the authors call upon ICU practitioners, hospital administrators, governments, and policy makers to be prepared early for a substantial increase in critical care capacity. Their recommendations relate to, among others, ICU capacity and ICU staffing. More specifically, they rec- ommend to make plans for an increase in capacity as a result of a rapid increase in critically ill COVID-19 patients. A less studied but perhaps even more important issue is the impact on other types of care which are delayed because of COVID-19 patients occupying beds and using other forms of capacity which would otherwise be used for non-COVID care. An early study concerning the impact of only the first wave came to an estimated loss of up to 400 thou- sand healthy life years in the Netherlands ( Gupta Strategists, 2020 )…
۷.Conclusion, future research and discussion
In this paper, we presented a mathematical model to give short- term predictions, in the order of days, of the number of occupied ICU and clinical beds due to COVID-19. The model first predicts the arrivals and then employs a queueing-based method to con- vert arrivals into occupancy. The predictions for the ICU occupan- cies are accurate, in particular for 3 days ahead. For the clinical oc- cupancies, there is a seasonal component in discharges, with con- siderably less discharges during the weekend, that affects the per- formance of the predictions averaged over all days. An interesting topic for further research is to take the seasonal component in dis- charges into account as well, although this is less relevant for the 7-day ahead prediction…