arXiv · ML· Khalid Aram, Orhun Vural, Bunyamin Ozaydin, James Booth, Abdulaziz Ahmed·· 6 小时前AI 评分33
机器学习驱动的主动满负荷协议能否缓解急诊部拥挤？基于模拟的评估
Do Machine Learning-Guided Proactive Full Capacity Protocols Mitigate Emergency Department Overcrowding? A Simulation-Based Evaluation
AI 导读
研究评估了机器学习驱动的主动满负荷协议对急诊部拥挤控制的改善效果，显示该策略在降低拥挤阈值超标时间占比和协议持续时间方面具有统计学显著优势。 模型能提前6小时预测候诊区拥挤度，基于美国大型医院参数进行365天模拟，主动部署策略显著减少了极端拥堵事件并提升了运营平滑度。 该研究支持在临床实践中前瞻性实施主动满负荷协议作为决策支持策略，以改善急诊部拥挤控制。
来源：arXiv · ML · arxiv.org