Optimizing Hospital-wide Patient Scheduling : Early Classification of Diagnosis-related Groups through Machine Learning (Lecture Notes in Economics and Mathematical Systems) / Gartner, Daniel

Optimizing Hospital-wide Patient Scheduling : Early Classification of Diagnosis-related Groups through Machine Learning (Lecture Notes in Economics and Mathematical Systems) （2014）

個数：

Optimizing Hospital-wide Patient Scheduling : Early Classification of Diagnosis-related Groups through Machine Learning (Lecture Notes in Economics and Mathematical Systems) （2014）

Gartner, Daniel

ウェブストア価格 ¥12,078（本体¥10,980）
Springer International Publishing AG（2015/06発売）
外貨定価 US$ 54.99
ポイント 109pt

オンデマンド(OD/POD)版です。キャンセルは承れません。

≪洋書のご注文について≫ 「海外取次在庫あり」「国内在庫僅少」および「国内仕入れ先からお取り寄せいたします」表示の商品でもクリスマス前(12/20～12/25)および年末年始までにお届けできないことがございます。あらかじめご了承ください。

【入荷遅延について】
世界情勢の影響により、海外からお取り寄せとなる洋書・洋古書の入荷が、表示している標準的な納期よりも遅延する場合がございます。
おそれいりますが、あらかじめご了承くださいますようお願い申し上げます。

◆画像の表紙や帯等は実物とは異なる場合があります。

◆ウェブストアでの洋書販売価格は、弊社店舗等での販売価格とは異なります。
また、洋書販売価格は、ご注文確定時点での日本円価格となります。
ご注文確定後に、同じ洋書の販売価格が変動しても、それは反映されません。

製本 Paperback:紙装版/ペーパーバック版／ページ数 119 p.
商品コード 9783319040653

Full Description

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.

Introduction.- Machine learning for early DRG classification.- Scheduling the hospital-wide flow of elective patients.- Experimental analyses.- Conclusion.