基于聚类算法的医疗预约调度模型
信号处理
2024-01-02 v3 最优化与控制
摘要
本研究中，我们提供了一种调度流程，其结合了机器学习与数学规划以最小化高优先级门诊患者的等待时间。在医疗机构请求预约的门诊患者具有不同优先级。确定门诊患者优先级并基于优先级类别分配容量是门诊调度中必须考虑的重要概念。本研究中为 incoming 门诊患者调度定义了两个阶段。在初始阶段，我们采用并评估了四种不同的聚类技术；K-means聚类、凝聚层次聚类、DBSCAN与OPTICS聚类，将门诊患者分类为优先级类别，并给出聚类门诊患者的最佳模式。在第二阶段，由于到达不确定且决策在每日观测到总请求后做出，我们将调度问题建模为马尔可夫决策过程（MDP）问题。由于维数灾难，我们使用流体近似方法估计MDP的最优解。我们的方法应用于Shaheed Rajaei医疗与研究中心的数据集，并展示了我们的模型在门诊患者优先级排序与调度中的运作方式。
引用
@article{arxiv.1905.03083,
title = {Appointment scheduling model in healthcare using clustering algorithms},
author = {Niloofar Yousefi and Farhad Hasankhani and Mahsa Kiani and Nooshin Yousefi},
journal= {arXiv preprint arXiv:1905.03083},
year = {2024}
}