AI এবং বিশ্বের কঠিন সমস্যাগুলো · চিকিৎসা ও ওষুধ আবিষ্কার · arXiv · 2026-10-23

মেশিন লার্নিং-নির্দেশিত সক্রিয় পূর্ণ ধারণক্ষমতা প্রোটোকল কি জরুরি বিভাগের ভিড় কমায়? একটি সিমুলেশন-ভিত্তিক মূল্যায়ন

মূল শিরোনাম: Do Machine Learning-Guided Proactive Full Capacity Protocols Mitigate Emergency Department Overcrowding? A Simulation-Based Evaluation

এই গবেষণায় পরীক্ষা করা হয়েছে যে মেশিন লার্নিং কি জরুরি বিভাগে ভিড় বাড়ার আগেই, থ্রেশহোল্ড অতিক্রম করার পরে নয়, ফুল ক্যাপাসিটি প্রোটোকল চালু করতে পারে কি না। একটি বড় মার্কিন হাসপাতালের উপর ভিত্তি করে ক্যালিব্রেট করা সিমুলেশনে, ছয় ঘণ্টা আগে অপেক্ষাকক্ষের ভিড়ের পূর্বাভাস দেওয়া একটি মডেল সক্রিয়ভাবে প্রোটোকল চালু করেছে, যার তুলনা করা হয়েছে 365 দিন ও 10টি পুনরাবৃত্তিতে প্রতিক্রিয়াশীল চালুকরণের সঙ্গে। অগ্রিম চালুকরণ ভিড়ের থ্রেশহোল্ডের উপরে থাকার সময় এবং প্রোটোকলের স্থায়িত্ব উল্লেখযোগ্যভাবে কমিয়েছে, এবং ভিড়ের তারতম্য ও চরম জটলাও কমিয়েছে, তবে থাকার সময়কাল ও অপেক্ষার সময়ের পার্থক্য পরিসংখ্যানগতভাবে তাৎপর্যপূর্ণ ছিল না।

মূল লেখা পড়ুন ↗

সব আইটেম →