Optimizing Patient Placement in Normal Care Units: An Instrumental Causal Forest Approach Minimizing Mortality
普通病区患者安置优化：以工具变量因果森林降低死亡率AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要使用工具变量因果森林估计异质性安置效应，并据此制定患者分配政策。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
普通病区患者安置优化：以工具变量因果森林降低死亡率
- 研究问题
- 当患者可被安置于多个专业方向和使用率不同的普通病区时，如何估计安置效应的异质性，并据此制定不扩充容量的分配政策？
- 方法与思路
- 作者以急诊入院为工具变量，使用工具变量因果森林估计患者及病区使用率相关的效应，再结合多类界限构造最小最大遗憾政策。
- 材料陈述的贡献
- 摘要称发现病区专业匹配与使用率之间的权衡，并据此设计重新分配患者的政策，在无需容量扩张的情况下实现死亡率降低。
- 阅读关注点
- 应核对急诊入院作为工具变量的有效性、森林实际识别的效应对象，以及各类界限的构造、容量约束和政策死亡率的评价方式。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实。摘要未说明工具变量假设或收益数值，也未交代死亡率降低是否经前瞻实施验证。
原文摘要
Normal care units (NCU) placement affects health outcomes. NCUs in a hospital have different specialisations. There are patients that can potentially stay in multiple different NCUs. On a given day the NCUs are on different utilisation levels, which also affects health outcomes. Our approach uses instrumental variable causal forests, with emergency admission as an instrument, to estimate how the effect of NCU placement varies across patients and utilisation levels. The results show a clear trade-off between specialisation and utilization. Based on these findings, we design a minimax regret placement policy, using frequentist, Balke-Pearl and Manski bounds, that lowers mortality without capacity expansion. The policy reallocates patients according to their individualized average treatment effects, showing that data-driven patient placement can improve outcomes by using existing resources more efficiently.