เปรียบเทียบวิธี
ดูวิธีที่เลือกเทียบกันแบบเคียงข้าง แถวที่ต่างกันจะถูกเน้นไว้
| ประสิทธิภาพโรงพยาบาลด้วย DEA× | แบบจำลองการทำนายการกลับมารักษาซ้ำในโรงพยาบาล× | |
|---|---|---|
| สาขาวิชา | การจัดการการดูแลสุขภาพ | การจัดการการดูแลสุขภาพ |
| ตระกูล | Process / pipeline | Process / pipeline |
| ปีกำเนิด≠ | 1978 | 1998 |
| ผู้ริเริ่ม≠ | Abraham Charnes, William Cooper, Edward Rhodes | Healthcare data analytics and outcomes research |
| ประเภท≠ | Non-parametric frontier estimation technique | Logistic regression and machine learning methodology |
| แหล่งต้นตำรับ≠ | Charnes, A., Cooper, W. W., & Rhodes, E. (1978). Measuring the efficiency of decision making units. European Journal of Operational Research, 2(6), 429–444. DOI ↗ | Jencks, S. F., Williams, M. V., & Coleman, E. A. (2009). Rehospitalizations among patients in the Medicare fee-for-service program. New England Journal of Medicine, 360(14), 1418–1428. DOI ↗ |
| ชื่อเรียกอื่น | Hospital DEA, Healthcare DEA | Readmission Risk Prediction, Hospital Readmission Forecasting |
| ที่เกี่ยวข้อง | 5 | 5 |
| สรุป≠ | Data Envelopment Analysis (DEA) is a linear programming technique for measuring the relative efficiency of multiple hospitals using multiple inputs and outputs. Introduced by Charnes, Cooper, and Rhodes in 1978, DEA has become the standard method for benchmarking hospital performance in healthcare systems worldwide. | Hospital readmission prediction models use statistical and machine learning techniques to identify patients at high risk of returning to the hospital shortly after discharge. These models guide targeted discharge planning and follow-up to improve outcomes and reduce costs. |
| ScholarGateชุดข้อมูล ↗ |
|
|