An Interactive Decision-Support Dashboard for Optimal Hospital Capacity Management

数据驱动的优化模型有潜力显著提高医院的容量管理，特别是在需求激增时，当有效分配容量最为关键和具有挑战性时。然而，将模型整合到现有流程中以提供价值需要认识到医院管理员最终负责容量管理决策，并仔细构建可信赖和易于访问的工具。在本研究中，我们开发了一个交互式、用户友好的电子仪表板，用于在激增期间通知医院容量管理决策。该仪表板集成了实时医院数据、预测分析和优化模型。它允许医院管理员交互式地自定义参数，使他们能够探索一系列情景，并提供关于建议的最优决策的实时更新。该仪表板是通过参与式设计过程创建的，其中医院管理员参与了开发团队，以确保实用性、可信度、透明度、可解释性和易用性。我们在COVID-19大流行期间在约翰霍普金斯健康系统内成功部署了我们的仪表板，解决了通知医院容量管理的工具需求增加的问题。它被日常使用，并定期向医院领导层通报结果。本研究展示了一种前瞻性、数据驱动、交互式决策支持工具在医院系统容量管理中的实际应用。

开发一个交互式的电子仪表板，用于在需求激增期间指导医院的容量管理决策。

将实时医院数据、预测分析和优化模型集成到仪表板中，让医院管理人员能够交互式地自定义参数，探索各种情景，并提供实时更新的推荐最优决策。通过参与式设计过程，确保实用性、可信度、透明度、可解释性和可用性。

在COVID-19大流行期间成功部署了仪表板，每天都在使用，结果定期向医院领导层通报。

最近的相关研究主要集中在医院容量管理方面，例如："Predictive Analytics for Hospital Bed Management and Planning"，"A Machine Learning Approach for Hospital Capacity Planning"等。