اعزام و جابجایی آمبولانس در زمان واقعی

Real-Time Ambulance Dispatching and Relocation

چکیده
1- پیشگفتار
1-1- انگیزه
1-2 کمک‌ها و نتایج اصلی
2- کارهای مربوطه
3- فرمولبندی مساله
3-1- فضای حالت
3-2- فضای عمل
3-3- گذرها
3-4- تابع هدف
3-5- معادله بهینگی
4- راه‌حل‌های تقریبی و تضمین عملکرد
4-1- کران بالا
4-2- توابع پایه
4-3- کران پایین
5- مطالعه موردی: شهر مکلنبورگ، کارولینای شمالی
5-1- انتخاب معیار ایستا
5-2- خط‌مشی‌های معیار پویا
5-3- نتایج و بینش‌های مدیریتی
6- نتیجه‌گیری

چکیده

در این مطالعه، چارچوب بهینه‌سازی انعطاف‌پذیری را برای اعزام و جابجایی بلادرنگ آمبولانس توسعه می‌دهیم. علاوه‌بر استقرار مجدد آمبولانس، یک استراتژی کلی اعزام و جابجایی را در نظر می‌گیریم که تصمیم گیرنده با استفاده از آن دارای گزینه‌های زیر است: 1) انتخاب هر گونه آمبولانس قابل دسترس برای تماس یا صف‌بندی تماس؛ و 2) ارسال یک آمبولانس بیکار برای پوشش محل آمبولانس که برای یک تماس اعزام شده است. مساله را به عنوان یک برنامه پویای تصادفی فرمولبندی می‌کنیم و از آنجایی که فضای حالت نامحدود است، چارچوب برنامه‌نویسی پویای مناسبی (ADP) را برای تولید راه‌حل‌های با کیفیت بالا توسعه می‌دهیم. کیفیت راه‌حل‌های خود را با توسعه کران پایینی روی زمان مورد انتظار واکنش و محاسبه کران پایینی روی کسر مورد انتظار تماس‌های دیرهنگام هر خط‌مشی جابجایی مورد ارزیابی قرار می‌دهیم. عملکرد خط‌مشی‌های خود و معیارهای قابل دسترس روی سیستم خدمات پزشکی اوراژانسی در شهرستان ملکلنبورگ در کارولینای شمالی را آزمایش می‌کنیم. نتایج نشان می‌دهند که خط‌مشی‌های ما تقریبا بهینه هستند و دارای عملکرد به طور قابل توجه بهتری نسبت به معیارهای موجود هستند. به ویژه، خط‌مشی ADP ما زمان مورد انتظار واکنش و کسر تماس‌های دیرهنگام با اولویت بالا را به ترتیب 12 و 6/30 درصد در طول بهترین معیارهای ایستای قابل دسترس در مطالعه موردی، کاهش می‌دهد. علاوه‌براین، نتایج، بینش‌هایی را در زمینه نقش هر استراتژی اعزام، استقرار مجدد و جابجایی فراهم می‌سازند.

6- نتیجه‌گیری

در این مطالعه، یک مساله اعزام و جابجایی بلادرنگ آمبولانس را به عنوان یک برنامه پویای تصادفی فرمولبندی کرده و آن را از طریق برنامه‌نویسی پویای تقریبی حل کردیم. تحقیقات در زمینه مدیریت بلادرنگ آمبولانس را که تنها استقرار مجدد آمبولانس را در نظر می‌گیرند در دو بُعد توسعه دادیم. ابتدا یک استراتژی کلی اعزام را در نظر گرفتیم که در آن، تصمیم گیرنده می‌تواند علاوه‌بر داشتن گزینه عدم اعزام فوری آمبولانس، و به جای آن، انتظار برای آمبولانسی که ممکن است به زودی قابل دسترس شود، هر آمبولانس قابل دسترسی را به یک تماس دریافتی اعزام نماید. دوما، یک استراتژی تخصیص مجدد آمبولانس را معرفی کردیم که در آن، تصمیم‌گیرنده ممکن است یک آمبولانس قابل دسترس را به محل آمبولانسی که به تازگی برای یک تماس اعزام شده است ارسال نماید. استراتژی تخصیص مجدد آمبولانس می‌تواند عملکرد را به وسیله کاهش زمان مورد انتظاری که یک منطقه بدون پوشش باقی می‌ماند و این وضعیت به وسیله اعزام تنها آمبولانس پوشش دهنده آن ایجاد می‌شود بهبود بخشد. ما عملکرد خط‌مشی‌های تولید شده توسط چارچوب ADP خود را روی سیستم EMS در شهر مکلنبورگ در کارولینای شمالی آزمایش کردیم و نتایج ما نشان می‌دهند که خط‌مشی‌های ما معیارهای ایستا را به طور قابل توجهی بهبود می‌بخشند. به ویژه، خط‌مشی‌های تقریبا بهینه ما زمان واکنش و کسر تماس‌های دیرهنگام را در مقایسه با بهترین معیارهای ایستا به ترتیب به اندازه 12 و 6/30 درصد کاهش می‌دهند.

Abstract

In this study, we develop a flexible optimization framework for real-time ambulance dispatching and relocation. In addition to ambulance redeployment, we consider a general dispatching and relocation strategy by which the decision maker has the option to (i) select any available ambulance to dispatch to a call or to queue the call and (ii) send an idle ambulance to cover the location of an ambulance just dispatched to a call. We formulate the problem as a stochastic dynamic program, and, because the state space is unbounded, an approximate dynamic programming (ADP) framework is developed to generate high-quality solutions. We assess the quality of our solutions by developing a lower bound on the expected response time and computing a lower bound on the expected fraction of late calls of any relocation policy. We test the performance of our policies and available benchmarks on an emergency medical services system in Mecklenburg County, North Carolina. The results show that our policies are near optimal and significantly outperform available benchmarks. In particular, our ADP policy reduces the expected response time and fraction of high-priority late calls by 12% and 30.6%, respectively, over the best available static benchmarks in the case study. Moreover, the results provide insights on the contribution of each dispatching, redeployment, and reallocation strategy

6- Conclusion

In this study we formulated a real-time ambulance dispatching and relocation problem as a stochastic dynamic program and solved it via approximate dynamic programming. We extended the literature on real-time ambulance management via ADP, which considers only ambulance redeployment, in two dimensions. First, we considered a general dispatching strategy in which the decision maker can send any available ambulance to a received call in addition to having the option of not dispatching an ambulance immediately, but rather waiting for an ambulance that may become available soon. Second, we introduced an ambulance reallocation strategy in which the decision maker may send an available ambulance to the location of an ambulance just dispatched to a call. The ambulance reallocation strategy can improve performance by reducing the expected time that a region is uncovered, which is caused by dispatching the only ambulance that covers it. We tested the performance of policies generated by our ADP framework on an EMS system in Mecklenburg County, North Carolina, and our results show that our policies significantly improve static benchmarks. In particular, our nearoptimal policies reduce the response time and fraction of high-priority late calls by 12% and 30.6%, respectively, compared to the best static benchmarks.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

اعزام و جابجایی آمبولانس در زمان واقعی

Real-Time Ambulance Dispatching and Relocation

بهبود تعامل، کار گروهی و اقدام در حین وقوع حالت اضطراری «ناتوانی در لوله‌ گذاری، ناتوانی در اکسیژن رسانی» (CICO) با بکار گیری CICO به عنوان روش کمک شناختی حفظی

Improving communication, teamwork, and action during a ‘‘cannot intubate cannot oxygenate (CICO)’’ emergency: employing CICO as a cognitive aid mnemonic

C: نامش را ببرید و انتقالش دهید

I: برش قریب الوقوع است

C: عمودی برش دهید

O: تکنیک از روی بگو (over-a-bougie technique)

نتیجه گیری

علوم بیهوشی، مراقبت های ویژه و اورژانس همگی هدف مشترک مدیریت ایمن مجرای تنفسی را دارند. این عمل به طور معمول بدون مشکل خاصی انجام میشود، اما مواردی نظیر آناتومی ناسازگار بیمار، فیزیولوژی یا وقایع موقعیتی دیگر میتوانند عمل اورژانس مجرای تنفسی را تحت الشعاع قرار دهند. نتیجه عمل اورژانس مجرای تنفسی همان قدر که وابسته به مهارت های غیرفنی است، به مهارت های فنی هم بستگی دارد (1-5). دستورالعمل های ویژه مجرای تنفسی اهمیت این مهارت های غیرفنی نظیر کار گروهی و تعامل موثر در حین عمل اورژانس مجرای تنفسی را پررنگ میکنند (6 و 7).
یکی از مثال های لزوم کار گروهی به موقع و سازمان یافته در عمل اورژانس مجرای تنفسی بروز حالت تهدید کننده حیات؛ «ناتوانی در لوله‌ گذاری، ناتوانی در اکسیژن رسانی» (CICO) است. اورژانس CICO نیازمند اقدام به لوله گذاری سریع از مجرای تنفسی گلو با روش eFONA است (6.A). با اینکه این عمل در اکثر مواقع موفقیت آمیز است اما تاخیر بیش از حد در انجام آن نمیتواند بیمار را در مقابل صدمات هیپوکسمی مغزی یا حتی مرگ محافظت کند (1 و 8). این تاخیر میتواند به خاطر نبود مهارت های غیرفنی حیاتی باشد. برای مثال ایجاد یک مدل ذهنی مشترک از شرایط پیش آمده و آغاز انجام گام های از پیش متصور شده جهت انجام اورژانس CICO (9). نبود چنین مدل ذهنی مشترکی میتواند مربوط به چند عامل باشد: (یک) ناتوانی در تشخیص اورژانس CICO، (دو) پس از تشخیص، ناتوانی در تعامل با کل تیم و اعلام وقوع اورژانس CICO، و/یا (سه) پس از اعلام CICO، ناتوانی در انجام سریع eFONA. کمک های شناختی از قبیل چک لیست ها زمانی موثر هستند که بیشتر راهنمای اعمال باشند تا منعکس کننده دغدغه ها (10). این مقاله یک دستورالعمل حفظی به عنوان یک کمک شناختی مرتبط با حروف CICO معرفی میکند که براحتی قابل یادآوری و خلاصه کردن در چندین گام ساده در مواجهه با حالت اورژانس CICO است.

نتیجه گیری

خوشبختانه، مدیریت مجرای تنفسی معمولا بدون رویداد خاصی انجام میگیرد. اما امکان بروز دشواری وجود دارد و میتواند به صدمات هیپوکسمی مغز و یا مرگ بیمار منجر شود. هدف اصلی حفظ جان بیمار و توانایی و صلاحیت تیم در ایجاد یک مدل مشترک ذهنی است. کمک شناختی حفظی CICO میتواند برای تیمی که همواره در حال تمرین اورژانس مجرای تنفسی هستند مفید باشد. مهم تر اینکه ما از ارائه یافته های آماری در رابطه با تاثیر این روش بر ارتقاء عملکرد، تعامل یا نتیجه خودداری کرده ایم. صرفنظر از این مورد عقیده داریم CICO به عنوان یک کمک شناختی (تصویر)؛ قادر به ارائه تعامل سازمان یافته و ابزار عمل بدون توجه به تخصص، حرفه یا تجربه اعضای تیم است. همچنین معتقد هستیم این قالب ساختاری پتانسیل افزایش اعتماد به نفس، همگرایی و عملکرد اعضای تیم در مواجهه با اورژانس CICO را دارد.

Anesthesiology, critical care, and emergency medicine share the common goal of safe airway management. While often performed uneventfully, adverse patient anatomy, physiology, or situational acuity can precipitate an airway emergency. The outcome of an airway emergency may result as much from non-technical skills as from technical expertise.1-5 Airway guidelines now highlight the importance of these non-technical skills such as teamwork and effective communication during airway emergencies.6,7
One example of an airway emergency requiring timely and structured teamwork is the rare life-threatening ‘‘cannot intubate, cannot oxygenate’’ (CICO) emergency. The CICO emergency requires immediate transition from tracheal intubation attempts to an emergency front-of-neck airway (eFONA) procedure.6,A While often technically successful, eFONA is frequently performed too late to save the patient from hypoxemic brain damage or death.1,8 This delay may reflect the lack of a vital non-technical skill—i.e., establishing a shared mental model about what is occurring and initiating the predictable next steps required to remedy the CICO emergency.9 Lack of such a shared mental model may be related to: i) the failure to recognize a CICO emergency; ii) once recognized, the failure to promptly and unequivocally declare a CICO emergency to the entire team; and/or iii) once a CICO emergency is declared, the failure to rapidly perform eFONA. Cognitive aids, like checklists, appear to be more effective if they direct action rather than simply listing concerns.10 This article offers a simple mnemonic as a four-part cognitive aid—corresponding to the letters ‘‘CICO’’—that can be easily recalled and summarizes the key sequential steps to identifying and managing the CICO airway emergency

Conclusion

Heureusement, la gestion des voies ae´riennes est habituellement mene´e sans incident. Des difficulte´s peuvent toutefois survenir de manie`re inattendue et de´boucher sur des le´sions du cerveau par hypoxie ou sur un de´ce`s. Notre objectif est de renforcer la se´curite´ des patients et la compe´tence de l’e´quipe en cre´ant un mode`le mental partage´. La me´thode mne´motechnique cognitive de la CICO peut eˆtre utile, mais ne l’est que dans la mesure ou` l’e´quipe s’est re´gulie`rement entraıˆne´e a` faire face a` cette urgence des voies ae´riennes. Il faut rappeler que nous n’avons pas fourni de preuves empiriques que l’aide cognitive « CICO » ame´liore la communication, la performance ou les re´sultats. Nous pensons ne´anmoins qu’utilise´e comme aide cognitive, elle peut aider a` porter une plus grande attention a` l’urgence CICO en proposant une communication structure´e et un outil pour agir inde´pendamment de la spe´cialite´, de la profession ou de l’anciennete´ du membre de l’e´quipe. Nous pensons e´galement que ce format structure´ peut accroıˆtre la confiance, la cohe´sion et la performance de l’e´quipe au cours de la rare urgence d’une CICO.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

بهبود تعامل، کار گروهی و اقدام در حین وقوع حالت اضطراری «ناتوانی در لوله‌ گذاری، ناتوانی در اکسیژن رسانی» (CICO) با بکار گیری CICO به عنوان روش کمک شناختی حفظی

Improving communication, teamwork, and action during a ‘‘cannot intubate cannot oxygenate (CICO)’’ emergency: employing CICO as a cognitive aid mnemonic

یک رویکرد مستحکم با محدودیت منابع برای مسئله موقعیت یابی و اعزام آمبولانس

A Cardinality-Constrained Robust Approach for the Ambulance Location and Dispatching Problem

چکیده
1 مسئله موقعیت یابی و اعزام آمبولانس
2 فرمولاسیون مسئله انسجام
2.1 مجموعه ها، پارامترها و متغیرهای تصمیم گیری
2.2 تابع هدف و محدودیت ها
2.3 فرمولاسیون انسجام دارای محدودیت عددی
3 آزمایشات محاسباتی
3.1 اجرا و ارزیابی جواب ها
4 نتایج
نتیجه گیری
منابع

چکیده

هدف سیستم های خدمات پزشکی اورژانس (EMS) ، ارائه خدمات پزشکی سریع در موارد اورژانسی می باشد. برنامه ریزی دقیق یک پیش نیاز اصلی برای موفقیت یک سیستم EMS و بخصوص برای کاهش زمان واکنش می باشد. متاسفانه، تقاضا برای خدمات اورژانس بسیار متغیر است و تردید در هنگام برنامه ریزی برای اقدام باید نادیده گرفته شود. چندین روش بهینه سازی برای بررسی مسائل مربوط به برنامه ریزی های EMS مطرح شده است و برای مثال می توان به مسئله موقعیت یابی و اعزام آمبولانس (ALDP) اشاره کرد. به هر حال، بسیاری از مدل ها قطعی هستند و تردید در تقاضا را نادیده می گیرند. در این تحقیق، ما برای بررسی تردید در تقاضا یک روش متقابل ALDP را ارائه و اعتبار سنجی کردیم و از روش عددی محدود استفاده کردیم . بررسی های عددی الهام گرفته از یک مورد واقعی است که نتایج تاثیر گذاری را ارائه کرده است و کاربرد عملی روش را اثبات می کند.

1 مسئله موقعیت یابی و اعزام آمبولانس

سیستم های خدمات پزشکی اورژانس (EMS) در بر گیرنده فعالیت های بالینی و انتقال آمبولانس در واکنش به تماس های اورژانس می باشند.EMS   نقش مهمی در سیستم های درمان پیشرفته ایفا می کنند، زیرا واکنش مناسب به تماس های distress می تواند تاثیر قابل توجهی بر شرایط سلامت بیمار داشته باشد. بخصوص اینکه، یکی از مسائل اصلی مربوط به کاهش یا حفظ حد آستانه برای زمان بین دریافت تماس و ورود آمبولانس به منطقه اورژانس می باشد. ادبیات بسط داده شده برای طراحی و مدیریت EMS  گسترده است. خوانندگان علاقه مند به تحقیقات  (2) و (6) ارجاع داده می شوند زیرا در این تحقیقات طبقه بندی مسائل، فرمولاسیون و روش های حل مسائل EMS مطرح شده اند. جای تعجب نیست اگر بگوییم که در هر دو تحقیق، تردید در تقاضا و وجود آمبولانس بعد از دریافت تماس به عنوان مسائل مهم برای تحقیقات آینده اشاره شده اند.

Abstract

Emergency Medical Services (EMS) systems aim to provide immediate care in case of emergency. A careful planning is a major prerequisite for the success of an EMS system, in particular to reduce the response time. Unfortunately, the demand for emergency services is highly variable and uncertainty should not be neglected while planning the activities. Several optimization models have been proposed in the literature to deal with EMS planning-related problems, e.g. the Ambulance Location and Dispatching Problem (ALDP). However, most of the models are deterministic and neglect demand uncertainty. In this paper, we formulate and validate a robust counterpart of the ALDP to deal with demand uncertainty, exploiting the cardinality-constrained approach. Numerical experiments inspired by a real case show promising results and prove the practical applicability of the approach.

1 The Ambulance Location and Dispatching Problem

Emergency Medical Services (EMS) systems consist of the clinical activities and the ambulance transportation in response to an emergency call. EMS plays an important role in modern health care systems, as an adequate response to distress calls may have a crucial impact on patients’ health conditions. In particular, one of the main issues is to reduce, or to keep under a given threshold, the time between the distress call and the arrival of the ambulance to the emergency site. The body of literature devoted to EMS design and management is huge; we refer the interested reader to [2] and [6], which report classifications of EMS problems, formulations, and solving approaches. Unsurprisingly, both reviews identify uncertainty on the demand and availability of ambulances upon a call arrival as open and important issues to address in future research.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

یک رویکرد مستحکم با محدودیت منابع برای مسئله موقعیت یابی و اعزام آمبولانس

A Cardinality-Constrained Robust Approach for the Ambulance Location and Dispatching Problem

مدل بدون توزیع برای مسئله مکان یابی آمبولانس با تقاضای مبهم

Distribution-Free Model for Ambulance Location Problem with Ambiguous Demand

1- مقدمه
2- بررسی ادبیات
2-1 مشکل مکان یابی آمبولانس با تقاضای مبهم
2-2 روش های آزاد توزیع
3- شرح و فرمول بندی مشکل
3-1 شرح مشکل
3-2 ساخت محدودیت شانسی
3-3- فرمولاسيون آزاد توزيع
4- رویکردهای راه حل
4-1 فرمول تقریبی MIP MIP-DF1:
4-2 فرمول تقریبی MIP: MIP-DF2
5- آزمایشات محاسباتی
5-1 آزمایش خارج از نمونه
5-2 نمونه های معیار
5-3 آزمایش های محاسباتی بر روی نمونه های ایجاد شده به صورت تصادفی
6- نتیجه گیری

مشکل مکان یابی آمبولانس یک مسئله کلیدی در سیستم خدمات اورژانس پزشکی (EMS) برای تعیین موقعیت مکانی آمبولانس است تا با استفاده از آن بتوان به تماس های اضطراری به طور موثر پاسخ داد. بیشتر تحقیقات مربوطه بر مشکلات قطعی متمرکز هستند و یا فرض می کنند که توزیع احتمالی تقاضا را می توان برآورد کرد. با این حال در عمل، کسب اطلاعات کامل در مورد توزیع احتمال مشکل است. این مقاله، مسئله مکان یابی آمبولانس را با اطلاعات تقاضای جزئی مورد بررسی قرار می دهد؛ این به این معنی است که تنها ماتریس میانگین و کوواریانس خواسته ها شناخته شده اند. این مشکل شامل تعیین مکان های پایه و به کارگیری آمبولانس ها، برای به حداقل رساندن کل هزینه ها است. یک مدل آزاد توزیع جدید با محدودیت های شانسی پیشنهاد شده است. سپس دو فرمول برنامه ريزي عدد صحیح مختلط تقریب زده شده (MIP)، براي حل آن توسعه داده شده است. در نهایت، آزمایش های عددی بر روی معیارها (Nickel et al.، 2016) و 120 نمونه ایجاد شده به صورت تصادفی، انجام شده و نتایج محاسباتی نشان می دهد که این دو فرمول پیشنهادی ما می توانند یک سطح خدمات بالا در یک زمان کوتاه را تضمین کنند. به طور خاص، فرمول دوم هزینه کمتری را اتخاذ می کند، در حالی که یک سطح خدمات مناسب را تضمین می کند.

1- مقدمه

طراحی سیستم های خدمات اورژانس پزشکی (EMS) که سلامت و زندگی مردم را تحت تأثیر قرار می دهد، بر نحوه پاسخ سریع به موارد اضطراری متمرکز است. مشکل مکان یابی آمبولانس یکی از مشکلات کلیدی در سیستم EMS است که عمدتا شامل تعیین پایگاه هایی است که به عنوان امکانات خدمات اورژانس نیز نامیده شده است، و همچنین به کارگیری آمبولانس ها به منظور ارائه خدمات کارآمدتر در شرایط اضطراری و تضمین کمک به زنده ماندن بیمار است. تحقیقات مختلفی، (به عنوان مثال [1، 2]) ارائه شده Toregas و همکاران (1974)، در مورد مسائل مربوط به مکان یابی آمبولانس انجام شده است.

6- نتیجه گیری

این مقاله یک مشکل مکان یابی آمبولانس با مجموعه ای از ابهام در تقاضا را مورد بررسی قرار می دهد که در آن توزیع احتمال تقاضای نامشخص، مجهول است. در این محیط داده محور، تنها تقاضاهای میانگین و کوواریانس در نقاط اضطراری شناخته شده اند. مشکل، تعیین موقعیت پایگاه ها و تعداد آمبولانس ها در هر پایگاه، با هدف به حداقل رساندن هزینه کل مرتبط با مکان یابی پایگاه ها و اختصاص دادن آمبولانس ها است. ما یک مدل آزاد توزیع با محدودیت های احتمالی پیشنهاد می کنیم. سپس دو فرمول MIP تقریبی با روش های تقریب مختلف محدودیت های شانسی پیشنهاد شده است که مبتنی بر مجموعه ابهام های توزیع احتمال ناشناخته هستند. آزمایش های عددی بر روی معیارها و 120 نمونه ایجاد شده به صورت تصادفی انجام شده و نتایج محاسباتی نشان می دهد که اولین فرمول MIP تقریبی با هزینه بالای سیستم بسیار محافظه کارانه تر است، در حالی که فرمول MIP تقریبی دوم صرفه جویی در هزینه بیشتر با سطح خدمات مناسب را تضمین می کند.

Ambulance location problem is a key issue in Emergency Medical Service (EMS) system, which is to determine where to locate ambulances such that the emergency calls can be responded efciently. Most related researches focus on deterministic problems or assume that the probability distribution of demand can be estimated. In practice, however, it is difcult to obtain perfect information on probability distribution. Tis paper investigates the ambulance location problem with partial demand information; i.e., only the mean and covariance matrix of the demands are known. Te problem consists of determining base locations and the employment of ambulances, to minimize the total cost. A new distribution-free chance constrained model is proposed. Ten two approximated mixed integer programming (MIP) formulations are developed to solve it. Finally, numerical experiments on benchmarks (Nickel et al., 2016) and 120 randomly generated instances are conducted, and computational results show that our proposed two formulations can ensure a high service level in a short time. Specifcally, the second formulation takes less cost while guaranteeing an appropriate service level.

1- Introduction

Te design of Emergency Medical Service (EMS) systems that afects people’s health and life focuses on how to respond to emergencies rapidly. Ambulance location problem is one of the key problems in EMS system, which mainly consists of determining where to locate bases, also named as emergency service facilities, and the employment of ambulances in order to serve emergencies efciently and to guarantee patient survivability. Tere have been various researches investigating ambulance location problem (e.g., [1, 2]) since it is introduced by Toregas et al. (1974).

6- Conclusion

Tis paper investigates an ambulance location problem with ambiguity set of demand, in which the probability distribution of the uncertain demand is unknown. In such a datadriven environment, only the mean and covariance demands at emergency points are known. Te problem is to determine the base locations and the number of ambulances at each base, aiming at minimizing the total cost associated with locating bases and assigning ambulances. We propose a distribution-free model with chance constraints. Ten two approximated MIP formulations with diferent approximation methods of chance constraints are proposed, which are based on diferent ambiguity sets of the unknown probability distribution. Numerical experiments on benchmarks and 120 randomly generated instances are conducted, and the computational results show that the frst approximated MIP formulation is much conservative with overhigh system cost, while the second approximated MIP formulation is more cost saving with service level appropriately ensured.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

مدل بدون توزیع برای مسئله مکان یابی آمبولانس با تقاضای مبهم

Distribution-Free Model for Ambulance Location Problem with Ambiguous Demand

خدمات فوریت های پزشکی و فراتر از آن: بررسی چالش های جدید از طریق مرور گسترده مقالات

Emergency Medical Services and beyond: Addressing new challenges through a wide literature review

چکیده

1. مقدمه

2. مکان آمبولانس ها

2.1 برابری در ترکیب

2.2 عدم قطعیت در ترکیب

3. مکان یابی مجدد آمبولانس ها

4. سیاست های اعزام و مسیر یابی

4.1 استراتژی های اعزام

4.2 مسئله مسیر یابی آمبولانس

5. تعامل بین دیگر سیستم های ارائه خدمات درمانی اورژانسی

5.1 دپارتمان های اورژانس

5.2 سیستم های خدمات درمانی 5 اولویت در اولین ساعت

6. ارزیابی و اعتبار سنجی

6.1 ارزیابی

6.2 اعتبار سنجی

7. پیش بینی

7.1 پیش بینی نیاز

7.2 پیش بینی زمان سفر و بار کاری

8. مدیریت نیروی کار

9. EMS بزرگ، داده های بزرگ و چالش های بزرگ

منابع

چکیده

یکی از مهم  ترین خدمات درمانی، خدمات پزشکی اورژانس می باشد زیرا این خدمات نقش بسیار مهمی در نجات جان انسان ها و کاهش نرخ مرگ و میر دارد. در طول سال های اخیر، بسیاری از مقاله های مروری، خدمات اورژانس پزشکی (EMS) و مشکلات مکان یابی آن را بررسی کرده اند، اما، تنها چند مقاله مروری بازه کامل سیستم های EMS را بررسی کرده  اند. این مقاله مروری، تلاش دارد تا این خلا را پر کند. مرور  ما مفهوم خدمات اورژانس را در دنبال گرایش های فعلی در زمینه سیستم های درمانی ارائه می کند، یعنی، نقش مرکزی خدمات درمانی را به بیماران منتقل می کند. با در نظر داشتن مسیر خدمات درمانی اورژانسی، ما یک مرور مقالات گسترده و تحلیل جامع را ارائه می کنیم تا بتوان  چالش های نو ظهور برای تحقیقات آتی را شناسایی کنیم.

1. مقدمه

خدمات پزشکی اورژانس  یکی از مهم ترین خدمات درمانی می باشد زیرا نقش بسیار مهمی در نجات جان انسان ها و کاهش وضعیت مرگ و میر و ناتوانی دارد. اهمیت و حساسیت تصمیم گیری در خدمات پزشکی اورژانس (EMS) توسط دانشمندان علوم  عملیاتی، برنامه ریزان EMS و فعالان در زمینه خدمات درمانی که مسئله های مرتبط با مدیریت سیستم های EMS را از دهه 1960 بررسی کرده اند، شناسایی شده است.

مکان یابی وسایل نقلیه EMS به صورت گسترده مورد بررسی قرار گرفته است زیرا در بسیاری از مقالات نشان داده شده است که این موضوع، اهمیت بسیار زیادی دارد. یکی از اولین مقاله های مروری که مدل های مکان یابی EMS را بررسی کرده است، مقاله ReVelle  و همکارانش [1] می باشد.  Brotcorne و همکارانش [2] یک مرور بر مقالات مکان یابی آمبولانس و مسئله های مکان یابی مجدد را ارائه کرده اند و مدل های موجود را در سه دسته کلی، تقسیم بندی کرده اند: مدل های ایستا و معین، مدل های احتمالی، و مدل های پویا. Goldberg [3] مدل های تحقیقات عملیاتی را برای استفاده از وسیله های EMS بررسی کرده است در حالی که بر روی مدل سازی ابعاد و فرضیات مسئله تمرکز کرده است. در این مقاله های مروری، چالش های مطرح شده توسط کاربرد های واقعی، خلا های احتمالی در مقالات و گرایش های جدید مورد بررسی قرار گرفته است.

9. EMS بزرگ، داده های بزرگ و چالش های بزرگ

در قسمت های قبلی، بسیاری از چالش ها مورد ارزیابی قرار گرفت مانند چالش های موجود که در زمان کار با مسئله برابری و ابعاد عدم قطعیت ، نیاز برای پیش بینی قابل اعتماد و روش های جدید برای ترکیب، ایجاد شد.

به نظر ما، بزرگترین چالش این است که یک رویکرد مبتنی بر نتیجه کلی برای ECP اتخاذ شود، که باید به عنوان یک روش شناخته شده که تمام تصمیم ها، درمان ها و گزارش های مربوط به یک بیمار را در بر می گیرد، تصدیق شود. از این منظر، یکی از اصلی ترین موارد جمع آوری اطلاعات مربوط به همه حوادث مربوط به بیمار قبل، در طی و پس از مداخله EMS است. معمولا سیستم های EMS مقدار زیادی از داده ها را جمع آوری می کنند، اما این اطلاعات مربوط به آنچه اتفاق می افتد قبل و بعد از دخالت وسیله نقلیه EMS را شامل نمی شود. بنابراین، چالش اصلی این است که مدل های قابل اطمینان جدید (احتمالا مدل های ترکیبی و با پشتیبانی از راه حل های جدید ICT)  به دست بیاید که بتوانند پیچیدگی ذاتی را در کنار تعریف ECP نشان دهند.

Abstract

One of the most important health care services is emergency medical service as it plays a vital role in saving people’s lives and reducing the rate of mortality and morbidity. Over the last years, many review papers have discussed emergency medical services (EMS) location problems, however, only few review papers consider the full range of EMS systems. This review paper tries to fill this gap. Our review introduces the concept of emergency care pathway following the current trend in health care systems, i.e., shifting the central role from health care providers to patients. Considering the emergency care pathway, we provide a broad literature review and analysis in order to identify emerging challenges for future research.

1 Introduction

Emergency medical service is one of the most important health care services as it plays a vital role in saving people’s lives and reducing the rate of mortality and morbidity. The importance and sensitivity of decision making in the Emergency Medical Services (EMS) field have been recognized by operations research scientists, EMS planners, and health care practitioners who studied many problems arising in the management of EMS systems since the 1960s.

Locating EMS vehicles has been widely studied as is shown by numerous review papers that appeared over the last years. One of the first review papers that addressed EMS location models is the paper of ReVelle et al. [1]. Brotcorne et al. [2] presented a review paper on ambulance location and relocation problems, and classified the existing models in three main groups: static and deterministic models, probabilistic models, and dynamic models. Goldberg [3] surveyed operations research models for the deployment of EMS vehicles while focusing on modeling aspects and problems assumptions. In these review papers, challenges posed by real world applications, potentials gaps in the literature, and new trends have been addressed.

9 Big EMS, big data, big challenge

In the previous sections, many challenges were highlighted such as those arising when dealing with the problem of incorporating equity and uncertainty aspects, the need for reliable forecasts and new methodological hybridizations.

In our opinion, the biggest challenge is to adopt a holistic outcome-based approach for the ECP, which should be conceived as a methodology that details all decisions, treatments, and reports related to a patient. From this point of view, one of the main difficulties is the collection of information regarding all events involving the patient before, during and after the EMS intervention. Usually, EMS systems collect a large amount of data, but this does not include data on what happens before and after the involvement of an EMS vehicle. Therefore, the main challenge is to develop new reliable models (probably hybrids and supported by new ICT solutions) that are capable to represent the inherent complexity behind the definition of an ECP.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

خدمات فوریت های پزشکی و فراتر از آن: بررسی چالش های جدید از طریق مرور گسترده مقالات

Emergency Medical Services and beyond: Addressing new challenges through a wide literature review

تدارکات برای سیستم های خدمات فوریت های پزشکی

Logistics for Emergency Medical Service systems

چکیده

مقدمه

مرور کوتاهی بر سیستم های EMS

سیستم EMS در بریتانیا

سیستم آلمانی

سیستم هلندی

سیستم EMS نوعی

اهداف سازمانی

ارزیابی عملکرد سیستم EMS

تعاریف کیفیت

تخمین عملکرد

سطوح برنامه ریزی و طراحی

برنامه ریزی و طراحی سیستم EMS

مشکلات برنامه ریزی

پیش بینی

پیش بینی تقاضا

حجم کار و پیش بینی مدت زمان سرویس دهی

استراتژی ها

استراتژی های مدیریت تماس

استراتژی های اعزام

استراتژی های مکان یابی مجدد

برنامه ریزی نیروی کار

خدمه آمبولانس

مرکز اعزام

برنامه ریزی آمبولانس

سطح راهبردی و فنی

سطح عملیاتی

خدمات دیگر

انتقال بیماران

جدول خلاصه

نتیجه گیری ها و پیشنهادات برای تحقیق آتی

منابع

چکیده

سیستم های خدمات فوریت پزشکی  (EMS) در سرتاسر جهان سیستم های پیچیده ای هستند و از نظر تنوع ارائه دهندگان خدمات، مسیرهای مراقبت، ترکیب بیماران و نشانگرهای کیفیت مراقبت متفاوت هستند. بنابراین تحلیل و بهبود این شاخص چالش برانگیز است. از آنجایی که سیستم های EMS در بین کشورها متفاوت است، ارائه قوانین و روش های عمومی برای برنامه ریزی و طراحی سیستم EMS دشوار است. با این حال، هدف مشترک تمامی ارائه دهندگان سرویس های فورت پزشکی ارائه کمک های درمانی سریع به بیمارانی است که دچار صدمات یا بیماری های جدی شده اند. این مقاله مرور کلی بر مشکلات تدارکات ایجاد شه برای ارائه دهندگان سیستم EMS ارائه می کند و نحوه ارتباط این مشکلات و مسائل با یکدیگر را نشان می دهد. برای هر مساله برنامه ریزی منحصر به فرد، توصیف و مرور کلی بر ادبیات روش های راهکار در نظر گرفته ارائه می شود. همچنین یک جدول خلاصه مقالات را مطابق با مشکلات بررسی شده دسته بندی کرده و آن را به طبقه بندی پیشنهاد مرتبط می کند.

مقدمه

کمک به بیماران و نجارت آن ها در یک مورد اظطراری (اورژانسی) خدمت بسیار مهم و فوری در هر کشوری در جهان محسوب می شود. از آنجایی که زمان های پاسخگویی و واکنش آمبولانس ها می تواند عامل حیاتی در نجات جان بیماران باشد، لذا انتظار می رود که آمبولانس ها در سریع ترین زمان ممکن در صحنه حوادث وارد شوند و این پرسش های مهم را ایحاد می کند که آمبولانس ها در چه محل هایی می بایست مکان یابی شوند و چه تعداد آمبولانس می بایست به کار گرفته شود. با توجه به این که سیستم های خدمات فوریت پزشکی (EMS) در بین کشورهای مختلف متفاوت است، ممکن است پاسخ های متفاواتی به این پرسش ها وجود داشته باشد. ادبیات مربوط به تحقیق در عملیات  (OR) مدل ها و روش های مختلف بسیاری را برای بررسی مساله مکان یابی آمبولانس پیشنهاد می دهد. با توجه به این که بیشتر سیستم های EMS در دو دسته اصلی یعنی Anglo-American و Franco-German  (Dick, 2003) طبقه بندی می شوند، این روش ها می بایست در کشورهای بیشتری نسبت به کشورهای توسعه یافته اولیه به کار گرفته شوند. 

نتیجه گیری ها و پیشنهادات برای تحقیق آتی

در این مقاله مسائل متعدد تدارکاتی ناشی از ارائه دهندگان سیستم EMS مورد بررسی قرار گرفته است. اگرچه تقاضا، مدت زمان پاسخگویی و حجم کار اغلب به صورت مجزا در مقالات در نظر گرفته می شوند، اما ارتباط درونی بین هر یک از این مولفه ها نمایان شده است. در نتیجه حل تنها یک مسله در یک زمان شاید بهترین گزینه نباشد. بنابراین، مقالات را مطرح نمودیم که این مسائل را به طور همزمان مورد بررسی قرار داده اند. برنامه ریزی سلسله مراتبی همراه با حلقه های بازخورد سودمند است، با این که برنامه ریزی همزمان ترجیح داده می شود. تا همین اواخر مقالات تمرکز زیادی بر یک ارائه دهنده خاص سیستم EMS داشتند اما طی یک دهه گذشته افزایش قابل توجهی در ظهور مدل های عمومی ایجاد شده است. در برخورد ما سیستم معمولی EMS، ما امیدوار هستیم که این مرور کوتاه از تحقیق بیشتر در زمینه ماهیت عمومی حمایت کند و در نتیجه تکرار در کارهای تحقیقاتی را به حداقل برساند.

Abstract

Emergency Medical Service (EMS) systems worldwide are complex systems, characterised by significant variation in service providers, care pathways, patient case-mix and quality care indicators. Analysing and improving them is therefore challenging. Since EMS systems differ between countries, it is difficult to provide generic rules and approaches for EMS planning. Nevertheless, the common goal for all service providers is to offer medical assistance to patients with serious injuries or illnesses as quickly as possible. This paper presents an overview of logistical problems arising for EMS providers, demonstrating how some of these problems are related and intertwined. For each individual planning problem, a description as well as a concise literature overview of solution approaches considered is given. A summary table classifies the literature according to the problems addressed and connects it to the proposed taxonomy.

Introduction

Helping and rescuing patients in case of an emergency is an important and urgent service in every country in the world. Since ambulance response times can be a crucial factor in patient survival, ambulances are expected to arrive at the scene of reported incidents as quickly as possible, raising important questions of where ambulances should be located and how many should be deployed. As Emergency Medical Service (EMS) systems differ between countries, there might be different answers to these questions. Operational Research (OR) literature offers many different models and approaches to tackle the ambulance location problem. As most EMS systems can be grouped into one of two main systems, the Anglo-American and the Franco-German system (Dick, 2003), the approaches should be applicable to more countries than they were initially developed for, but maybe not to all.

Conclusions and recommendations for further research

In this paper, we have overviewed several logistical problems arising for EMS providers. Although demand, response time and workload are often considered separately in the literature, we have highlighted the high degree of interconnection between each of these components. Consequently solving only one problem at a time might not be the best option. Thus, we have advocated papers that have addressed these issues simultaneously. At the very least, hierarchical planning with feedback loops is advantageous although simultaneous planning is preferable. Until recently, most papers have additionally focussed on one particular EMS provider but over the last decade there has been an increase in the emergence of generic models, acclaimed as straightforward to adapt to country specifics. In detailing a “typical” EMS system, we hope that our review will support further research of a generic nature and hence minimise any repetition of research works.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

تدارکات برای سیستم های خدمات فوریت های پزشکی

Logistics for Emergency Medical Service systems

الگوریتم تکراری بهینه سازی با تخمین پارامتر برای مشکل مکان یابی آمبولانس

Iterative optimization algorithm with parameter estimation for the ambulance location problem

چکیده
1- مقدمه
2 بررسی ادبیات
3 مدل سازی مشکل با استفاده از ابر مکعبی
4 الگوریتم بهینه سازی ابر مکعب تکراری
4-1 مدل بهینه سازی برای الگوریتم تکراری
4-2 تنظیمات اولیه
4-3 مدل ابر مکعب برای الگوریتم تکراری
4-4 شرایط خاتمه
4-5 به روز رسانی پارامتر
5 الگوریتم بهینه سازی شبیه سازی تکراری
6 نتایج تجربی
6-1 تایید اعتبار مدل شبیه سازی
6-2 مقایسه آزمایشات HYP-OPT و SIM-OPT
6-3 آزمایشات مقایسه ای SIM-OPT و رویکردهای برنامه ریزی ریاضی
7 نتیجه گیری
8 ضمیمه 1: شبه کد روند به روز رسانی پارامتر
9 ضمیمه 2: چارچوب شبیه سازی

چکیده

مشکل مکان یابی وسیله نقلیه اورژانسی برای تعیین تعداد ماشین های آمبولانس و موقعیت مکانی آن ها که سطح اطمینان مورد نیاز را برآورده می کند، در این مطالعه مورد بررسی قرار گرفته است. این یک مسئله غیر خطی پیچیده شامل تصمیم گیری های بحرانی است که دارای ویژگی های تصادفی ذاتی است. این مقاله یک الگوریتم بهینه سازی تکراری با برآورد پارامتر را برای حل مشکل مکان یابی وسیله نقلیه اورژانسی بررسی می کند. در الگوریتم پیشنهاد شده، یک مدل خطی موقعیت مکانی آمبولانس ها را تعیین می کند، در حالی که یک شبیه سازی ابر مکعبی برای ارزیابی و ارائه پارامترهای مربوط به موقعیت آمبولانس ها استفاده شده است. ما ابتدا یک الگوریتم بهینه سازی تکراری ابر مکعبی پیشنهاد می کنیم که در آن پارامترهای تعامل و قوانین ابر مکعب و بهینه سازی شناسایی شده اند. قوانین تعامل که در این تحقیق استفاده شده اند الگوریتم ما را قادر می سازد تا همیشه موقعیت مکانی آمبولانس ها را به گونه ای پیدا کند که قابلیت اطمینان مورد نیاز را برآورده کند. ما همچنین یک الگوریتم بهینه سازی شبیه سازی تکراری پیشنهاد می کنیم که در آن، روش ابر مکعب به منظور دستیابی به کارایی محاسباتی با یک شبیه سازی جایگزین شده است. آزمایشات محاسباتی نشان می دهند که الگوریتم بهینه سازی شبیه سازی تکراری، به صورت معادل با بهینه سازی ابر مکعب تکراری عمل می کند. الگوریتم های پیشنهادی، عملکرد بهتری نسبت به الگوریتم های موجود در ادبیات ارائه می دهند.

1- مقدمه

در یک سیستم خدمات اورژانس پزشکی (EMS)، مشکل مکان یابی آمبولانس (ALP) یک مسئله حیاتی است. تعیین موقعیت مکانی آمبولانس ها برای ارائه به موقع خدمات اورژانسی پزشکی، زندگی بیماران را تحت تاثیر قرار می دهد. ALP را می توان به عنوان مشکل تعیین تعداد و موقعیت آمبولانس های مورد نیاز برای ارائه به موقع سطح مشخصی از خدمات تعریف کرد. مشکل پوشش محل (LSCP)، که برای به حداقل رساندن تعداد وسایل نقلیه مورد نیاز برای پوشش همه سایتهای تقاضا در یک فاصله خاص است، یک روش موثر برای مدل سازی ALP می باشد. با این حال، LSCP قادر به کسب مهمترین ویژگی ALP نیست: عدم دسترسی به آمبولانس، مثلا زمانی که آمبولانس توسط یک بیمار اشغال شده باشد، منجر به ورود دیر هنگام آمبولانس در محل هدف شده و در نتیجه شانس بیمار برای زنده ماندن را کاهش می دهد. بنابراین، ایجاد یک مدل قابل اعتماد مکان یابی آمبولانس دارای اهمیت است.

7- نتیجه گیری

این مقاله یک الگوریتم ابر مکعب و بهینه سازی شبیه سازی تکراری به منظور یافتن موقعیت مکانی آمبولانس هایی که الزامات قابلیت اطمینان را برآورده می کنند، پیشنهاد کرده است. مدل بهینه سازی الگوریتم های پیشنهادی، تعداد و موقعیت مکانی آمبولانس ها را با استفاده از محدودیت های خطی ساده پیدا می کند. مدل ابر مکعب (شبیه سازی) برای اعتبار سنجی نتایج مدل بهینه سازی استفاده شد و تعداد کمی از پارامتر های مورد نیاز برای تعامل بین مدل ها با هدف اعتبار سنجی، شناسایی شده اند. این پارامترهای تعامل، تا زمان رضایت کامل از شرایط خاتمه به روز شدند، بنابراین یک راه حل امکان پذیر را تضمین می کنند. آزمایش مقایسه ای HYP-OPT و SIM-OPT نشان داد که این دو الگوریتم کارایی تقریبا یکسانی دارند. نتایج تجربی SIM-OPT با سایر الگوریتم های برنامه ریزی ریاضی مقایسه شده اند و این از آمار ارائه شده مشهود است که الگوریتم پیشنهادی از لحاظ تعداد وسایل نقلیه اختصاص یافته، کارآمد است. این به این معنی است که این الگوریتم برای مواردی که در آن ها دیگر الگوریتم ها به راه حل های عملی دست پیدا کرده اند، تعداد آمبولانس کمتری در مقایسه با سایر الگوریتم ها پیدا کرده است. در موارد دیگر، تنها 0.3815 وسیله نقلیه بیشتر از سایر مدل ها به کار گرفته شده و در عین حال الزامات قابلیت اطمینان برآورده شده است (زمان محاسبه برای هر مورد کمتر از 1 ساعت بود). محدودیت های این مقاله شامل این فرض است که تعداد آمبولانس های مورد نیاز در هر گره تقاضا و حداکثر استفاده از هر آمبولانس یکسان هستند. قوانین به روز رسانی پارامتر zijhyper را می توان در مدل بهینه سازی برای اعمال یک مرز محکم در آن، اصلاح کرد. پیشنهاد شده است که پژوهش های آینده یک الگوریتم تکراری را که مدت زمان سفر و تقاضا را در هر دوره در نظر می گیرد، مورد بررسی قرار دهند.

Abstract

The emergency vehicle location problem to determine the number of ambulance vehicles and their locations satisfying a required reliability level is investigated in this study. This is a complex nonlinear issue involving critical decision making that has inherent stochastic characteristics. This paper studies an iterative optimization algorithm with parameter estimation to solve the emergency vehicle location problem. In the suggested algorithm, a linear model determines the locations of ambulances, while a hypercube simulation is used to estimate and provide parameters regarding ambulance locations. First, we suggest an iterative hypercube optimization algorithm in which interaction parameters and rules for the hypercube and optimization are identified. The interaction rules employed in this study enable our algorithm to always find the locations of ambulances satisfying the reliability requirement. We also propose an iterative simulation optimization algorithm in which the hypercube method is replaced by a simulation, to achieve computational efficiency. The computational experiments show that the iterative simulation optimization algorithm performs equivalently to the iterative hypercube optimization. The suggested algorithms are found to outperform existing algorithms suggested in the literature.

1- Introduction

In an emergency medical service system (EMS), the ambulance location problem (ALP) is a critical issue. Locating ambulances is crucial to providing timely emergency medical services, affecting patients’ lives intimately. The ALP can be defined as the problem to find the number and locations of ambulances needed to provide a certain level of timely service. The location set cover problem (LSCP), which is to minimize the number of vehicles required to cover all demand sites within a specific distance, is an effective approach used to model the ALP. However, the LSCP is not able to capture the most important characteristic of the ALP: unavailability of an ambulance, such as when it is occupied by a patient, which leads to the late arrival of the ambulance at the target location, thus decreasing the patient’s chances of survival. Therefore, it is important to build a reliable ambulance location model.

7- Conclusions

This paper suggested an iterative hypercube and simulation optimization algorithm for the purpose of finding the locations of ambulances that satisfy the reliability requirements. The optimization model of the suggested algorithms finds the number and locations of ambulances using simple linear constraints. The hypercube (simulation) model was used to validate the optimization model results, and a few parameters required to interact between the models for the purpose of validation were identified. These interaction parameters were updated iteratively until satisfaction of the termination conditions, thus ensuring a feasible solution. The comparison experiment of HYP-OPT and SIM-OPT showed that the two algorithms have approximately equivalent performances. The experimental results of SIM-OPT were compared with other mathematical programming algorithms, and it is evident from the statistics presented that the suggested algorithm is efficient in terms of the number of allocated vehicles. That is, it found a lower number of ambulances on average compared to the other algorithms for the cases in which the others found feasible solutions. In the other cases, it employed only 0.3815 more vehicles than the other models on average while satisfying the reliability requirement (computational time per case was observed to be<1 h). The limitations of this paper include the assumption that the required numbers of ambulances per demand node and the maximum utilizations of each ambulance are the same. The rules for updating the parameter zij hyper could be revised to impose a tight boundary on it in the optimization model. Future research is suggested to investigate an iterative algorithm that considers travel time and demand per period.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

الگوریتم تکراری بهینه سازی با تخمین پارامتر برای مشکل مکان یابی آمبولانس

Iterative optimization algorithm with parameter estimation for the ambulance location problem

تحلیل عوامل موثر بر پیش بینی های نیروی انسانی پزشک اورژانس امریکا

Analysis of Factors Affecting U.S. Emergency Physician Workforce Projections

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

تحلیل عوامل موثر بر پیش بینی نیروی انسانی پزشک اورژانس امریکا

Analysis of Factors Affecting U.S. Emergency Physician Workforce Projections

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.