Do Machine Learning–Guided Proactive Full Capacity Protocols Mitigate Emergency Department Overcrowding? A Simulation-Based Evaluation
Cette étude démontre qu'un protocole de pleine capacité proactif guidé par l'apprentissage automatique, qui prédit l'encombrement six heures à l'avance, réduit significativement le temps que les services d'urgence passent au-dessus des seuils d'encombrement et raccourcit la durée du protocole par rapport à l'activation réactive conventionnelle, bien qu'il n'améliore pas de manière significative les temps d'attente globaux ou la durée de séjour.