人工智能可以缩短医院的等待时间
在2019年，英格兰的急诊科等待时间是有记录以来最糟糕的，12月有2，000名患者等待超过12小时的病床。同时，最新研究表明，在过去三年中，有近5500名患者在等待医院病床的急诊室死亡。
问题的一部分在于，被紧急送入医院的患者可能真的很病又不稳定。因此，要决定何时他们会变得更好并且可以安全回家（床是免费的），这既复杂又冒险。
实际上，每5名从医院送回家的患者，将在一个月内作为医疗急救被送回。但是我们的研究可能已经找到了一种方法，可以帮助您疏通病床，并帮助医生和护士快速了解哪些患者可以安全回家。
在我们的最新研究中，我们使用了机器学习（或人工智能（ai））来帮助医生和护士确定哪些患者已准备好出院，哪些患者应该住院。我们使用了血压和心率等生命体征的变化来突出那些可能已经好到可以出院的患者。
在班戈的单位中，我们对790名重病患者进行了该系统测试，我们发现以这种方式使用ai意味着这些患者的住院天数减少了2500天。
诸如血压，心率，呼吸速度，温度，氧气水平，是否需要补充氧气和意识水平等生命体征已被医生和护士普遍用来确定某人的病情。病人住院期间，每天服用两次至六次。每次测量的异常程度越高，患者可能需要重症监护或死亡的可能性就越大。
我们的新的研究建立在研究我们在雷克瑟姆maelor医院单位，于2001年出版，其中测试的总结所有的生命体征是一个数字的系统。英国大多数救护车和医院现在都使用了非常类似的系统，这使得医生和护士可以更轻松地快速评估患者并传达患者的严重程度。
该系统基本上给每个生命体征得分在零到三点之间-正常测量为零分，非常异常测量为三分。所有分数加起来：如果总分为零，则患者可能会好起来。如果总分提高，则患者的风险更高–最高分为20。
对于这项新研究，我们与bevan委员会以及健康电子公司philips healthcare的研究人员合作。在我们的研究中，计算机查看了因哮喘，心力衰竭和胃溃疡等医疗状况而紧急住院的病人的生命体征。计算机观察并学习了两天的分数，然后开始查看趋势-分析分数上升和下降的频率以及分数上升或下降的频率。
在研究过程中，我们发现总分在3或以下且持续96小时以上的患者通常是“稳定的”。他们不太可能在其余的住院期间再次感到不适，并且很可能会安全地离开医院。我们计算出，仅执行此简单规则即可为790名患者节省2143天的住院时间。
但是，当计算机使用ai时，有可能告诉谁“稳定”的患者要早得多-仅12个小时。在这一点上算出哪些患者可以回家可以减少我们研究中患者的住院时间2，652天。
以太币和比特币是如何运作的
【涨姿势】如何用iPerf测试Linux设备的Wi-Fi吞吐量？？
无刷直流电机的结构和工作原理
ADI标准空间产品筛选：A组测试
电子技术自学的学习方法
人工智能可以缩短医院的等待时间
医疗废物在线监测系统闭环医废管理
立体声系统放大器LM4780/1/2的性能特点及应用
嵌入式Linux开发的三种方式
单芯片同步稳压器以很少的外部元件驱动4A负载
模拟电路网络课件 第二十节:场效应管放大电路
通用自动驾驶子公司Cruise将新增1000员工和Waymo竞争加剧
小米雷军：明年5G手机将拉动换机潮，小米未来工厂12月正式建成
STM32单片机中抢占优先级和响应优先级的表达方式解析
一周概念股：安防厂商缺芯困境下的真实业态
荣耀Note10体验 平板级大屏幕之外还有均衡旗舰的体验
单片机简谱程序
关于电池极板外化成的知识点介绍
2020中国工业APP创新应用大赛颁奖仪式在天津举行
采用FPGA芯片完成基于LMS算法的自适应谱线增强系统的设计
问题的一部分在于，被紧急送入医院的患者可能真的很病又不稳定。因此，要决定何时他们会变得更好并且可以安全回家（床是免费的），这既复杂又冒险。
实际上，每5名从医院送回家的患者，将在一个月内作为医疗急救被送回。但是我们的研究可能已经找到了一种方法，可以帮助您疏通病床，并帮助医生和护士快速了解哪些患者可以安全回家。
在我们的最新研究中，我们使用了机器学习（或人工智能（ai））来帮助医生和护士确定哪些患者已准备好出院，哪些患者应该住院。我们使用了血压和心率等生命体征的变化来突出那些可能已经好到可以出院的患者。
在班戈的单位中，我们对790名重病患者进行了该系统测试，我们发现以这种方式使用ai意味着这些患者的住院天数减少了2500天。
诸如血压，心率，呼吸速度，温度，氧气水平，是否需要补充氧气和意识水平等生命体征已被医生和护士普遍用来确定某人的病情。病人住院期间，每天服用两次至六次。每次测量的异常程度越高，患者可能需要重症监护或死亡的可能性就越大。
我们的新的研究建立在研究我们在雷克瑟姆maelor医院单位，于2001年出版，其中测试的总结所有的生命体征是一个数字的系统。英国大多数救护车和医院现在都使用了非常类似的系统，这使得医生和护士可以更轻松地快速评估患者并传达患者的严重程度。
该系统基本上给每个生命体征得分在零到三点之间-正常测量为零分，非常异常测量为三分。所有分数加起来：如果总分为零，则患者可能会好起来。如果总分提高，则患者的风险更高–最高分为20。
对于这项新研究，我们与bevan委员会以及健康电子公司philips healthcare的研究人员合作。在我们的研究中，计算机查看了因哮喘，心力衰竭和胃溃疡等医疗状况而紧急住院的病人的生命体征。计算机观察并学习了两天的分数，然后开始查看趋势-分析分数上升和下降的频率以及分数上升或下降的频率。
在研究过程中，我们发现总分在3或以下且持续96小时以上的患者通常是“稳定的”。他们不太可能在其余的住院期间再次感到不适，并且很可能会安全地离开医院。我们计算出，仅执行此简单规则即可为790名患者节省2143天的住院时间。
但是，当计算机使用ai时，有可能告诉谁“稳定”的患者要早得多-仅12个小时。在这一点上算出哪些患者可以回家可以减少我们研究中患者的住院时间2，652天。
以太币和比特币是如何运作的
【涨姿势】如何用iPerf测试Linux设备的Wi-Fi吞吐量？？
无刷直流电机的结构和工作原理
ADI标准空间产品筛选：A组测试
电子技术自学的学习方法
人工智能可以缩短医院的等待时间
医疗废物在线监测系统闭环医废管理
立体声系统放大器LM4780/1/2的性能特点及应用
嵌入式Linux开发的三种方式
单芯片同步稳压器以很少的外部元件驱动4A负载
模拟电路网络课件 第二十节:场效应管放大电路
通用自动驾驶子公司Cruise将新增1000员工和Waymo竞争加剧
小米雷军：明年5G手机将拉动换机潮，小米未来工厂12月正式建成
STM32单片机中抢占优先级和响应优先级的表达方式解析
一周概念股：安防厂商缺芯困境下的真实业态
荣耀Note10体验 平板级大屏幕之外还有均衡旗舰的体验
单片机简谱程序
关于电池极板外化成的知识点介绍
2020中国工业APP创新应用大赛颁奖仪式在天津举行
采用FPGA芯片完成基于LMS算法的自适应谱线增强系统的设计