Ülo Ennuste Economics

papers and articles in wordpress

Unistused ei kao

Unistused ei kao: Raul-Allan Kiivet „Unistus universaalsest terviseloost“ PM 1.X 14 lk11

Pool sajandit tagasi kui unistust sai reaalseks universaalse majandus-küberneetilise funktsioneerimismehhanismi disainimine (sh nt rahvuslikud maksu- ja fiskaal–mehhanismid jne) sest selleks oli vastav teoreetiline ee loodud eeskätt Winer&Neumann&Nash jne sh arstiteadlase Arturo Rosenblueth’iga  ja majandusteadlase Morgenstern’i teadustulemustega – siis hakkas ilmuma nagu seeni ka vastavaid interdistsiplinaarseid teadusajakirju.

Üks nendest ilmub siiani sama pealkirja all „Socio-Economic Planning Sciences“: selle eripäraks oli/on et kõrvuti käsitakse otsustusteoreetiliselt eeskätt nt nii rahvuslike majanduste reguleerimise/planeerimise mehhanismide kui ka rahvuslike tervishoiusüsteemide disainimist – ja väga õnnestunult – sest mõlemal juhul on tegemist väga suurte andmebaasidega ehk nagu siis matemaatikute hulas öeldi et „dimensionaalsuse needusega“ ning seega said nii majandusteadlased kui ka arstiteadlased üksteiselt samas ajakirjas vastastikku õppida.

Kuid nagu aeg on näidanud et see ei jäänud antud kaasuses ainsaks needuseks: peamiseks kujunes eeskätt väikeriikide puhul nii talentide kui majanduslike võimaluste nappus. Ühelt poolt Kiivet kirjutab nagu oleks iga eestlase jaoks andmemoodulitest koosneva terviseloo koostamse eeliseks „väike rahvaarv“ mida suurtel riikidel ei ole – kuid teiselt poolt – et selleks oleks meil vaja „alustada sihipärast ja massiivset teadus- ja arendustegevust“ – siis need on vastuoksed unistused. Vastuoksed eeskätt  selles mõttes ei Eestis teadurahastust oma tosin korda vähem p.c. ja rahvast samas veel tosinaid kordi vähem – ning – mis veelgi tähtsam et arstiteaduslikke otsustusteoreetilisi mudeleid ja nende kalibreerimist peavad tegema eeskätt arstiteaduste professorid (kus need meil väikese rahaga võtta on ning muide arenenud suurriikides taoline tegevus juba ammu-ammu käib vt nt*).

Veel loeme „IT-riik Eesti arendab teaduspõhist majandust“ – kuidas suurriikides vastavaid teaduspõhiseid majandusarengu uuringuid tehakse siis oleks heaks näiteks kasvõi uuring maksusüsteemide alal**. Meil aga „IT-riigis“ samas selle asemel korraldatakse nt rahvusliku maksumehhanismi disainimseks partokraatide poolt amatööridele odavaid „Ohtlike ideede festivale“ ning TV foorumeid jne poliit-populistlike säutsude „väljakäimiseks“ ning „Jääkeldrite“ demokraatlikke käramisi jne kus teaduspõhisusest pole õhkagi, pole sisuliselt isegi ei teadusministrit ega Akadeemiat :==)

*) Lotfi, V. and Torres, E. 2014.  “Improving an outpatient clinic utilization using decision analysisbased patient scheduling” –  Socio-Economic Planning Sciences 48 (2014) 115e126.

a b s t r a c t

This study presents a predictive model to be used in scheduling patients in an urban outpatient clinic.

The model is based upon actual patient characteristics from a physical therapy clinic within an urban

health and wellness center situated in a public university. A number of reported patients’ characteristics

such as age, education level, distance from the clinic, historical attendance records, etc. were examined to

determine if they significantly impacted the patients’ missing scheduled appointments (no-shows.)

Decision tree analysis was used to develop a model that assessed the likelihood of a patient’s no-show,

using key patient characteristics and attendance records. Such a model can be used to assist with

scheduling patients in an outpatient clinic, while attempting to increase the clinic’s overall utilization.

Four tree growing criteria were examined to develop the model with the strongest predictive power.

Predictive power of each method was assessed by using the entire dataset as well as using split sampling.

The results were then compared with those of a Bayesian networks model and a neural networks model.

In addition, the trade-off between the selected decision tree model’s predictive power versus simplicity

of the associated classification rules was examined. We also assessed the impact of various levels of

overbooking on the clinic’s utilization when using patients’ schedules based on the predictive model.

_ 2014 Elsevier Ltd. All rights reserved.

**) http://ec.europa.eu/taxation_customs/resources/documents/common/publications/studies/effective_taxes.pdf

October 1, 2014 - Posted by | Uncategorized

No comments yet.

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s

%d bloggers like this: