Przejdź do treści
Wróć do wyników wyszukiwania

Teoria kolejek w ochronie zdrowia

Autor metody
Agner Krarup Erlang
Rok
1909
Typ
Stochastic modeling and optimization technique
Rodzina
Operations research, Service management

Ten tekst jest tłumaczeniem maszynowym i nie został jeszcze sprawdzony. Przeczytaj oryginał po angielsku

Rozmiar czcionki

Do czego służy?

Teoria kolejek jest dyscypliną matematyczną modelującą kolejki, przepustowość usług i przepływ pacjentów.

Zapoczątkowana przez Agnera Erlanga w telekomunikacji w 1909 roku, została szeroko zastosowana w ochronie zdrowia do analizy i optymalizacji oddziałów ratunkowych, przychodni ambulatoryjnych, sal operacyjnych i centrów usług diagnostycznych.

Intuicja stojąca za metodą

Problemy kolejkowania pojawiają się, gdy popyt na usługi zmienia się nieprzewidywalnie, a przepustowość jest stała lub ograniczona. W ochronie zdrowia pacjenci przybywają w nieregularnych odstępach czasu, czas ich obsługi jest zmienny, a świadczeniodawcy mają ograniczenia przepustowości. Teoria kolejek wykorzystuje rachunek prawdopodobieństwa i statystykę do przewidywania długości kolejek, czasów oczekiwania i wykorzystania systemu bez potrzeby symulowania każdego pacjenta. Zrozumienie tych zależności pozwala menedżerom określić, ilu pracowników, łóżek czy jednostek sprzętu jest potrzebnych do osiągnięcia akceptowalnych poziomów usług.

Historia

Agner Erlang opracował teorię kolejek w 1909 roku, analizując wolumen połączeń telefonicznych w Kopenhadze. Dziedzinę tę sformalizował David Kendall, który w 1953 roku wprowadził obecnie standardową notację dla typów kolejek (M/M/1 itp.). Zastosowania w ochronie zdrowia przyspieszyły w latach 90. i 2000. wraz z zastosowaniem metod badań operacyjnych do przepływu pacjentów na oddziałach ratunkowych, planowania zabiegów chirurgicznych i zarządzania przychodniami ambulatoryjnymi. Rozszerzenia uwzględniające rozkłady inne niż wykładnicze i zmienne w czasie przybycia sprawiły, że teoria stała się bardziej stosowalna do rzeczywistych systemów opieki zdrowotnej.

Kiedy stosować

Wykorzystaj teorię kolejek przy analizie systemów obsługi ze zmiennym popytem i stałą przepustowością, takich jak oddziały ratunkowe, przychodnie ambulatoryjne i usługi diagnostyczne. Jest skuteczna w przewidywaniu zachowania systemu bez kosztownej symulacji. Załóż, że przybycia i czasy obsługi są losowe, że system jest w stanie ustalonym (nie w fazie rozruchu ani wyłączania) i że dyscyplina kolejki jest jasna (FIFO, priorytet). Unikaj teorii kolejek, jeśli wzorce przybyć są wysoce deterministyczne, jeśli system jest bardzo mały (< 3 serwery) lub jeśli niestandardowe dyscypliny kolejki utrudniają analizę.

Ograniczenia i uwagi

  • Standardowe modele kolejkowania zakładają losowe (poissona) przybycia i wykładnicze czasy obsługi, co często nie ma miejsca w ochronie zdrowia
  • Nie uwzględnia porzucania pacjentów, rezygnacji z kolejki ani złożonych wzorców trasowania
  • Zakłada warunki stacjonarne; nie radzi sobie ze zmiennym w czasie popytem (np. zmiennością sezonową)
  • Wyniki są wrażliwe na założenia dotyczące kształtu rozkładu; niewielkie błędy w założeniach mogą prowadzić do dużych błędów predykcji
  • Ograniczona zdolność modelowania interakcji między wieloma stacjami obsługi lub politykami priorytetowymi

Warunki podane w źródle nie zastępują niezależnego przeglądu naukowego ani walidacji przez silnik analityczny.

Mocne strony

  • Dostarcza wzorów analitycznych dla czasów oczekiwania, długości kolejek i wykorzystania przy minimalnej ilości danych
  • Umożliwia szybką analizę scenariuszy i badania typu „co by było, gdyby” (np. o ile dodanie kolejnego świadczeniodawcy skraca czas oczekiwania?)
  • Identyfikuje wąskie gardła i optymalne poziomy obsady dla danych celów usługowych
  • Ugruntowana teoria z obszerną literaturą i implementacjami programistycznymi
  • Niski koszt obliczeniowy w porównaniu do symulacji

Zastosowania

  • Przewidywanie czasów oczekiwania na oddziałach ratunkowych i określanie optymalnej obsady lekarzy i pielęgniarek dla docelowych poziomów usług
  • Analiza przepustowości przychodni ambulatoryjnych i decyzja o dodaniu terminów wizyt, równoległych przychodni lub zmianie harmonogramu
  • Ocena wykorzystania sal operacyjnych i przewidywanie czasów zmian w celu maksymalizacji efektywności harmonogramu
  • Ocena przepustowości diagnostyki obrazowej (CT, MRI, USG) i planowanie okien serwisowych
  • Planowanie obsady centrum telefonicznego dla umawiania wizyt pacjentów i linii doradczych w oparciu o oczekiwany wolumen połączeń i docelowe czasy odpowiedzi

Jak to działa

Jak to działa

1

Zbierz dane dotyczące wzorców przybycia pacjentów (czasy między przybyciami), czasów obsługi (jak długo trwa leczenie) i liczby serwerów (lekarzy, pielęgniarek, łóżek, skanerów). Dane powinny obejmować wiele tygodni lub miesięcy, aby uchwycić zmienność i sezonowość.

2

Podsumuj przybycia i czasy obsługi jako rozkłady prawdopodobieństwa (np. wykładniczy, normalny). Sprawdź, czy zaobserwowane dane pasują do standardowych rozkładów, stosując testy zgodności (Kołmogorowa-Smirnowa, Andersona-Darlinga).

3

Zidentyfikuj strukturę kolejki: serwer pojedynczy vs. wieloserwerowy, kolejka pojedyncza vs. wielokrotna, oraz czy obowiązują zasady priorytetu (pacjenci w stanie nagłym pierwsi, pacjenci umówieni vs. przychodzący bez umówienia).

4

Określ system kolejkowania za pomocą notacji Kendalla (np. M/M/c/N: markowowskie przybycia, markowowska obsługa, c serwerów, pojemność systemu N) i oblicz metryki stanu ustalonego: średnią długość kolejki, średni czas oczekiwania, wykorzystanie serwera.

5

Określ, czy obecna przepustowość spełnia cele usługowe (np. 90% pacjentów przyjętych w ciągu 4 godzin). Jeśli nie, określ, czy należy zwiększyć liczbę serwerów, skrócić czas obsługi, czy wdrożyć triaż. Przeprowadź analizę wrażliwości kluczowych założeń.

Częste pułapki

  • Zakładanie, że przybycia są Poissona, gdy w rzeczywistości są umówione lub mają wiele szczytów w ciągu dnia
  • Ignorowanie heterogeniczności pacjentów (np. przypadki nagłe vs. rutynowe) i stosowanie standardowych formuł kolejkowania do systemów mieszanych
  • Mylenie teoretycznych metryk stanu ustalonego z rzeczywistymi scenariuszami pierwszego dnia lub najgorszego przypadku
  • Używanie średniego czasu obsługi, gdy zmienność (odchylenie standardowe) jest wysoka; zmienność zwiększa czas oczekiwania znacznie bardziej, niż sugeruje sama średnia

Najczęściej zadawane pytania

Czym jest kolejka M/M/1 i kiedy jest używana?

M/M/1 reprezentuje kolejkę z jednym serwerem z markowowskimi (wykładniczymi) rozkładami czasów przybycia i obsługi. Nadaje się do modelowania pojedynczego punktu obsługi, samotnego skanera obrazowego lub pojedynczego świadczeniodawcy, gdy popyt nie jest zbyt wysoki. Jej wzór na średni czas oczekiwania to W = λ / (μ(μ − λ)), gdzie λ to wskaźnik przybyć, a μ to wskaźnik obsługi.

Jak dodanie jednego dodatkowego świadczeniodawcy skraca czas oczekiwania?

Efekt jest nieliniowy i zależy od obecnego wykorzystania. Przy niskim wykorzystaniu (np. 30% zajętości serwera) dodanie przepustowości ma minimalny wpływ. Przy wysokim wykorzystaniu (np. 85% zajętości) dodanie jednego serwera może drastycznie skrócić czas oczekiwania. Dlatego systemy opieki zdrowotnej często działają blisko pełnej przepustowości i charakteryzują się długimi czasami oczekiwania.

Czy mogę używać teorii kolejek, jeśli pacjenci przybywają na umówione wizyty?

Częściowo. Umówione przybycia zmniejszają losowość i są bardziej przewidywalne, ale systemy umawiania wizyt nadal mają nieobecności, anulacje i zmienne czasy obsługi. W ochronie zdrowia powszechny jest model hybrydowy (część umówiona, część bez umówienia). Jeśli przybycia są wysoce deterministyczne (wszystkie umówione wizyty), lepsza może być symulacja.

Co oznacza „wykorzystanie” i jak wpływa na czas oczekiwania?

Wykorzystanie (ρ = λ / (c × μ)) to ułamek wykorzystywanej przepustowości serwera. 70% wykorzystanie oznacza, że świadczeniodawcy są zajęci przez 70% czasu. Gdy wykorzystanie zbliża się do 100%, czasy oczekiwania rosną wykładniczo. Większość systemów opieki zdrowotnej dąży do 70–85% wykorzystania, aby zrównoważyć efektywność i poziomy usług.

Jak wybrać między dodaniem personelu a poprawą efektywności (skróceniem czasu obsługi)?

Oba rozwiązania skracają czas oczekiwania, ale usprawnienia efektywności są często tańsze i bardziej zrównoważone. Zmniejszenie średniego czasu obsługi o 10% ma podobny efekt jak zatrudnienie większej liczby personelu, ale bez długoterminowych kosztów wynagrodzeń. Najpierw priorytetyzuj usprawnienia procesów, a następnie, jeśli to konieczne, dodaj przepustowość.

Pokrewne metody

Źródła

  1. Erlang, A. K. (1909). The theory of probabilities and telephone conversations. Nyt Tidsskrift for Matematik, 20(B), 33–39.

    Otwórz odnośnik do publikacji
    Skopiowano.
  2. Kendall, D. G. (1953). Stochastic processes occurring in the theory of queues and their application to the theory of failures. Annals of Mathematical Statistics, 24(3), 338–354.

    Otwórz odnośnik do publikacji
    Skopiowano.
  3. Gross, D., Shortle, J. F., Thompson, J. M., & Harris, C. M. (2008). Fundamentals of Queuing Theory (4th ed.). John Wiley & Sons.

    Otwórz odnośnik do publikacji
    Skopiowano.