患者流模拟
- 提出者
- Operations research and management science
- 年份
- 1990
- 类型
- Discrete event simulation technique
- 类别
- Simulation, Process modeling
本文为机器翻译,尚未经过审校。 阅读英文原文
它有什么作用?
离散事件模拟(DES)是一种计算技术,通过模拟个体患者的旅程和与资源(人员、床位、设备)的交互来对患者在医疗机构中的流动进行建模。DES能够真实地表示复杂、随机的医疗流程,并支持“假设分析”,而不会干扰实际运营。
方法背后的直觉
仅靠解析公式无法应对医疗系统的复杂性。患者根据诊断和结果遵循不同的路径;医护人员担任多种角色且效率各异;设备会发生故障并需要维护。模拟模仿了这些现实世界的复杂性:它生成虚拟患者,将他们路由到系统中,并跟踪结果(等待时间、资源利用率、患者满意度)。通过运行数千种模拟场景,管理人员可以在实施变更前探索其影响。
历史学
离散事件模拟起源于20世纪50年代和60年代的操作研究,最初应用于制造业和物流。医疗领域的应用始于20世纪90年代,由Pidd及其同事开创。早期模型侧重于急诊科和手术室。现代DES实践包括基于智能体的扩展(模拟自主决策)以及与优化的集成,不仅允许模拟,还允许自动搜索最佳策略。
何时使用
当流程复杂且有多个决策点、资源限制造成瓶颈,或需要评估多项变更的组合效应时,应使用DES。DES对于中到大型系统(急诊科、手术中心、整个医院网络)最有价值。如果系统简单且解析模型足够,如果缺乏足够的数据来构建可信的模型,或者管理层期望在模型构建和验证所需时间之外立即做出决策,则应避免使用DES。
局限与注意事项
- 需要大量的数据收集和模型构建工作,详细模型通常需要3-6个月
- 模型的可信度取决于数据质量和利益相关者的验证;垃圾进,垃圾出
- 模拟师必须做出许多假设(路由规则、休息时间、优先级);敏感性分析至关重要
- 模型参数中的不确定性(例如,流程时间分布)会传播到预测不确定性中
- 模拟输出是概率性的;单个场景不能保证结果,只能提供一个范围
来源中的条件不能替代独立的科学审查或分析引擎的验证。
优势
- 模拟真实世界的复杂性:患者异质性、资源限制、随机性、优先级规则
- 允许详细的“假设分析”而不干扰运营:快速测试多种场景
- 直观且定量地识别瓶颈,指导改进工作
- 捕捉解析模型遗漏的系统交互:拥塞效应、变更的间接影响
- 可从单个单元扩展到整个医疗系统
应用
- 测试人员配置水平变化对急诊科等待时间和患者满意度的影响
- 评估手术室重新设计,包括分时段安排、周转时间缩短和病例排序
- 评估增加新诊断设备(CT扫描仪、实验室分析仪)对吞吐量和收入的影响
- 分析高峰期(大流行、重大事故)的患者路径,以规划高峰容量和应急人员配置
- 优化出院流程以缩短住院时间,同时保持质量和安全
使用方式
使用方式
收集详细的流程数据:患者的到达模式和诊断、路由规则(哪些患者去急诊而非择期手术路径)、每个站点的服务时间、人员排班和可用性、设备容量和停机时间。观察实际工作流程以理解非正式规则和变通方法。
验证数据的完整性,去除异常值,将分布拟合到流程时间。将患者分类到逻辑组(例如,急诊就诊、计划手术、ICU转运)。记录所有假设和资源限制。
绘制当前流程图:从入口点(急诊接待、预约)到治疗区域和最终出院。识别瓶颈、资源冲突和需要改进的等待点。
在离散事件模拟软件(Arena、AnyLogic、SimPy或自定义代码)中构建一个模拟模型,重现观察到的流程。包括患者生成、路由逻辑、资源分配和数据收集点。
运行基线模拟以验证模型是否与当前性能匹配。通过运行替代场景来评估拟议的变更(增加人员、新设备、流程重新设计)。报告关键指标(平均等待时间、资源利用率、患者吞吐量)和不同重复运行之间的差异。
常见陷阱
- 构建过于详细的模型,试图捕捉所有变异;这会变得难以维护且速度缓慢
- 使用不足的重复次数;如果你只运行模拟10次,结果会很嘈杂。每个场景至少运行30-100次。
- 忘记根据当前状态验证模型;与现实不符的模型在预测方面不可靠
- 将模拟结果呈现为确定性而非概率性;强调范围和置信区间
- 一次更改多个变量;最佳实践是每次更改一个变量以隔离其影响
常见问题
构建患者流模拟需要多长时间?
一个针对单一部门(急诊、手术室)的聚焦模型通常需要2-4个月。全院模型可能需要6-12个月。工作量分配为:数据收集(40%)、模型构建(30%)、验证(20%)和场景分析(10%)。
我应该运行多少次重复?
运行足够的重复次数以稳定输出方差。对于简单模型,30次可能就足够了。对于具有高变异性的复杂模型,建议100次以上。使用顺序停止规则:运行直到置信区间宽度可接受。
我如何知道我的模拟是否有效?
将模拟输出与观察到的数据(当前状态)进行比较。平均等待时间、资源利用率和吞吐量应在10-20%的范围内匹配。进行敏感性分析:如果模型对不切实际的更改很敏感,则可能无法捕捉真实的动态。
模拟能准确预测未来吗?
模拟显示的是概率范围,而非确定性。使用它来比较场景的相对影响:“选项A比选项B好15%。”不要在没有外部验证的情况下使用它进行绝对预测。
应该使用什么软件进行患者流模拟?
Arena和AnyLogic是行业标准,拥有广泛的医疗模板。SimPy是免费且灵活的,适合Python程序员。根据所需功能、IT支持和分析师的专业知识进行选择。如果缺乏内部专业知识,请考虑模拟服务供应商。
相关方法
参考文献
Pidd, M. (1992). Computer Simulation in Management Science (3rd ed.). John Wiley & Sons.
ISBN:9780471939314已复制。Sokolowski, J. A., & Banks, C. M. (2009). Modeling and Simulation Fundamentals: Theoretical Underpinnings and Practical Domains. John Wiley & Sons.
打开出版物文献已复制。Gunal, M. M., & Pidd, M. (2010). Discrete event simulation for performance modelling in health care: A review of the literature. Journal of Simulation, 4(1), 42–51.
打开 DOI 文献已复制。