CC BY
75
и информационные
технологии
И.А. КРАСИЛЬНИКОВ,
д.м.н., генеральный директор, ООО «Стратег», г. Санкт-Петербург, Россия, igor.kras@hotmail.com Н.М. МИРОНОВА,
заведующая приемным отделением, Городская больница Святого Великомученика Георгия, г. Санкт-Петербург, Россия, n.m.mironova@mail.ru И.А. СОКОЛОВА,
директор по развитию, Городская больница Святого Великомученика Георгия, г. Санкт-Петербург, Россия, sokolova.ia@mail.ru
ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ ПРИЕМНОГО ОТДЕЛЕНИЯ ГОРОДСКОЙ БОЛЬНИЦЫ: ПОСТРОЕНИЕ ЦИФРОВОЙ МОДЕЛИ И ОПТИМИЗАЦИЯ ДЕЯТЕЛЬНОСТИ
УДК 616-082.6:303.094.7
Красильников И.А, Миронова Н.М, Соколова И.А. Имитационное моделирование приемного отделения городской больницы: построение цифровой модели и оптимизация деятельности (ООО «Стратег», г. Санкт-Петербург, Россия)
Аннотация. Показана возможность оптимизации деятельности приемного отделения городской больницы на основе результатов имитационного моделирования. Использование программного обеспечения FlexSim Healthcare позволяет получить малодоступные для других методов анализа характеристики оказания медицинской помощи. Цифровая модель деятельности медицинской организации дает возможность локализовать «узкие места», приводящие к формированию очередей. Рассмотрены проблемы получения данных, необходимых для построения моделей. Виртуальные эксперименты помогают поиску вариантов оптимизации деятельности, заменяя при этом длительные и дорогостоящие управленческие эксперименты с использованием реальных ресурсов. Получению более точных результатов имитационного моделирования будет способствовать детальное описание процессов оказания медицинской помощи с хронометражем его отдельных этапов. Имитационное моделирование оказания медицинской помощи может быть одним из этапов внедрения «бережливого производства» в практику здравоохранения
Ключевые слова: имитационное моделирование, приемное отделение, FlexSim Healthcare, цифровая модель, виртуальные эксперименты, оптимизация деятельности.
UDC 616-082.6:303.094.7
Krasilnikov I.A., Mironova N.M., Sokolova I.A. Simulation of the admission department of the city hospital: building a digital model and optimizing the activity ("Strateg" LLC, St. Petersburg, Russia)
Abstract. The possibility of optimizing the activity of the admission department of the city hospital is shown on the basis of the results of simulation modeling. The use of FlexSim Healthcare software allows obtaining characteristics of medical care that are inaccessible to other methods of analysis. The digital model of activity of the medical organization allows to localize «bottlenecks», leading to the formation of queues. The problems of obtaining the data necessary for constructing models are considered. Virtual experiments help to find options for optimizing activities, while replacing long-running and costly management experiments using real resources. The detailed description of the processes of medical care with the timing of its individual stages will help to obtain more accurate results of simulation. Simulation of medical care can be one of the stages of the introduction of «lean manufacturing» in health practice.
Keywords: simulation, admission department, FlexSim Healthcare, digital model, virtual experiment, optimization of activities.
-Ф-
© И.А. Красильников, Н.М. Миронова, И.А. Соколова, 2018 г.
Математическое моделирование
www.idmz.ru
F4H
ВВЕДЕНИЕ
Рациональное управление многопрофильной больницей в значительной мере зависит от деятельности приемного отделения [1]. При этом одной из задач, требующих решения, является нахождение баланса между избытком и недостатком ресурсов. При избытке ресурсов очереди на обслуживание не появляются, но это экономически не эффективная ситуация. При недостатке ресурсов увеличивается время оказание помощи, что приводит к негативным последствиям. Иными словами, для наиболее эффективного использования имеющихся ресурсов их загрузка должна быть максимальной, а для обеспечения минимального времени ожидания она должна быть как можно меньше [2].
В управлении структурами здравоохранении существенную помощь может оказать дискретно-событийное имитационное моделирование [3]. Построение достаточно точной цифровой модели ЛПУ или его отдельного подразделения позволяет заменить длительные и дорогостоящие управленческие эксперименты с использованием реальных ресурсов на быстрые и дешевые виртуальные эксперименты [4]. Это предоставляет возможность более оперативного внедрения принципов «Бережливого производства» (Lean production) в практику здравоохранения [5, 6].
Целью настоящей работы является оценка возможностей оптимизации деятельности приемного отделения городской многопрофильной больницы на основе результатов имитационного моделирования с использованием специализированного программного обеспечения FlexSim Healthcare.
МЕТОДЫ
Городская больница Святого Великомученика Георгия является многопрофильным лечебным учреждением, в котором развернуто более 500 коек и оказывается стационарная помощь как плановым пациентам, так и поступающим
SOIS, № S
по экстренным показаниям. Для построения имитационной модели использованы деперсо-нифицированные индивидуальные данные из информационной системы «Ариадна» - 62089 пациентов, зарегистрированных в приемном отделении (далее - ПО) за период с марта 2016 г. по сентябрь 2017 г. Полный цикл диагностики и сортировки прошли 55093 больных, из которых затем 69,4% поступило на стационарное лечение в больницу, 30,3% направлено под медицинское наблюдение по месту жительства и 0,3% переведено в другие стационары. В структуре пациентов 31,4% были терапевтического профиля (в т.ч. 5,0% больных с артериальной гипертензией и 0,7% больных анемией), 31,2% - хирургического профиля (17,2% абдоминальная и 14,0% - гнойно-септическая хирургия), 15,3% гинекологического профиля, 10,8% - пациенты с травмами, 6,4% - неврологического и 5,0% - урологического профилей.
Имитационное моделирование осуществлялось с использованием лицензионного программного обеспечения FlexSim Healthcare v.5.3.4, предназначенного для дискретно-событийного моделирования медицинских организаций и/или их структурных подразделений.
Модель оказания медицинской помощи в ПО построена на основе описания последовательных событий, которые происходят с пациентом от момента его поступления в приемное отделение до выхода из него. Для каждого события указываются условия его начала (например, после завершения одного или нескольких предшествующих событий или появление доступности какого-либо ресурса, или доля лиц с показаниями для диагностического исследования и т. п.), продолжительность и место, а также, при необходимости, участвующий персонал (с учетом графика работы) и оборудование.
Одной из существенных характеристик системы FlexSim является возможность использования для отображения пациентов и ресурсов
>
и информационные
технологии
анимированных 3D-объектов, перемещающихся с заданной скоростью в пространстве модели. При этом на различных этапах функционирования модели их свойства (например, цвет, конфигурация) могут изменяться. Это не только повышает наглядность действующей цифровой модели, но и существенно облегчает ее тестирование в процессе создания.
Параметры модели носят стохастический характер, поэтому результаты моделирования варьируют от запуска к запуску, что дает возможность оценивать статистическую достоверность результатов моделирования.
Результаты моделирования ПО были экспортированы во внешние csv-файлы, содержащие миллионы строк со сведениями о пациентах, прошедших через модель, и связанных с ним событий с указанием времени (минут) для каждого из событий. Последующий анализ данных осуществлялся в системе управления базами данных MySQL и MS Excel 2016 (PivotTable).
В модель приемного отделения больницы был включен ее план (единица измерения -метры) с указанием медицинских кабинетов и маршрутов перемещения пациентов и персонала (рис. 1).
Поток пациентов разбит на 9 профилей, каждому из которых соответствовал опреде-
ленный алгоритм диагностических действии: гинекологический, неврологический, терапевтический, анемия, артериальная гипертония, травматологический, урологический, хирургический абдоминальный, хирургический гнойно-септический.
Далее каждый профиль делился на отдельные маршруты для ходячих и лежачих пациентов. Для травматологического профиля это деление осуществлялось на основе локализации травм (с травмами нижних конечностей - лежачие, остальные - ходячие пациенты), для остальных профилей - на основе экспертной оценки врачей отделения. Также путем экспертной оценки определялась нуждаемость в отдельных видах диагностических действий (например, рентгенография, флюорография) и их продолжительность. Для оценки длительности использовалось триангулярное распределение: минимальная, максимальная и наиболее частая продолжительность (единица измерения - минута).
Кроме вышеуказанных профилей в модель были включены пациенты, которые в ПО только регистрировались. Это плановые пациенты, а также требующие немедленного направления в реанимационное отделение. Также в модели предусмотрено, что 0,5% всех пациентов нуждается в санитарной обработке.
Рис. J. Фрагмент 3-D модели приемного отделения
Математическое моделирование
www.idmz.ru
F4H
Число пациентов, проходящих по каждому маршруту, моделировалось на основе пуассо-новского распределения среднечасового поступления больных для каждого дня недели за весь период наблюдения. Сезонные колебания уровня госпитализации в модели не учитывались.
Поступление пациентов неравномерно по дням недели и определяется графиком дежурства больницы по скорой помощи: терапия, неврология и гинекология - ежедневно, травматология - 6 дней в неделю, абдоминальная и гнойно-септическая хирургия - 4 дня, урология - 2 дня. День дежурства начинается утром в 9 часов.
В модель включен следующий персонал, работающий круглосуточно:
• медсестры - 3;
• медсестра травматологического кабинета - 1;
• рентгенлаборанты - 2;
• КТ-специалист - 1;
• УЗИ-специалист, невролог, гинеколог, уролог, травматолог - по 1 врачу;
• терапевты, абдоминальные хирурги, гнойно-септические хирурги - по 2 врача.
Кроме того включен персонал ПО, работающий по графику:
• круглосуточно: регистратор - 1, санитары - 2;
• с 9.00 понедельника до 9.00 вторника: регистратор - 1; санитар - 1;
• с 9.00 до 17.00 ежедневно: регистратор - 1.
Число действующих в модели хирургов, урологов и травматологов превышает их реальное количество в дни, когда больница не дежурит по соответствующему профилю. Это вызвано тем, что в недежурные дни в больницу тем не менее поступают непрофильные пациенты, для обследования которых привлекаются соответствующие специалисты.
Деятельность приемного отделения моделировалась циклами по 14 дней, при этом первые 7 дней работы (так называемый «период
2018, № 2
разогрева») в результатах не учитывались. Затем цикл моделирования полностью повторяется, и такие повторы (реплики) осуществляются 25 раз. Длительность периода наблюдения и количество используемых реплик лимитировались характеристиками используемой вычислительной техники (процессор Intel Core i7, CPU2,70 GHz, ОЗУ 16,0 ГБ, Windows 10 Pro, процессор x64).
В соответствии с рекомендациями [7] результаты моделирования усредняются по каждой из 25 реплик и в последующую статистическую обработку эти усредненные результаты включаются в виде 25 переменных, для которых рассчитываются статистические показатели (например, среднее значение и дисперсия).
РЕЗУЛЬТАТЫ
Потоки пациентов в модели, сформированные на основе пуассоновского распределения среднечасового поступления больных, лишь незначительно отличаются от данных учета в информационной системе. Суммарно по всем профилям за 579 дней (соответствует периоду с 1 марта 2016 г. по 30 сентября 2017 г.) число пациентов, прошедших через модель, превысило реальное число поступивших пациентов лишь на 0,38%. Не наблюдается существенных различий и по часам в различные дни недели (рис. 2).
Показатели, характеризующие деятельность ПО, рассчитывались для всех профилей суммарно (исключая плановых и реанимационных пациентов), а также по каждому из маршрутов, по которым в модели среднее еженедельное число пациентов превышало 25 человек.
Цифровая модель позволяет рассчитать большое число показателей, например:
• общее время нахождения пациента в ПО (в минутах), которое включает в себя: о время работы с пациентом; о время ожидания пациентом персонала; о время ожидания пациентом кабинета;
>
и информационные
технологии
Рис. 2. Почасовое поступление пациентов в приемное отделение (суммарно за март 2016 г. - сентябрь 2017 г.)
о время движения пациента (самостоятельно или на каталке).
• время от поступления пациента до окончания его регистрации;
• время от поступления пациента до первого врачебного осмотра;
• время от окончания регистрации до первого врачебного осмотра;
• время от начала первого врачебного осмотра до убытия пациента из приемного отделения;
• дистанция перемещения пациентов и персонала (в метрах);
• уровень загрузки персонала в %;
• уровень загрузки кабинетов %. В рамках настоящей публикации рассмотрены лишь некоторые из них, представляющие, на наш взгляд, наибольший интерес.
Общее время нахождения (далее - ОВН) пациентов в ПО существенно различается для разных маршрутов (рис. 3). При этом в большую сторону заметно, статистически достоверно (р < 0,05) выделяется группа маршрутов, включающая травматологию для ходячих и лежачих пациентов, гнойно-септическую хирургию для лежачих и гипертонию для ходячих больных (более 4-х часов). Наибольшее время от поступления пациента до
■ ■■
РЧН
2018, № 2
первого врачебного осмотра (далее - ВПВО) отмечается у лежачих пациентов, относящихся к хирургическому гнойно-септическому профилю - более часа.
Сопоставить длительность нахождения пациентов в ПО на основе результатов моделирования и в системе реального учета не удалось из-за отсутствия точной регистрации в информационной системе времени выбытия пациентов из ПО.
В структуре времени, которое проводят пациенты в ПО, на обследования и осмотры
с участием медицинского персонала в среднем приходится менее двух третей: меньше всего - у ходячих терапевтических (52,6%) и хирургических гнойно-септических (56,0%) пациентов, больше всего - у лежачих хирургических абдоминальных (71,4%) и гнойно-септических (71,3%). Почти 5% времени занимает перемещение пациентов внутри ПО у лежачих травматологических, неврологических и хирургических абдоминальных пациентов. В среднем более трети времени пациенты проводят в ожидании, пока освободится
Рис. 3. Длительность нахождения в ПО пациентов различных профилей (указаны границы для доверительной вероятности 95%)
Рис. 4. Длительность нахождения в ПО пациентов по дням недели и времени суток
и информационные
технологии
Рис. 5. Загруженность персонала по дням недели и времени суток
персонал или место для обследования. Наиболее высока доля времени ожидания у ходячих терапевтических (44,7%) и хирургических гнойно-септических (41,6%) пациентов.
ОВН больше всего по понедельникам (в среднем - более 3-х часов), а внутри суток - в период с 15 до 20 часов (рис. 4). В эти же временные интервалы отмечается и наиболее длительное время ожидания.
Для каждой категории персонала ПО была определена его средняя занятость (в мин.) с границами для 95% доверительной
вероятности по каждому дню недели и 3-х часовым интервалам времени суммарно по всем дням (рис. 5). Далее рассчитана занятость в процентах от общего бюджета рабочего времени. Для одного специалиста, работающего круглосуточно, недельный бюджет времени составляет 10080 мин, дневной - 1440 мин., 3-х часовой - 180 мин. При круглосуточной работе 2-х специалистов (например, терапевтов) бюджет времени увеличивается в 2 раза, а в случае работы по графику (например, санитаров и регистраторов) в расчет бюджета времени вносятся коррективы в соответствии с днями и часами работы. Длительность перерывов (например, для приема пищи) в модели не учитывалась.
Наибольшая загруженность отмечается у санитаров - в среднем 65%, по пятницам - более 70% и с 15 до 23 часов - более 80%. Также высока загруженность у терапевтов - в среднем 57%, по понедельникам и пятницам около 65% и с 15 до 20 часов - более 80%.
Более детальный анализ загруженности по часам суток внутри каждого дня недели позволил выявить периоды времени, когда нехватка персонала была выражена в наибольшей степени (таблица 1).
За исключением второй половины ночи и утра (с 3 до 11 часов) каждый день и с нуля до 2-х часов по понедельникам и средам занятость хотя бы одной из 5 анализируемых категорий персонала более 70% времени наблюдалась в течение каждого из 33 анализируемых периодов времени (5 дней в неделю с 0 до 2-х часов и 7 дней в неделю в 12-14, 15-17, 18-20 и 21-23 часа). При
Математическое моделирование www.idmz.ru .
2018, № 2 ^
■ ■■ РЧВВ
Таблица 1
Загруженность персонала более 70%
Часы суток
00-02 03-11 12-14 15-17 18-20 21-23
Пн С, КТ, ТЕР С, Мс, КТ, ТЕР С, Мс, КТ, ТЕР С, Мс, ТЕР
Вт С,ТЕР С, ТЕР С, КТ, ТЕР Р, С, ТЕР Р, С
Ср С, Мс, КТ, ТЕР С, Мс, КТ, ТЕР Р, С, КТ, ТЕР Р, С, ТЕР
Чт С С, ТЕР С, Мс, ТТЕР Р, С, Мс, ТЕР Р, С, Мс, ТЕР
Пт С С, ТЕР С, КТ, ТЕР Р, С, КТ, ТЕР Р, С, КТ, ТЕР
Сб С С С, ТЕР Р, С, ТЕР Р, С
Вс С С С Р, С Р, С
Примечание: подчеркиванием выделена загрузка персонала более 85%; Р - регистратор, С - санитар, Мс - медсестра, КТ - КТ-специалист, ТЕР - терапевт.
этом отмечается постоянная высокая загрузка санитаров, в том числе 15 периодов времени - более 85%. Также высоко загружены терапевты - 21 период времени более 70%, в том числе 10 периодов - более 85%. В качестве наиболее загруженного выделяется время по будним дням с 18 до 20 часов, когда выше 85% загружены регистраторы, санитары и терапевты.
Аналогичным образом определена загруженность кабинетов. Наибольший уровень использования отмечается у терапевтической смотровой: по будним дням с 12 до 23 часов более 70-80%, а по понедельникам - более 90%. Несколько ниже, но также высок
уровень загрузки кабинета ЭКГ, особенно по понедельникам - более 80%.
После предварительных исследований и с учетом загрузки персонала и кабинетов было принято решение о проведении двух серий виртуальных экспериментов (таблица 2). Сценарий № 1 соответствует модели реальной работы ПО. В первой серии экспериментов (сценарии №№ 2-8) менялась численность регистраторов и/или санитаров и/или медицинских сестер и/или терапевтов. Во второй серии было снято существующее ограничение пропускной способности кабинета ЭКГ, когда исследование может одновременно проводиться только одному пациенту - или ходячему, или
Таблица 2
Численность персонала и кушеток в сценариях виртуальных экспериментов
Сценарии |
1 2 3 4 5 6 7 8 9 10 11 12 1
Персонал
Регистратор 3 4(+1) 4(+1) 5(+2) 3 4(+1) 4(+1) 5(+2) 3 3 4(+1) 4(+1)
Санитар 3 4(+1) 5(+2) 5(+2) 3 4(+1) 5(+2) 5(+2) 3 3 4(+1) 4(+1)
Мед.сестра 3 3 4(+1) 4(+1) 3 3 4(+1) 4(+1) 3 3 3 4(+1)
Терапевт 2 2 2 2 3(+1) 3(+1) 3(+1) 3(+1) 2 2 3(+1) 3(+1)
Кушетки в ( сабинетах для ходячих больных
Кабинет ЭКГ 1 1 1 1 1 1 1 1 1 2(+1) 2(+1) 2(+1)
Терапия 2 2 2 2 2 2 2 2 2 2 3(+1) 3(+1)
Примечание: в скобках - добавлено к исходному сценарию № 1
и информационные
технологии
лежачему. В сценарии № 9 ЭКГ может сниматься одновременно одному ходячему и одному лежачему, а в сценариях №№ 10-12 -одному лежачему и двум ходячим пациентам. Кроме того в сценариях №№ 11,12 наряду с увеличением числа терапевтов в смотровой была добавлена одна кушетка для ходячих пациентов. Во всех экспериментах добавляемый персонал работает ежедневно 24 часа.
В качестве основных индикаторов использовались окончание времени регистрации пациентов (ВР), время начала первого врачебного осмотра (ВПВО) и общее время нахождения (ОВН) пациента в ПО. Для каждого показателя и маршрута вычислялось отношение разности между показателями модели реальной работы ПО и сценариев виртуальных экспериментов к показателям модели реальной работы, то есть определялось, на сколько процентов в конкретном сценарии уменьшился тот или иной показатель (таблица 3). С учетом особенностей генерации случайных величин при имитационном моделировании для статистической обработки рассчитывался критерий Стьюдента для парных измерений, в качестве которых использовались средние значения ВР, ОВН или ВПВО по одним и тем же репликам для каждого сценария [7]. В анализ включены только те случаи, когда различия между результатами экспериментов и моделью реальной работы были статистически достоверны (р < 0,01). Из анализа исключены сценарии №№ 5, 9, 10, т.к. показатели в этих сценариях незначительно (менее 10%) отличались от показателей реальной работы, за исключением ВПВО для ходячих пациентов терапевтического профиля (уменьшение на 33%).
Добавление персонала, а также кушеток для ходячих пациентов для снятия ЭКГ и осмотра терапевта уменьшает все характеристики времени прохождения пациентов через ПО. Поскольку во все сценарии были добавлены регистраторы, вполне ожидаемо уменьшение ВР для всех профилей и маршрутов. Однако
по сравнению с другими сценариями не наблюдается заметных отличий для сценариев №№ 4,6, в которые было добавлено 2 регистратора.
Как ВПВО, так и ОВН заметно уменьшались у ходячих и лишь незначительно, в отдельных сценариях, у лежачих пациентов. А при гнойно-септической патологии ВПВО в сценарии № 3 даже увеличилось на 19,7%. У пациентов с травмами ВПВО в сценариях существенно не менялось, а заметное уменьшение ОВН отмечалось только у ходячих пациентов в сценарии № 12.
Несколько меньшее по сравнению с другими сценариями влияние на ВПВО и ОВН зафиксировано в сценариях № 3, 4, хотя это не является закономерностью.
Сценарий № 11 отличается от сценария № 6 добавлением кушеток, что привело к более существенному уменьшению ВПВО и ОВН у ходячих терапевтических пациентов.
В сценарии № 8 число регистраторов и санитаров увеличено на 2, а медсестер -на 1 человека, а в сценарии № 6 регистраторов и санитаров - на 1 человека, при этом число медсестер не менялось. Однако при сравнении ВПВО и ОВН заметных различий между этими сценариями не наблюдается.
ОБСУЖДЕНИЕ
Развитие информационных технологий приводит к появлению программных средств, использование которых становится доступным пользователям с разным уровнем математической и технической подготовки. В полной мере это относится к имитационному моделированию. В течение многих десятилетий практически единственной возможностью создания моделей, например, деятельности медицинских организаций, было использование специализированных языков программирования, в первую очередь GPSS [8], что позволяло привлекать к работе пользователей НИИ и ВУЗов для решения прежде всего научных
Математическое моделирование www.idmz.ru .
2018, № 2 ^
■ ■■ РЧВВ
Таблица 3
Процент уменьшения показателей модели реальной работы ПО в сравнении с результатами виртуальных экспериментов
Профили и маршруты Сценарий сравнения
2 3 4 6 7 8 11 12
Время регистрации
Все профили 35,7% 35,2% 36,9% % ,6 4, 3 % ,6 4, 3 % ,6 6, 3 35,0% % ,7 4, 3
Гинекология - ходячий 43,5% 42,8% 46,0% 43,6% 43,9% 45,9% 43,9% 43,4%
Терапия - ходячий 38,8% 39,1% 40,8% 39,7% 38,8% 41,2% 39,4% 39,6%
Терапия (гипертония) - ходячий 41,2% 40,5% 43,1% 39,7% 40,9% 43,2% 40,9% 40,0%
Травматология - лежачий 21,9% 19,9% 19,8% 17,7% 17,2% 19,1% 18,7% 17,5%
Травматология - ходячий 40,3% 41,1% 42,5% 39,8% 41,3% 42,6% 39,8% 39,5%
Урология - ходячий 34,5% 35,2% 38,1% 35,0% 35,0% 36,4% 34,8% 35,0%
Хирургия абдоминальная - лежачий 22,7% 20,5% 21,1% 18,8% 18,8% 19,8% 19,6% 19,0%
Хирургия абдоминальная - ходячий 42,1% 42,4% 44,4% 42,0% 41,8% 44,5% 42,1% 41,7%
Хирургия гнойно-септ. - лежачий 27,1% 24,5% 27,1% 23,5% 23,2% 23,9% 23,9% 23,8%
Хирургия гнойно-септ. - ходячий 46,9% 47,3% 48,7% 46,6% 47,1% 49,3% 46,5% 46,2%
Время первого врачебного осмотра
Все профили 9,3% 7,0% 7,2% 16,3% 17,6% % ,7 8, 18,2% 20,5%
Гинекология - ходячий 23,7% 24,3% 27,0% 23,5% 22,8% 25,5% 20,0% 23,6%
Терапия - ходячий 48,3% 48,9% 48,7% 59,0% 60,5%
Терапия (гипертония) - ходячий 8,6% 49,6% 49,8% 49,0% 59,9% 60,8%
Травматология - лежачий
Травматология - ходячий
Урология - ходячий 13,5% 11,0% 10,4% 14,7% 13,0% 12,1%
Хирургия абдоминальная - лежачий
Хирургия абдоминальная - ходячий 18,8% 16,1% 17,5% 15,1% 13,6% 16,1% 15,2% 14,3%
Хирургия гнойно-септ. - лежачий -19,7%
Хирургия гнойно-септ. - ходячий 11,3% 9,5% 13,9%
Общее время нахождения
Все профили 3,8% 3,7% 3,1% 8,0% 8,9% 9,5% 14,1% 15,6%
Гинекология - ходячий 7,3% 7,6% 7,4% 16,0% 16,1% 17,0% 20,2% 21,1%
Терапия - ходячий 3,9% 17,4% 17,1% 18,2% 28,6% 29,0%
Терапия (гипертония) - ходячий 3,6% 8,4% 9,7% 9,8% 14,8% 17,2%
Травматология - лежачий
Травматология - ходячий 10,9%
Урология - ходячий 7,2% 7,3% 5,8% 4,9% 6,9% 6,4% 4,2% 5,8%
Хирургия абдоминальная - лежачий 3,6%
Хирургия абдоминальная - ходячий 4,6% 4,3% 5,6% 6,3% 6,5% 9,1% 9,7%
Хирургия гнойно-септ. - лежачий 7,8%
Хирургия гнойно-септ. - ходячий 3,5% 8,9% 9,3% 9,9% 18,8% 22,0%
и информационные
технологии
и учебных задач. В последние 15-20 лет стало появляться все больше программных продуктов, предназначенных для пользователей-практиков, которые используют имитационное моделирование для решения возникающих перед ними повседневных задач [4]. Около 10 лет назад некоторые производители стали создавать программное обеспечение, которое специально предназначено для имитационного моделирования деятельности медицинских организаций.
К сожалению, имитационное моделирование в здравоохранении России пока не получило широкого распространения. За многие годы применительно к гражданскому сектору опубликовано лишь несколько работ на эту тему [9, 10], в отличие, например, от США, где только на Winter Simulation Conference число таких публикаций ежегодно исчисляется десятками [11]. На наш взгляд, одной из основных причин медленного распространения этого эффективного метода является, с одной стороны, сложность использования организаторами здравоохранения бесплатных или относительно дешевых вариантов программного обеспечения из-за высоких требований, предъявляемых к математическому и техническому уровню пользователей, и, с другой стороны, фактическая недоступность относительно простых в использовании вариантов коммерческих программных продуктов из-за их дороговизны (стоимость коммерческих лицензий начинается от 700-800 тыс. руб.).
В настоящей работе изучены возможности имитационного моделирования с использованием специализированного программного обеспечения FlexSim Healthcare для последующей оптимизации деятельности приемного отделения многопрофильной больницы.
Прежде всего рассмотрения требует проблема получения данных, необходимых для имитационного моделирования. Процесс оказания медицинской помощи пациенто-центричен и его описание требует четкого
представления о том, какой персонал, в какой последовательности, где и с использованием какого оборудования взаимодействует с определенными категориями пациентов. Чтобы подготовить описание процессов специалисту по моделированию требуется, как правило, провести нескольких итераций интервьюирования соответствующих медицинских работников, обладая при этом достаточно полным исходным представлением о лечебном процессе, чтобы вести обсуждение на общем профессиональном языке. Далее используется графическое представление описанных процессов, удобное для последующего моделирования.
Частота и длительность тех или иных диагностических и лечебных процедур у пациентов с разными видами патологии и степенью тяжести должны получить количественное описание с учетом стохастичности и нелинейности, присущей социальным и биологическим процессам. Получение части необходимых данных может быть доступно из медицинской информационной системы (далее - МИС), но, к сожалению, рутинная регистрация многих требуемых для моделирования данных в большинстве МИС отсутствует. Так, точное время начала и окончания фиксируются только для оперативных вмешательств. Получение данных, например, о длительности нахождения пациента в процедурной или в каком-либо диагностическом кабинете требует дополнительного хронометража. В настоящей работе эти сведения получены путем опроса специалистов ПО.
Самыми полезными для имитационного моделирования сведениями, аккумулируемыми в МИС, являются данные о профиле и времени поступления пациентов. Включение в модель соответствующих параметров, на которые накладываются формализованные описания процессов оказания медицинской помощи, позволяет получить характеристики, практически не используемых до настоящего времени для целей управления в связи со сложностью их фиксации.
Математическое моделирование
www.idmz.ru
F4H
К их числу может быть отнесено, например, ВПВО - время от момента поступления пациента в приемное отделение до первого контакта с врачом. Конечно, время контакта может быть зарегистрировано и в МИС, но это потребует от медицинского персонала, загруженного своими непосредственными обязанностями, дополнительного корректного ввода данных.
Модель позволяет оценить характеристики, еще менее доступные для рутинной фиксации, но важные для целей управления. Как показано в настоящей работе, более трети времени нахождения в ПО пациенты, особенно ходячие терапевтические и хирургические гнойно-септические, проводят в ожидании персонала или кабинета. Колебания продолжительности ожидания по дням недели и часам суток отражается на колебаниях длительности ОВН.
На практике почти не регистрируется, за исключением редких научных исследований, загруженность персонала, расчет которой с высокой степенью детализации доступен по данным имитационного моделирования. В настоящей работе установлена периодическая чрезвычайно высокая загруженность регистраторов, санитаров и терапевтов, превышающая 85%, что в условиях неравномерного случайного поступления пациентов в соответствии с теорией массового обслуживания с неизбежностью ведет к формированию очередей [7].
Одной из проблем, которую необходимо решать при оптимизации процессов оказания медицинской помощи, является выявление и устранение «узких мест» («бутылочных горлышек»). В настоящей работе по итогам моделирования установлено, что такими «узкими местами» являются терапевтическая смотровая и кабинет ЭКГ (периодическая загруженность более 80%).
К величине приведенных показателей следует относиться с известной осторожностью, т.к. часть исходных данных для построения модели была получена не прямыми измерениями, а путем опроса специалистов, например:
2018, № 2
минимальная, максимальная и наиболее частая длительность отдельных этапов обследования, средняя скорость перемещения пациентов и персонала, доля пациентов, нуждающихся в отдельных видах обследования (например, частота повторных рентгенографий у пациентов с травмами, доли ходячих и лежачих среди пациентов различных профилей). Но отсутствие некоторых точных исходных данных не снижает уверенности в полезности собственно метода имитационного моделирования, тем более, что описанные в настоящей работе результаты соответствуют сложившимся на основе многолетнего опыта представлениям о проблемах, имеющихся в деятельности ПО.
Одним из главных предназначений имитационного моделирования является получение ответов на вопросы, сформулированные при проведении виртуальных экспериментов. В настоящей работе при существующем потоке пациентов изучалось влияние на время их прохождения через ПО численности персонала, а также добавление мест снятия ЭКГ и осмотра пациентов терапевтом.
Не останавливаясь на деталях сценариев виртуальных экспериментов, можно сделать заключение, что добавление в график дежурств терапевта может уменьшить ВПВО для ходячих терапевтических больных примерно в 2 раза и ОВН - почти на 30%. Анализируемые изменения почти не влияют на ВПВО и ОВН лежачих пациентов, а также всех пациентов травматологического профиля. Добавление в график дежурств по одному регистратору, санитару и медсестре для большинства профилей уменьшает ВПВО и ОВН, но дополнительное увеличение численности этих категорий персонала такое влияние практически не усиливает.
ВЫВОДЫ:
• имитационное моделирование с использованием специализированного программного обеспечения FlexSim Healthcare позволяет получить малодоступные для других методов
>
и информационные
технологии
анализа характеристики оказания медицинской помощи;
• цифровая модель деятельности медицинской организации позволяет локализовать «узкие места», приводящие к формированию очередей;
• виртуальные эксперименты с цифровыми моделями помогают поиску вариантов оптимизации деятельности приемного отделения многопрофильной больницы, заменяя при этом длительные и дорогостоящие управлен-
ческие эксперименты с использованием реальных ресурсов;
• имитационное моделирование оказания медицинской помощи может быть одним из этапов внедрения «бережливого производства» в практику здравоохранения;
• получению более точных результатов имитационного моделирования будет способствовать детальное описание процессов оказания медицинской помощи с хронометражем его отдельных этапов.
ЛИТЕРАТУРА
1. Подгорбунских Е.И. Рациональное использование процессного подхода при госпитализации в многопрофильную больницу // Экономика и управление: Анализ тенденций и перспектив развития. - 2012. - № 1. - С. 89-94.
2. Карасев Н.А., Кислухина Е.В., Васильев В.А. Использование теории массового обслуживания в организации лечебного процесса на госпитальном этапе скорой медицинской помощи // Вестник международной академии наук (русская секция). - 2006. - № 1. - С. 65-68.
3. Borshchev А. The Big Book of Simulation Modeling. Multimethod Modeling with AnyLogic 6. Kindle Edition. - 2013. - 614 p.
4. Малышева Е.Н., Гольдштейн С.Л. Обзор инструментария имитационного моделирования системы организации медицинской помощи как сложной динамической системы // Журнал «Врач и информационные технологии». - 2010. - № 3. - С. 31-37.
5. Методические рекомендации Минздрава РФ «Федеральный проект «бережливая поликлиника». Применение методов бережливого производства в медицинских организациях. Открытие проектов по улучшениям.» М.: 2017. - 53 с.
6. Корчуганова Е.А., Алешко Е.В. Практическое применение принципов «Бережливого производства» в медицинской организации // Современные образовательные технологии в деятельности кафедр общественного здоровья и здравоохранения, Либри Плюс. -2017. - С. 107-110.
7. Beaverstock M, Greenwood A., Nordgren W. Applied Simulation: Modeling and Analyses using FlexSim. 5-th Ed., Uta, USA. - 2017. - 492 p.
8. Боев В.Д. Моделирование систем. Инструментальные средства GPSS World. СПб. -2010. - 368 с.
9. Куликова О.М., Овсянников Н.В., Ляпин В.А. Имитационное моделирование деятельности медицинских учреждений на примере Омска // Наука о человеке: гуманитарные исследования. - 2014. - № 4 (18). - С. 219-225.
10. Рагулин А.П., Савченко И.Ф. Опыт создания имитационной модели учреждения «семейной медицины» // Имитационное моделирование. Теория и практика: Сборник докладов первой всероссийской научно-практической конференции ИММОД-2003. Том 2. СПб.: ЦНИИТС. - 2003. - С. 196-200.
11. Arisha Amr, Rashwan Wael. Modeling of healthcare systems: past, current and future trends // Proceedings of the 2016 Winter Simulation Conference T.M.K. Roeder, P.I. Frazier, R. Szechtman, E. Zhou, T. Huschka, and S.E. Chick, eds. - 2016. Arlington, Virginia, USA. -P. 1525-1534.
