مدل‌های جدید، مشکلات مربوط به زمان‌بندی عمل‌های جراحی، برنامه‌ریزی ظرفیت و اقامت بیمارها تو بخش ریکاوری رو حل می‌کنن

محقق‌ها مشکلاتی رو که به زمان‌بندی عمل‌های جراحی و مدت موندن بیمارها تو بخش‌های ریکاوری ربط داره، بررسی کردن. اونا با همکاری یه بیمارستان، یه مدل یکپارچه برای برنامه‌ریزی عمل‌های جراحی انتخابی ساختن و راه‌های جدیدی هم برای حلش پیدا کردن.

نویسنده‌های این تحقیق میگن که اگه راه حل‌هایی بر اساس مدل‌های این تحقیق پیاده بشه، می‌تونه شلوغی بخش‌های ریکاوری، تأخیر تو اتاق‌های عمل، اضافه‌کاری، زمان‌های بیکاری و هزینه‌ها رو خیلی کم کنه.

این تحقیق توسط محققای دانشگاه کارنگی ملون، دانشگاه کالیفرنیای جنوبی (USC)، دانشگاه تگزاس تک و دانشگاه پزشکی کارولینای جنوبی انجام شده و تو مجله European Journal of Operational Research چاپ شده.

رما پادمان، استاد علوم مدیریت تو دانشگاه کارنگی ملون، میگه: «یافته‌های ما بینش‌های باارزشی رو در مورد این مدل ارائه میده و تأثیر عملی رویکردهای یکپارچه ما رو نشون میده.»

به گفته نویسنده‌های این تحقیق، این مدل برنامه‌ریزی با منابع محدود، یه سری چالش‌های اساسی داره. از جمله:

• مشکلات مربوط به هماهنگی منابع مختلف (مثل اتاق‌های عمل، تخت‌های ICU، تخت‌های بخش)، که بیشترشون گرون هستن و ظرفیت محدودی دارن؛

• متغیر بودن مدت زمان عمل‌های جراحی و مدت موندن تو بخش‌های ریکاوری؛

• مشکلات تصمیم‌گیری مربوط به تخصیص عمل‌های جراحی به اتاق‌های عمل و ظرفیت‌های بعدی، که اغلب باعث اضافه‌کاری، انتظار طولانی برای جراحی، شلوغی تو بخش‌های ریکاوری و ترخیص زودهنگام از ICU و بخش‌ها می‌شه که می‌تونه به سلامتی بیمار آسیب بزنه.

بر اساس این چالش‌ها، نویسنده‌ها میگن که بیمارستان‌ها می‌تونن از رویکردهای یکپارچه و سریع برای حل این مشکلات، خیلی سود ببرن.

تو این تحقیق که سه مجموعه داده از عمل‌های جراحی رو بررسی کرده، نویسنده‌ها رویکردهای «بهینه‌سازی مقاوم توزیعی» (DRO) رو برای این مدل پیشنهاد و تحلیل کردن. به طور خاص، اونا یه مدل DRO ساختن که تصمیماتی رو برای برنامه‌ریزی عمل‌های جراحی مشخص می‌کرد که هزینه‌های ثابت انجام یا به تعویق انداختن عمل‌ها رو به علاوه بیشترین هزینه عملیاتی مورد انتظار، به حداقل می‌رسوند.

بعدش اونا بدترین حالت مورد انتظار رو برای توزیع‌های احتمالی مختلف مدت زمان عمل جراحی و مدت اقامت، ارزیابی کردن. اونا همچنین یه مدل برنامه‌ریزی تصادفی رو هم تحلیل کردن و تصمیماتی رو برای برنامه‌ریزی عمل‌ها پیدا کردن که هزینه‌های ثابت و عملیاتی مورد انتظار رو به حداقل می‌رسوند.

این تحقیق با تحلیل جامع سه مجموعه داده جراحی واقعی، این نتایج رو برای محقق‌ها و متخصص‌ها ارائه میده:

• بیمارستان‌هایی که عمل‌های جراحی انتخابی‌ای رو ارائه میدن که به ریکاوری تو ICU یا بخش نیاز داره، باید یه مدل بهینه‌سازی تصادفی یکپارچه از اتاق عمل تا بخش‌های بعدی رو برای برنامه‌ریزی عمل‌ها استفاده کنن، که می‌تونه هزینه‌های کل رو از ۲۴ درصد تا ۶۰ درصد کم کنه.

• بین دسترسی (که با حجم عمل جراحی اندازه‌گیری می‌شه) و عملکرد عملیاتی تو اتاق عمل و بخش‌های بعدی یه بده بستان وجود داره و هیچ برنده واضحی بین رویکردهای پیشنهادی برای متعادل کردن این بده بستان وجود نداره.

• مدل‌های بهینه‌سازی جدید و مبتنی بر داده برای برنامه‌ریزی عمل‌های جراحی انتخابی ممکنه برای بیمارستان‌هایی مفید باشه که تو اونا تخمین زدن توزیع مدت زمان عمل جراحی و مدت اقامت تو بخش‌های ریکاوری سخته یا مدام در حال تغییره.

نویسنده‌ها هشدار میدن که با اینکه مدل‌های پیشنهادی‌شون می‌تونن راهنمایی‌هایی رو برای متخصص‌ها برای گرفتن تصمیمات برنامه‌ریزی عمل ارائه بدن، ولی بدون کار بیشتر برای توسعه و آزمایش ابزارهایی که تطبیق موفق رو تضمین کنن، مستقیماً قابل اجرا نیستن؛ مخصوصاً چون اکثر بیمارستان‌ها کارمند متخصص تو زمینه بهینه‌سازی ندارن.

کارمل اس. شحاده، استادیار مهندسی صنایع و سیستم‌ها تو USC که این تحقیق رو رهبری کرده، توضیح میده: «تحقیقات قبلی به اجزای جداگونه این مدل پرداخته بودن. تحقیق ما اولین مدل‌هاییه که عدم قطعیت‌ها و ابهامات رو تو مدت زمان عمل جراحی و مدت اقامت بعد از عمل تو بخش‌های ریکاوری در نظر می‌گیره و همزمان به چالش‌های بهینه‌سازی برنامه‌های جراحی با ظرفیت‌های محدود ICU و بقیه بخش‌ها هم رسیدگی می‌کنه.»

لينک منبع