混合仿真 - 移动卒中单元的医疗保健决策支持

混合仿真 - 移动卒中单元的医疗保健决策支持

问题:

为了解医疗和经济对新型医疗护理技术的影响,必须在设计开发阶段开始之前对它们进行评估。因此,通过对移动卒中单元(MSUs)的案例应用混合仿真接近决策支持系统。

中风会导致严重瘫痪,产生高昂的护理和康复费用,而且由于人口老龄化加剧,其发病率也在不断增加。由血栓引发的中风最为常见,若条件允许,应使用溶栓治疗(前提是非出血性中风,并且在出现中风症状的黄金4.5小时内)。如今,由于交通状况和医院内部管理问题,经常会浪费病人宝贵的时间。

MSUs被认为是一种合理的改进。MSUs从中风发生地进行诊断和治疗。其目的是减少从打电话到治疗决策的时间,从而防止严重的瘫痪和高昂费用的产生。

目的:

目的是评估与当前状况相比,MSUs造成的医疗和经济影响,同时优化其地理分布。主要指标是 从打电话到治疗决策时间、成本和其他相关输出参数的影响。德国大都市区(柏林)和农村地区比较,因为农村的医院很少,而且它们之间的结构不同。

MSU Simulation

Figure 1: MSU scenario animation screenshot

AnyLogic的应用

这个项目已经通过AnyLogic实现了;它非常适合使用所有必要的仿真范例来开发模型,而且开发人员能够加入自己的Java代码来模拟独特的、自定义的解决方案。AnyLogic还能够创建说明性动画,用来增强与领域专家的交流。

图1展示了MSU剧本动画的屏幕截图。MSUs位于预定义的位置上,当中风事件发生时,可以由分配器进行发送。如果没有免费车辆可用,通常会由急救服务把病人送到下一个医院。错误的决策和不必要的MSU任务(在现实中发生过)不但干预各种行为还要耗费大量的成本。中风患者要进行长达10年以上的检测,才能进行长期的成本分析。

用不同参数的excel表格作为不同年份的输入文件,并在仿真系统运行期间加载。为了评估医疗护理决策的多重场景,特别建立了一个库。为了向特定场景中添加某些特性,不同的模块(例如,人口统计学,注入报错)可以相互关联。在运行场景前,定位工具允许在地图上点击相关区域,为MSUs和医院来定义家的位置。在下面的参考文献中,可以找到进一步的建模和实现特性。

建模方法:

为了进行仿真,特别是在医疗护理决策支持的范围内,宏观仿真和微观仿真都是提高模型精确度的必要条件。这是一个可以从多方法和混合仿真范例中获益的地方。系统动力学用于远程建模,而离散事件和基于智能体的技术适用于个体层面的详细建模。智能体代表患者,同时医疗工作流程被嵌入在代表了人口统计学,经济学,传染病学等方面的系统动力学模型中。医学技术的影响由定量参数来表示。

MSU Models

Figure 2: Agent-Based, Discrete-Event and System Dynamics Model examples

结果:

这个案例研究的一项重要结果是,MSUs不会自动导致更多的患者使用溶栓治疗。无论如何,那些使用溶栓治疗的患者更早接受了治疗,从而降低严重瘫痪的可能性。这是一个明显的医疗福利。研究调查还表明,地图上MSUs的广泛分布(例如均衡分布)相比于与集中在少数地点(例如车站,医院),能够带来更好的结果。此外,仿真结果显示,医院很少的德国农村地区,这些车辆没有很大用途,因为每年没有很多感染者,并且,大多数人住在具有能治疗中风医院的市中心附近。上述案例的研究结果在专科医院较少的国家可能有所不同。

结论:

AnyLogic可以为医疗护理决策-支持项目建立精细模型。可配置的MSU仿真模型帮助建模者回答了关于医疗和健康经济学的影响这一重要问题。管理机构,公司,研究人员和其它决策人可以运用这些结果来优化MSU在任何国家的推出,并且在将来改善中风的诊断和治疗状况。对中风患者的长期跟踪,将MSUs的节省费用与额外费用进行比较,为投资决策提供基础依据。这项工作已经由前瞻性HTA(德国政府资助)协同医生,工程师,健康经济学家,从工业和学术方面联合开展。

大规模复杂仿真系统(例如,在医疗护理,汽车业,工业,能源),是Erlangen-Nuremberg计算机网络和通讯系统组织的工作主要领域。如果您有任何其它问题,请联系建模发开人员。

文献:

  1. Djanatliev A. and German R. “Prospective Healthcare Decision-Making by Combined System Dynamics, Discrete-Event and Agent-Based Simulation”. Proceedings of the 2013 Winter Simulation Conference, Editors: R. Pasupathy, S.H. Kim, A. Tolk, R. Hill, M. Kuhl. Washington D.C./USA. December 8th – 11th, 2013, p. 270-281.
  2. Djanatliev A., Kolominsky-Rabas P., Hofmann B. M., Aisenbrey A., German R. “System Dynamics and Agent-Based Simulation for Prospective Health Technology Assessments”. Simulation and Modeling Methodologies, Technologies and Applications - Advances in Intelligent Systems and Computing. Edited by Obaidat, Mohammad; Filipe, Joaquim; Kacprzyk, Janusz; Pina, Nuno (Eds.). Volume 256, 2014, pp 85-96.
  3. Djanatliev A., German R. “Large Scale Healthcare Modeling by Hybrid Simulation Techniques using AnyLogic”. Proceedings of the 6th International ICST Conference on Simulation Tools and Techniques. Cannes/French Riviera. March 5th – 7th, 2013, p. 248-257.

同类案例研究

更多案例研究