英语原文共 13 页，剩余内容已隐藏，支付完成后下载完整资料
多级手术室部门门诊手术服务的预约安排
摘要
本文介绍了多级手术室（OR）部门的门诊手术预约时间安排，随机服务时间服务于多个患者类型。我们讨论许多挑战，例如多种资源（例如，工作人员，手术室，外科医生和康复床）的有限可用性以及患者和外科医生类型的兼容性。另外，外科医生的可用性受到时间窗限制的限制。已经提出了三种基于模拟的优化方法，以最大限度地减少患者的等待时间，患者完成时间以及手术取消次数。第一种方法是基于仿真的禁忌搜索（STS）。它结合了离散事件模拟和禁忌搜索来安排手术病例。第二和第三种方法是整数编程增强禁忌搜索（IPETS）和二进制编程增强禁忌搜索（BPETS）。 IPETS和BPETS分别通过整合编程和二进制编程模型来改进STS。本文包括一个加拿大主要医院的OR部门的案例研究。我们进一步扩大了案例研究中获得的实际数据，以涵盖测试问题集中的各种参数，并与几种调度规则相比较，分析了所提方法的效率和有效性。最后，提供关于所提出的方法的应用的评论。
关键字：
门诊病人、手术、调度、基于仿真的优化、数学编程、禁忌搜索
1.引言
手术室（OR）部门一直在争夺使用其有限的资源以服务于最大数量的患者。在这种情况下，预约安排起着重要的作用，通过提供平稳的患者流量，同时最大限度地减少患者等待时间，完成时间以及OR部门的取消次数。在这项研究中，预约安排是指确定每个患者到达手术室部门的时间，等待时间是患者在等待服务的设施中花费的时间。完成时间是指最后一位患者离开手术室部门的时间。病例取消，这里简称为取消，是指因缺乏时间或资源而取消的预定手术病例。由于随机服务时间和资源受限，在这种环境中调度是一项具有挑战性的任务。手术调度不仅受到资源可用性的限制，而且还受到兼容性要求的限制（例如，只有特定的外科医生类型可以服务于患者类型）。在这项研究中，我们专注于门诊手术，即患者在接受服务后的同一天离开系统。
这项研究的重点是尽量减少病人的等待时间，以及OR部门完成时间，同时监测预定病例的取消情况。 正如几个研究报道，如Gul等。 （2011年），Klassen和Yoogalingam（2009年），在这种环境下，改进一项措施往往导致其他标准的恶化。 例如，最小化等待时间可能会降低利用率，或者增加OR部门的完成时间和取消次数。
以前的研究已应用优化或模拟方法来安排手术病例。通常，优化方法使用分析方法来实现最优（或接近最优）的解决方案。这些方法难以解决大型复杂系统，因此常常关注系统元素或过度简化系统。例如，许多优化方法仅考虑服务时间的指数或Erlang分布的单级系统。另一方面，模拟方法能够解决大型系统的复杂性问题。因此，仿真文献已经考虑了详细的多级系统，其中包含资源限制，考虑了几个环境因素，如患者优先级，不准确的患者和不同的服务时间分布。但是，仿真方法耗时且通常不能提供有竞争力的优化策略。因此，文献寻求有效和有效的方法来解决门诊手术安排中的挑战存在差距。方法的效率是指该方法产生有意义的结果所需的计算时间量，而有效性则解决了所产生的解决方案的质量。
在本研究中，我们将离散事件仿真模型（以下称为仿真模型）与元启发式算法相结合，提出了三种基于仿真的优化方法，并进一步提高了使用数学规划（MP）的方法的性能。 所提出的方法解决了多级或部门中具有随机持续时间的预定数量的不同类型患者的预约安排问题。 我们考虑包括ORs，恢复病床和外科医生等人力资源在内的多种资源。 此外，在我们的模型中还考虑了其他约束条件，例如资源的兼容性以及每个外科医生可用外科医生的数量。 此外，每位外科医生都受到一个时间窗口的限制，这表明他/她在调度范围内的可用性。
第一种方法称为基于仿真的禁忌搜索（STS），将仿真与禁忌搜索相结合。 第二种方法是整数规划增强禁忌搜索（IPETS），通过引入一个整数规划模型来改进禁忌搜索。第三种方法，二进制编程增强禁忌搜索（BPETS）使用二进制编程模型和启发式和基于仿真的禁忌 搜索解决问题。
为了评估我们的方法的性能，根据我们在研究的OR部门的发现，已经开发了一些测试问题，这些研究涉及三个主要因素的扩展范围，即患者的数量，OR的数量和系数 的服务时间的变异性（CV）。然后根据它们在解决方案质量和计算时间方面的性能来分析所提出的方法。 此外，我们还比较了几种调度规则（如最短/最长处理时间等）的应用，并与所提出的方法进行了比较。在此研究的基础上，我们深入分析了所提出的调度方法在协助从业人员中的应用。 此外，我们研究BPETS在加拿大一家主要医院的OR部门的案例研究中的应用，并将结果与OR部门中使用的实际时间表的结果进行比较几天。
本文的其余部分安排如下：第2节讨论门诊手术调度问题的相关文献。 第3节陈述了问题的定义。 第4节描述了所提出的方法的体系结构。 第5节描述了用于测试的实验设计并呈现了测试结果的分析。 第6部分介绍OR部门的案例研究。 最后，第7节讨论结论和未来的工作。
2.文献评论
在本节中，我们将相关文章分为优化和模拟两大类。 很少有文章将仿真和优化结合起来用于病人预约安排（例如Klassen和Yoogalingam，2009）。 现有的文献可以根据其在诊所或OR部门的应用进一步分类。 对于文献的综合评论，鼓励读者参考Cayirli和Veral（2003）的门诊诊所的任命安排，以及Blake和Carter（1997）和Cardoen等人。 （2010）进行手术调度。
优化类别中的许多作品都使用分析方法来安排医疗保健中的约会。 虽然分析方法可以提出最优的时间表，但他们不能轻易地在复杂的环境中对所有细节和约束进行建模。因此，他们专注于系统元素或过度简化了系统。 例如，许多优化方法只考虑服务时间的指数或Erlang分布的单阶段系统（Cayirli and Veral，2003）。 Klassen和Yoogalingam（2009）指出，大多数提出的分析方法仅适用于少数患者的问题。
在优化范畴内，排队论被广泛用于解决临床预约调度问题。该领域的大多数文章都假定系统具有稳态行为，这在卫生保健环境中很难实现（Cayirli和Veral，2003）。
除了排队理论之外，研究人员还使用数学规划（MP）作为分析方法来解决预约排课问题。 Hsu等人 （2003）针对门诊手术门诊的预约制定了确定性的两阶段无等待流动商店模型。 Guinet和Chaabane（2003）开发了一种用于调度手术病例的无等待流水车间方法。 Pham和Klinkert（2008）提出了一种基于多阻塞作业车间调度问题的确定性MP模型，其目标是尽量减少外科手术病例调度的完工时间。 Min和Yih（2010）提出了一个案例调度的随机规划模型。 他们考虑了OR和包括几个专业的外科重症监护病房。 然而，该模型没有考虑摄入程序和护士，外科医生和设备等其他资源。 他们使用样本平均近似方法解决了他们的模型。
Lamiri等人。 （2009）为手术计划开发了一个随机规划模型，以尽量减少选择性患者的分配成本和预期的加班费用。 他们考虑了选修课和紧急课程，并提出了“几乎准确”的蒙特卡罗模拟方法。 与几种启发式和元启发式方法（如模拟退火和禁忌搜索）相比，他们研究了他们方法的性能。 他们报告说，虽然对于中小规模的测试问题，但他们的方法比启发式和元启发式方法具有更好的性能，但计算时间明显更长。 然而，对于大问题，禁忌搜索提供了比用几乎精确的方法提供的合理时间更好的解决方案。
简而言之，尽管MP已经用于多项研究并取得了令人满意的结果，但大多数MP方法（除了随机规划）不能解决门诊时间安排中服务时间的随机性问题。 尽管随机规划可以适应随机服务时间，但它们通常难以分析，并且计算时间长。 与其他分析方法类似，MP缺乏捕捉复杂大系统中出现的所有错综复杂的能力。
模拟是另一种用于研究预约排班问题的方法。 与分析方法相比，模拟可以灵活地模拟大型复杂系统。 德克斯特等人。 （1999）使用模拟来解决普通外科手术计划。 他们提出了一种给外科医生分配时间块的方法，并安排病人改善手术室的利用率。 Marcon和Dexter（2006）使用模拟来分析不同顺序规则对麻醉后护理室（PACU）的OR利用率和工作负荷的影响.Lowery和Davis（1999）使用模拟模型来检查手术时间表和变异性 在手术中需要床位的数量。 总体而言，仿真不包括任何优化策略，因此研究人员必须预先指定所有可能的解决方案。 另外，仿真方法可能需要很长的计算时间，这对于快速决策来说并不具吸引力。
很少有文章考虑过仿真和优化方法的结合。基于仿真的优化在建模复杂系统时享有仿真的灵活性，而系统通过其优化组件寻找最佳解决方案。 Denton等人（2006）认为是一种内窥镜检查套件，并使用模拟（仅包括两种类型的患者）和一名外科医生类型来解决该问题。他们使用模拟退火作为优化工具安排手术病例，以尽量减少设施加班时间和病人等待时间。 Klassen和Yoogalingam（2009）认为是单阶段门诊，并使用OptQuest来决定患者的到达时间。他们在预约任务时研究了圆顶模式，并建议从业者可以在许多不同的环境中使用“高原圆顶”型的规则。古尔等人。 （2011）uml;提出了一种基于仿真的多目标遗传算法用于门诊手术中心的任命方案。他们发现，metaheuristics方法没有提供优于规则的调度时间为一天的调度。这项有趣的发现在当前研究的后面进行了研究和讨论。
总之，现有的分析方法难以处理大型复杂的系统，因此主要集中在系统的要素或系统的简化模型上。 仿真方法可以解决大型系统中的许多复杂问题，但这些方法耗时且常常无法提供有竞争力的优化策略。 因此，我们观察到现有文献缺乏有效和高效的方法，这些方法提供了最优或接近最优的解决方案，同时涵盖了真实的复杂OR部门的细节。 在这些OR部门中，通常护理提供者处理受到有限资源约束的多级系统，同时服务于不同到达时间和服务时间分布的患者。
这项工作试图在以下条件下解决患者任用调度问题，这消除了文献中目前使用的许多假设，并且应该使问题更接近实际。我们解决了多阶段OR部门面临的挑战，该部门为每个阶段可能具有不同随机服务时间的不同类型的患者提供服务。与大多数现有文章相比，我们的方法解决了每个阶段患者的随机服务时间，而不管其概率分布函数的类型如何。我们考虑包括多个OR和多个恢复病床的OR部门。除资源可用性约束之外，考虑资源的兼容性（即，每种患者类型只能由特定的外科医生类型服务）。每个外科医生都遵循一个时间窗口约束条件，该约束条件确定每个时间块的每种可用外科医生的数量。该计划根据管理层决定的主手术时间表（MSS）生成。
基于仿真模型，我们引入新的优化方法来有效搜索可靠的解决方案。 此外，我们将提出的方法应用于案例研究或部门，并将其性能与实际时间表进行比较。 最后，我们研究了几种调度规则在预约调度中的应用及其对等待时间和完成时间的影响。 这项研究为寻求患者调度的实用方法的从业人员提供了洞察。
- 问题描述
在一个典型的OR部门中，每个患者经历三个阶段：手术前（手术准备），手术和恢复。 在第一阶段，或护士识别患者并提取患者的图表和信息，如实验室结果和同意书。 这一阶段包括每种手术所需的不同准备程序，例如服用药物和麻醉剂，进行血液检查以及等待药物生效。 手术阶段包括麻醉和手术。最后阶段说明手术和患者恢复所需的时间。 图1表示OR部门的三个阶段。
我们针对特定患者的预约时间安排，以尽量减少患者的等待时间，完成时间和取消次数。 完成时间是指上次服务的患者离开麻醉后监护室（PACU）的时间。 由于缺乏时间或资源而无法服务的患者取消了帐户。 根据可用资源，上级计划中预先确定了患者数量和患者类型。 该问题考虑了每个阶段的随机服务时间，其到达准时的几个患者类型。该部门的阶段（第一阶段除外）根据先来先服务规则进行工作。 第一阶段根据时间表接纳病人。 每种类型的患者都由特定的专业服务，即患者由特定的外科医生类型服务，这增强了该问题的资源兼容性的重要性。
每种类型的外科医生都包括一些同一专业的医生。 每个时间块每个外科医生类型的可用外科医生的数量由外科医生的时间表提供，这是根据外科医生的可用时间窗来确定的。 外科医生时间表是通过使用主手术时间安排（MSS）生成的，而手术时间安排通常由管理层在战术层面开发。 此外，该问题还考虑了PACU中可用的OR和可用病床等资源。
为了更好地理解问题，考虑了三种不同类型的五名患者。 表1列出了这些患者的具体情况。
为简洁起见，我们分别使用LOGN，TRIA，GAMM，BETA，WEIB和EXPO分别表示对数正态分布，三角形分布，伽马分布，贝塔分布，威布尔分布和指数分布。 特定类型的外科医生为每个患者类型服务。 假设这个例子中的部门包括由四位外科医生共享的两个OR。 准备区有两张床，两张PACU床。 图2提供了外科医生的可用性和类型。考虑到患者的类型，外科医生的可用性以及资源数量，我们考虑了一个可能的时间表，如图2所示。圆圈表示患者并指示时间 预计病人将到达。
- 方法
本文提出了三种基于仿真的禁忌搜索方法用于OR部门的门诊时间安排。 所提出的STS方法将模拟与禁忌搜索相结合.IPETS和BPETS方法通过将整数和二进制编程模型分别与STS相结合来改进STS。后两种方法中的整数和二进制编程解决了确定性问题。 禁忌搜索利用确定性模型的结果作为初始解。所有提出的方法共享仿真模型和禁忌搜索组件。 为了检验所提方法的适用性，我们研究了BPETS方法在基于加拿大医院OR部门实际数据建立的模拟模型上的性能。此外，在本节中，我们研究了方案的应用 OR部门的任命安排中的
全文共16681字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[14162]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
