医院病床资源调度研究评述及展望.docVIP

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
医院病床资源调度研究评述及展望

医院病床资源调度研究评述及展望   摘要:病床是关键的医疗资源,病床资源合理配置已成为具有挑战性的课题和研究热点。为了更好的解决病床资源调度问题,文章对相关研究进行全面梳理,分析目前病床资源调度的研究动态以及发展前景,并提出研究展望。这不仅为国内外学者提供了未来研究方向,而且对我国医院运作管理者如何有效地利用现有病床资源具有重要的现实意义 关键词:医院管理;资源调度;病床配置 2004~2013年全国医疗卫生机构住院人数由每年6657万增至1.91亿人次,年均增长12.42%,位总量由327万张增至618万张,年均增长仅为7.33%,难以满足患者的需求,如何利用我国现有病床资源显得尤为重要。因此,病床资源优化配置的研究已然成为医疗资源管理一个新兴的研究热点。本文以研究方法为主线对国内外病床资源调度的研究现状进行评述,并提出该领域未来研究方向 一、国外研究现状 随着国外学者对病床资源调度的关注度逐年增加。病床资源调度研究起源于上世纪50年代,Bailey(1954)应用排队模型对医院病床和服务者的数量进行研究,大量文献研究了病床容量规划和病床再分配的统计模型。病床容量规划,指确定单科室的最优病床容量;科室间病床再分配,指将总量确定的病床在不同科室间进行恰当的重新分配 (一)排队论 排队论在医疗领域的应用逐渐增多,并为医院管理者解决病床资源调度问题提供决策依据。在病床容量规划方面,Gorunescu et al.(2002a)采用M/PH/c/c排队模型确定最佳病床容量。Gorunescu et al.(2002b)考虑患者等待应用M/PH/c/N排队系统分析特需时期引入备用病床的影响。Bruin et al.(2005)采用考虑阻塞的二维稳态排队系统确定在最大患者损失率的前提下的最佳病床容量。Kokangul(2008)应用定性与定量相结合的方法分析单科室病床容量。Broyles et al.(2010)采用基于吞吐量理论的DTMC模型,应用极大似然回归预测复杂、非稳态系统的瞬时住院库存水平 在病床再分配方面,Cochran et al.(2006a)提出了基于排队网络和离散事件仿真的多阶段随机方法确定最小化病床阻塞。Cochran et al.(2006b)在上述研究的基础上,考虑患者类型应用多阶段随机方法来平衡各科室病床利用。Lin et al.(2014)构建了急诊和住院部两种排队模型,确定ED/IU资源的最佳容量 (二)数学规划 在病床容量规划方面,Akcali et al.(2006)考虑病床性能和预算限制,建立了具有有限周期的网络流模型,确定最佳病床容量。Bachouch et al.(2012)考虑了病理、非混合性别病房等不兼容约束,采用整数线性规划将急性患者插到普通患者病床安排时间表中。Ezzeddine et al.(2015)考虑科室病房类型(单、双病床)和患者类型(预约、非预约),建立线性规划模型来降低住院成本;在病床再分配方面,Kortbeek et al.(2014)考虑MSS和AAC,应用每小时病床预测数据构建衡量指标对不同科室病床进行再分配 (三)仿真及人工智能 仿真是病床资源调度研究中常用的方法之一,Lapierre et al.(1999)建立了医院不同科室间病床分配的时间序列模型确定每个科室最优病床容量。人工智能算法在病床资源调度方面的应用价值有待深入挖掘。Walczak et al.(2003)通过估计住院天数,利用神经网络预测最佳科室病床容量。Gong et al.(2012)给出了基于粒子群优化(PSO)的不同部门间病床资源分配的方案。国外研究内容及方法如表1所示 以上研究主要通过建立模型确定最优病床容量,甚少考虑优化指标。Li et al.(2009)首次以成本为目标,建立了基于排队论和目标规划的决策模型优化各部门的病床资源。Belciug et al.(2015)以平均成本最小为目标,引入遗传算法对病床资源调度进行优化研究。然而,这些研究未考虑影响病床资源调度的因素(患者严重级别、季节性变化等)、患者入院管理和缓冲区的设置等 二、国内研究现状 与国外研究相比,国内病床资源调度研究尚处于起步阶段,以定性分析为主,缺乏系统的定量研究。杜少甫等(2013)对医疗领域的研究热点进行综述,提到了医院病床资源的规划研究 (一)排队论 国内病床资源调度的定量研究以排队论方法为主。张瑞勋等(2011)建立考虑患者病情和手术紧急程度的M/M/N排队模型,求得最优病床容量。邹长福等(2012)根据患者优先级和流程特点建立动态控制排队模型。通过整理发现国内多以眼科为例建立排队模型优化现有病床系统 (二)数学规划 国内的

文档评论(0)

linsspace + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档