基于医院建设规模的医院利用效率的评估方法

1.本发明涉及数据建模技术领域，具体涉及一种基于医院建设规模的医院利用效率的评估方法。


背景技术：

2.医院运营规模的大小是决策者考虑的因素之一。医院建设规模过大会造成资源的浪费，医院建设规模过小会造成就医拥堵。定量评估医院建设规模对医院高效利用的影响是非常重要的。
3.现有研究中虽然有讨论医院资源最佳利用的问题，但是并未得出结论性的答案。利用模拟模型讨论医疗运营规模与资源利用效率，比传统意义的数据分析更具真实性，但此类方法比较缺乏。


技术实现要素：

4.本发明针对现有医疗资源供需不均衡的技术问题，提供一种基于医院离散事件模拟模型，评估医院建设规模的变化对医院利用效率的影响。
5.基于上述目的，本发明提供了一种基于医院建设规模的医院利用效率的评估方法，方法步骤包括：步骤1、构建模型：以大型综合医院为对象，构建医院离散事件模型；步骤2、设计模型输入变量：对待评估的医院历史数据进行病人诊断相关分组，对每一个分组进行计算多重概率分布；步骤3、输出评估汇总数据：仿真模拟在不同医院建设规模下的医院利用效率，输出医院利用效率的汇总数据分布。
6.进一步地，所述步骤1中的医院离散事件模型通过关联驱动的控制事件，实时记录每个部门病人就医、医疗资源的使用情况、病人等待、住院、出院情况。
7.进一步地，所述步骤1中的医院离散事件模型包括病人到达模块、急诊模块、门诊模块、外科模块、内科模块、神经科模块、妇产科模块、其他科室模块和出院模块。
8.进一步地，所述步骤2中的医院历史数据包括到达类型和时间、分诊耗、人数统计信息、诊断数据、入院和出院病房及诊治时间。
9.进一步地，所述步骤2中的多重概率分布包括病人到达率、到达类型的概率、入院率、不同入院和出院病房占有时间的概率分布、急诊室和医院的治疗时间概率分布。
10.进一步地，所述步骤3中的医院建设规模为3种，包括医院相同规模、规模减半以及规模扩大一倍，规模减半时，对病人就医率进行相应比例的减少一半，规模扩大一倍时，病人就医率也按相同比例增加一倍。
11.进一步地，所述步骤3中的医院利用效率包括医院整体床位使用率和急诊部门床位使用率；所述模型还产生紧急变量，所述紧急变量包括患者的住院时间、诊疗时间和急诊候诊队列大小。
12.进一步地，所述模拟模型运转超过100年，促使每个医院建设规模的方案都可以使患者的周转数超过200万。
13.与现有技术相比，本发明的有益效果是提出一种医院建设规模的评估方法，分为3个步骤：模型构建、输入变量、输出数据，通过对医院历史数据进行drg分组，对每一个分组进行计算多重概率分布，有效的找出同一类型分组病人的就医规律，以此作为模型输入数据，有利于提升模型的精准度，结合对不同医院建设规模的设计，也提升了在不同医院建设规模下对医院利用效率的评估精准度。
附图说明
14.图1是本发明方法流程图；
15.图2是本发明医院离散事件模型框架及病人就医流程；
16.图3是一组drg病人的医院诊疗时间分布；
17.图4是另一组drg病人的医院诊疗时间分布；
18.图5是本发明实施例的不同规模医院下的医院整体床位使用率的分布图；
19.图6是本发明实施例的不同规模医院下的急诊部门床位使用率的分布图。
具体实施方式
20.下面结合附图详细的描述本发明的作进一步的解释说明，以使本领域的技术人员可以更深入地理解本发明并能够实施，但下面通过参考实例仅用于解释本发明，不作为本发明的限定。
21.医院利用效率包括医院整体床位使用率和医院急诊床位使用率。医院整体床位使用率是每天使用床位与实有床位的比率。急诊部门床位使用率是急诊部门每天使用床位与实有床位的比率。
22.本发明提供了一种基于医院建设规模的医院利用效率的评估方法，方法流程图如图1所示，具体包括以下步骤：
23.步骤1、医院离散事件模型框架构建；
24.本发明以大型综合医院为对象，利用anylogic建模工具，构建了医院离散事件模型，框架如图2所示。模拟模型实时记录每个部门病人就医、医疗资源的使用情况、病人等待、住院、出院情况。模拟模型划分几大模块：病人到达、急诊、门诊、外科、内科、神经科、妇产科、其他科室及出院模块。
25.图2显示了医院模型结构，由于空间限制，仅提供了模型逻辑的指示性视图。该模型通过关联驱动的控制事件，实时捕获病人队列和治疗持续时间等诸多数据。同时不同病人类型和模型模块间的连接创建了患者从到达医院到出院的可能路线。例如，所有患者都会到达“分诊”，其中每个患者都会收到一个分诊号，以决定急诊服务优先级。患者根据分诊分数排队接受服务，然后在分诊号相等时采取“先到先得”的服务方式。
26.患者治疗行程可能受到不同因素的影响，包括(1)患者的个人特征(性别、年龄、健康状况、到达类型)；(2)医院条件(医院整体入住率、急诊室拥挤程度、专科病房床位可用性)；和(3)一些外部参数(就诊的星期数和时间段)。
27.值得注意的是，模型中可包含的详细程度在很大程度上取决于医院数据记录的详细程度。未记录的事件或程序的参数无法用任何实际数据进行校准和验证，因此无法包含在模型中。例如，病房和走廊的实际布局可能会影响医院的总住院时间。然而，这一潜在的
重要因素无法模拟和研究。
28.步骤2、设计模型输入变量；
29.本发明将待评估的医院历史数据进行病人诊断相关分组(drg：diagnosis related groups)，对每一个drg分组进行计算多重概率分布。医院历史数据包括到达类型和时间、分诊耗、人数统计信息、诊断数据、入院和出院病房及诊治时间。多重概率分布包括病人到达率、到达类型的概率、入院率、入院和出院病房占有时间的概率分布、急诊室和医院的治疗时间的概率分布，到达类型包括救护车或自行就医。
30.除了医院历史数据用作模型输入变量外，模型还产生紧急变量，紧急变量包括患者的住院时间、诊疗时间和急诊候诊队列大小在很大程度上取决于所需要的治疗以入院时的床位可用情况。上述紧急变量可以用于验证模型的准确性，还可以作为性能指标，同时比较不同的仿真场景。
31.步骤3、输出评估汇总数据分布；
32.利用该模拟模型可以设计多种不同的医院建设规模，本模型定义医院建设模型是以床位数来衡量。本发明的不同医院建设规模为3种：100％表示相同规模；50％表示规模减半；200％表示规模扩建一倍。同时对病人就诊数进行相应比例的减少和增加。而此处相应的比例根据历史数据中病人诊断相关分组(diagnosis related groups)的比例进行调整。也就是说医院建设规模降为50％的时候，病人就医率也减少为50％，同时保持医院病人诊断相关分组的比例不变。医院建设规模增加到200％时，病人就医率也按相同比例增加一倍。
33.为了更准确的模拟输出相关数据指标的分布，模拟模型运转超过100年，促使每个医院建设规模的方案都可以使患者的周转数超过200万，最终将收集医院利用效率的汇总数据分布图。所述医院利用率包括医院整体床位使用率和急诊部门床位使用率。
34.数据验证
35.模型的验证示例如图3和图4所示。图3和图4展示了两组不同drg病人的医院诊疗时间分布。100％、50％以及200％分别表示医院相同规模、规模减半以及规模扩大一倍的模拟模型输出的医院诊疗时间的分布，与医院诊疗时间分布的历史数据的分布吻合度较高，因此可以判定此模型的精准度较高，所做评估结果较为可信。
36.实施例
37.本发明以某三甲综合医院为对象，将该医院历史数据进行匹配链接，并测试医院建设规模大小对医院资源利用效率的影响。医院历史数据集包括2016年1月1日至2019年12月31日入院的每一位患者的信息。数据中的详细信息包括:到达类型和时间、分诊耗、人数统计信息、诊断数据、入院和出院病房及诊治时间等。作为伦理审批过程的一部分，在数据提供给研究人员之前，与患者个人身份相关的信息被删除。
38.数据包括四年期间共有286,354个病人记录。到达的病人中有60％以上被送进了医院。根据国家诊断相关组(chs-drg)分类的《国家医疗保障drg(chs-drg)分组方案》，将所有在医院治疗的患者分为26个主要诊断分类和376个核心drg分组。
39.图5和图6是不同医院建设规模下的医院床位使用率及急诊部门床位使用率的分布图。在模型中，医院整体床位使用率记为医院整体利用率；急诊部门床位使用率记为急诊部门利用率。由图5可知，医院建设规模越大，分散程度越小，200％规模的医院，床位使用率
在0.8的时候比例最高，医院使用率高于0.9的比例几乎是0，也就是说接近拥堵(床位使用率100％)的可能性几乎是0，所以更有能力接纳病人，而不出现人满为患的情形。由此可知，大医院比小医院更有能力有效地接纳到达病人数，并达到自然波动。然而50％规模的医院在多个情况下会出现人满为患的情形。
40.图6是不同医院建设规模下急诊部门床位利用率的分布图。最右侧说明急诊部门使用率达到100％，即人满为患，50％规模的医院急诊达到100％的比例最大。密度曲线右侧的大峰值表明，没有一家医院能够完全避免急诊科人满为患的问题。然而，规模较大的医院出现人满为患的几率较小。一个50％规模的医院有更高的概率出现急诊部门的拥挤。
41.以上所述仅为本发明的示例性实施例，并非因此限制本发明专利保护范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。