Развёртывание системы реанимобилей в Германии

Проблема




Апоплексический удар или инсульт – одна из основных причин наступления тяжелых форм инвалидности. Частота его возникновения увеличивается из-за общего старения населения. На лечение и реабилитацию после удара тратятся большие деньги. Большинство инсультов вызваны тромбозом, поэтому пациентам в большинстве случаев необходима тромболитическая терапия до истечения 4,5 часов (за исключением случаев геморрагического инсульта). Однако пациенты теряют жизненно необходимое время в пути до больниц и в самих больницах до начала процедур.


Специальные реанимобили Mobile Stroke Units (MSU) для помощи пациентам при апоплексическом ударе были предложены в качестве возможного решения этой проблемы. Специалисты MSU должны начинать диагностику и терапию прямо на месте происшествия. Целью внедрения было снижение времени от поступления вызова до начала лечения больных для предотвращения риска возникновения инвалидности и снижения издержек в здравоохранении. Модель разрабатывала группа Computer Networks and Communication Systems в университете Эрлангена — Нюрнберга в контексте проекта Prospective HTA по заказу правительства Германии.


Цель моделирования




Целью моделирования стала оценка медицинского и экономического эффекта внедрения MSU. Индикаторами изменений стали расходы, влияние на время от поступления вызова до начала терапии и другие факторы. Сравнение было сделано для городской агломерации (на примере Берлина) и сельской местности (в Германии) с малым количеством больниц, т.к. оценки для двух этих случаев сильно отличаются. Дальнейшей целью проекта является нахождение оптимального географического распределения MSU.

MSU
Рис. 1. Реанимобиль Mobile Stroke Unit.


MSU Simulation

Рис. 2: Скриншот анимации движения MSU

Реализация в AnyLogic




Модель была создана в программе AnyLogic. Выбор был сделан в пользу этого инструмента имитационного моделирования благодаря его возможности строить модели с использованием любого из необходимых методов моделирования, добавлять в модель Java-код для отражения нестандартных элементов системы, а также создавать для модели анимацию, помогающую в донесении результатов до специалистов отрасли.


Рисунок 2 является скриншотом анимации одного из сценариев. Реанимобили MSU находятся в заданных дислокациях, места выезда назначаются им диспетчером при наличии вызова. При отсутствии свободного реанимобиля на выезд отправляется обычная карета скорой помощи. Также моделируются принятия неправильных решений, ошибочные вызовы MSU, чрезвычайные ситуации и расходы за каждое действие. Расходы на лечение пациентов с инсультом учитываются за период следующих 10 лет.


В качестве входных данных использовалась статистическая информация за разные годы, представленная в виде параметров, распределенных по таблицам Excel. Модель была построена на базе специально созданной для поддержки принятия решений в здравоохранении библиотеки. В модели можно редактировать различные исходные параметры (например, демографические данные, процент ошибок), чтобы тестировать именно те сценарии, которые интересны исследователю. Специальный инструмент позволяет легко располагать на карте MSU и больницы перед запуском эксперимента. Более детальное описание структуры модели можно найти в статьях, указанных ниже.


Подход к моделированию




Для более детального отражения системы было необходимо моделирование на макро- и микроуровнях. Именно поэтому исследователи выбрали многоподходное моделирование. Системная динамика использовалась ими на более высоких уровнях абстракции («с высоты птичьего полета»), а то время как дискретно-событийное и агентный методы применялись для моделирования индивидуального поведения. Пациенты в модели представлены как агенты, а медицинские процедуры, представленные как дискретные события, встроены в системно-динамические модели, которые отражают такие сферы, как демография, экономика и эпидемиология. Влияние медицинских технологий представлено количественными параметрами.

MSU Models

Рис. 3: Агентная, дискретно-событийная и системно-динамическая модель


Результаты




Главным результатом этого исследования стало понимание, что использование MSU не ведет к автоматическому повышению количества пациентов, лечащихся методом тромболитической терапии. Тем не менее, те пациенты, которые получают это лечение, получают его быстрее, и таким образом риск возникновения инвалидности снижается. Это очевидное медицинское преимущество. Также стало понятно, что более равномерное распределение реанимобилей по карте ведёт к улучшению результатов, в отличие от их централизации в отдельных местах, таких как больницы. Наконец, эксперимент показал, что в сельских районах Германии с малым количеством больниц содержание таких реанимобилей не окупается, так как в год происходит мало случаев инсульта, и большинство людей живет близко к городским центрам с больницами, которые лечат инсульт. Результаты могут быть другими в странах, где больницы обладают меньшими возможностями.


Выводы




AnyLogic позволяет разрабатывать детальные модели для поддержки принятия решений в здравоохранении. Настраиваемая имитационная модель реанимобилей MSU позволила исследователям ответить на важные вопросы касательно медицинского и экономического влияния тех или иных управленческих решений. Результаты могут быть использованы государственными агентствами и компаниями в Германии и других странах для оптимизации разворачивания системы реанимобилей. Долговременное наблюдение за пациентами с инсультами позволяет сравнить сэкономленные средства с затратами на систему реанимобилей, что позволяет принимать инвестиционные решения.


Моделирование сложных систем большого масштаба в здравоохранении, энергетике, промышленности – основная сфера работы группы Computer Networks and Communication Systems в университете Эрлангена — Нюрнберга. Более подробную информацию об этом проекте вы можете получить, связавшись с авторами этой работы.


Статьи




  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.

Другие проекты

  • Моделирование распределительного склада фармацевтической компании
    Cardinal Health – компания с многомиллиардным оборотом, работающая в сфере дистрибуции и логистики фармацевтических товаров. Каждый день компания сталкивается со множеством логистических задач, типичных для распределительных складов, которые осложняются спецификой фармацевтической сферы. Компания использовала агентное моделирование для различных бизнес-задач, что позволило ей экономить 3 000 000 долларов ежегодно.
  • Моделирование на основе статистики врачебной практики
    Специалистам в сфере здравоохранения требуются инструменты для принятия решений относительно планирования, тестирования и оценки новых технологий и политик. Специфика данной области (комплексность и взаимозависимость процессов) превращает любые изменения и инновации в постоянное испытание для профессионалов индустрии. DWH Simulation Services в партнерстве с Австрийской Ассоциацией Социального Страхования (AASI) проанализировали данные системы здравоохранения Австрии для принятия важных для медицинской практики решений.
  • Моделирование работы родильного отделения
    Эта модель воспроизводит работу родильного отделения в строящейся больнице. Задача этой модели состояла в поддержке принятия решений касательно ресурсов, пропускной способности и методов организации работы в новом отделении. Проект был выполнен для больницы Karolinska University Hospital в лене Стокгольм, Швеция.
  • Оценка пропускной способности больничного стационара
    В шведском Стокгольме строилась новая узкоспециализированная больница, и местное управление здравоохранения задалось вопросом, сможет ли больница обслуживать нужное количество пациентов при текущих инвестициях и организационных планах. Специалисты использовали AnyLogic для поиска ответов на свои вопросы.
  • Моделирование медицинского обслуживания на уровне региона
    Регион Стокгольма (Швеция), как и любой регион, испытывает постоянную необходимость удовлетворять спрос на услуги здравоохранения различных групп пациентов. Каждая группа может быть рассмотрена как субпопуляция со своими особенностями, характеристиками и сложностями. Данный проект по имитационному моделированию рассматривал пациентов, которые нуждались в диализе почек.
  • Планирование реагирования на ЧС с помощью агентного моделирования
    Battelle – крупнейшая в мире некоммерческая независимая исследовательская организация. В одном из проектов исследователи должны были определить эффективность мер реагирования в случае детонации ядерного устройства, сравнив планы эвакуации населения и его укрытия на месте ЧС.
  • Оценка стратегий в сфере здравоохранения для уменьшения количества случаев кесарева сечения
    Множество специалистов здравоохранения давно говорят о необходимости уменьшения количества родов при помощи кесарева сечения. Алан Миллс, эксперт-статистик, и его коллеги провели исследование для штата Вашингтон, в котором воспроизвели при помощи моделирования часть системы здравоохранения США, занимающуюся родовспоможением.
  • Разработка стратегий в сфере здравоохранения с помощью моделирования
    Специалисты Центра исследований вопросов здравоохранения (Centre for Research in Healthcare Engineering, CRHE) решили создать инструмент анализа и визуализации, с помощью которого можно было бы лучше понять, как работает система здравоохранения Канады, и что именно следует изменить, чтобы повысить продолжительность жизни канадцев.
  • Исследование условий проживания людей с психическими заболеваниями в США при помощи моделирования
    За последние 60 лет в США увеличилось количество людей с серьёзными хроническими психическими заболеваниями, которые живут вне специальных лечебных учреждений. IBM Global Research и Otsuka Pharmaceuticals провели исследование с применением агентного моделирования, чтобы выяснить причины этих изменений в обществе.
  • Моделирование продвижения продукта на фармацевтическом рынке
    Одна из крупнейших фармацевтических компаний обратилась к консалтинговой фирме Bayser для разработки стратегии продвижения нового продукта на рынке. Имитационное моделирование применялось для воссоздания системы взаимодействия между производителем продукта, врачами и пациентами.