Исследование условий проживания людей с психическими заболеваниями в США при помощи моделирования

Описание проблемы:




Пациенты, страдающие серьёзными хроническими психическими заболеваниями (СХПЗ) - это люди с такими диагнозами, как шизофрения, биполярное расстройство, клиническая депрессия и др. Они составляют около 1,7% населения США. За последние 60 лет очень изменились условия проживания таких больных, особенно это заметно по соотношению тех, кто находится в тюремных учреждениях, и живущих у себя дома и в местных центрах по оказанию психиатрической помощи.


Произошло много положительных перемен, так, например, выросло число пациентов, которые живут вне специальных лечебных учреждений, значительно сократилось количество случаев принудительного заключения больных в психиатрические больницы. Но есть и минусы: больше пациентов страдают от затянувшихся обострений, потому что находятся в тюрьме или не имеют крыши над головой.


IBM Global Research и Otsuka Pharmaceuticals решили изучить динамику произошедших за последние полвека изменений, чтобы понять, что можно сделать для улучшения положения пациентов с психическими расстройствами.


Решение:




Важно было отметить, что некоторые учреждения (тюрьмы и больницы с длительной госпитализацией) держат пациентов с обострениями дольше, чем большинство других учреждений, которые стараются побыстрее передать пациента в острой фазе в другое учреждение. Именно это фундаментальное отличие и требовалось продемонстрировать в модели, т.к. именно оно было причиной изменений условий проживания людей с СХПЗ во второй половине 20 века.


Изменения условий проживания людей с психическими заболеваниями

Изменения условий проживания людей с психическими заболеваниями


Агентное моделирование пунктов проживания людей с СХПЗ было основано на реальных данных.


Во-первых, в модели был представлен «цикл перемещений» больного. Каждый раз, когда пациент «покидал» пункт проживания, перед ним «вставал вопрос», куда «идти» дальше. В модели после того, как пациент достигал точки принятия решения о месте проживания, он случайным образом приписывался к одному из них. Всего в модели было 7 типов пунктов проживания:

  • Тюрьма
  • Больница с возможностью длительной госпитализации
  • Местная больница
  • Интернат
  • Приют/место временного проживания
  • Частная собственность/Жильё, арендованное по программе государственной социальной помощи
  • Отсутствие места проживания

У каждого из пунктов проживания был свой период максимального содержания. Например, больницы с длительной госпитализацией могли приютить пациента на более долгий срок, нежели пункты первой помощи при местных больницах и проч.


Таким образом, пациенты все время переходили из точки принятия решения до места непосредственного проживания, а когда срок пребывания в том месте подходил к концу, они возвращались в исходный пункт, и всё начиналось заново. У каждого больного было определено “время до следующего обострения психического заболевания”, которое определяло тяжесть болезни. Время до обострения колебалось от 5 до 250 дней и определялось для каждого пациента при запуске модели. Под обострением в этой модели понималось состояние, при котором людям, общающимся с агентом, становилось понятно, что он не является психически здоровым. Например, такими состояниями могли быть галлюцинации, глубокая депрессия, т.д. На анимации модели агент приобретал тем более красный цвет, чем меньше времени оставалось для обострения. И наоборот, чем больше времени в запасе было, тем цвет агента был более зелёный. Всего в модели было 1 000 пациентов с СХПЗ.


В каждом пункте проживания по-разному реагировали на обострение агента. Больницы с длительной госпитализацией и тюрьмы продлевали срок содержания пациента, тогда как большинство других учреждений пытались побыстрее передать больного в другие руки.

Структура агентного моделирования системы здравоохранения

Структура агентного моделирования системы здравоохранения

Модель также учитывала узаконенный лимит на количество пациентов, имеющих право жить в больницах с длительной госпитализацией. Это количество уменьшалось каждые 10 лет, как и в реальности. Таким образом, чем меньше людей могло проживать в больницах такого типа, тем больше их селилось в частных домах. Также небольшой процент пациентов попадал в тюрьму.


Статистика модели включала продолжительность проживания, вероятность направления в какой-либо пункт проживания из точки принятия решения, процент пациентов, проживающих в одном из 7 пунктов, и среднее время обострения для каждой из групп в пунктах проживания.


Модель отражала реальную ситуацию: самые тяжёлые больные попадали в больницы с длительной госпитализацией и тюрьмы. Когда исчерпывался лимит мест в больницах, люди с самыми серьёзными случаями оказывались в тюрьме.


По этой причине люди с самым длинным периодом обострения попадали в тюрьмы или больницы с долгосрочной госпитализацией и сталкивались с методами лечения, принятыми в этих учреждениях. Как показала модель, большой этической проблемой является лимит на количество пациентов в больницах с длительной госпитализацией. Фактически тюрьма остаётся единственным местом, куда могут быть отправлены больные с затянувшимися обострениями заболеваний.


Результат:




Агентное моделирование помогло лучше и полнее понять схемы перемещений пациентов с СХПЗ между разными пунктами проживания.


Во-первых, модель продемонстрировала, что даже небольшое изменение времени нахождения в пункте проживания приносило ощутимый эффект. Сейчас же пациенты постоянно вынуждены переходить из одного пункта в другой, и часто больные с тяжёлыми и долгими обострениями оказываются в тюрьме – месте, где их не откажутся принять на любое время.


Во-вторых, увеличение среднего времени до следующего кризиса улучшает ситуацию с проживанием пациентов. При втором запуске модели специалисты увеличили время до 45 дней в 2000 г. и посмотрели динамику ситуации до 2030 г. Как и ожидалось, в ситуации с более здоровым населением (с более долгим временем до обострения) люди реже выталкивались из своих текущих мест проживания, и как, следствие, попадали в тюрьмы. Эти данные помогут яснее понимать, в какие проекты государству стоит инвестировать деньги, предназначенные для улучшения жизни людей с психическими заболеваниями, и оценить эффективность вложений. Модель показала, что на тюремную статистику можно влиять, улучшая ситуацию в сфере психических здоровья населения.

Кайл Джонсон из IBM Бизнес-консалтинг делает презентацию своей работы:


Наконец, модель помогла выявить этические проблемы, которые США предстоит решать в будущем. Исследование помогло выявить 2 возможных пути решения: увеличить лимит пациентов в больницах с длительной госпитализацией, либо найти способ увеличить время до обострения. Компании Otsuka Pharmaceuticals и IBM совместно пытаются вести свой вклад в изменение ситуации: был запущен IT-проект для координации работы разных медицинских учреждений в отдельном округе. Этот проект поможет разным службам и организациям объединиться для более эффективной помощи больным с психическими заболеваниями.


Больше информации о проекте можно найти в статье.

Другие проекты

  • AnyLogic моделирует развитие России на суперкомпьютере «Ломоносов»
    На суперкомпьютере «Ломоносов», принадлежащем МГУ, запустили модель, имитирующую развитие социально-экономической системы России на протяжении последующих 50 лет. Расчеты основывались на модели, созданной в AnyLogic, и официальных данных российских властей.
  • Прогнозирование потребности экономики России в профессиональных кадрах
    Группа компаний IBS, ведущий разработчик программного обеспечения и поставщик ИТ-услуг в Центральной и Восточной Европе, по заказу Министерства образования и науки Российской Федерации выполнила проект по созданию экспертно-аналитической системы прогнозирования потребностей в профессиональном кадровом обеспечении экономики России в целях проведения экспертизы формирования контрольных цифр приема в вузы страны.
  • 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.
  • Развёртывание системы реанимобилей в Германии
    Реанимобили MSU (Mobile Stroke Units) были предложены для ускорения оказания помощи пациентам с апоплексическим ударом. 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.
  • 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.
  • Применение реальных данных и многоподходного моделирования для борьбы с нехваткой продовольствия
    Одна из международных организаций наняла крупную консалтинговую фирму для анализа проблем продовольственной безопасности в развивающихся странах, а также для разработки системы, которая позволила бы подготовиться и принять необходимые меры в случае возможной нехватки продовольствия.
  • 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.