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.

Рис. 1: 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 1 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.

Рис. 2: 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.