[发明专利]一种用于医院拥堵缓解对策评估方法

权利要求书

1.一种用于医院拥堵缓解对策评估方法，其特征在于，包括以下步骤：

步骤一、利用Anylogic建模工具构建以病人流动为主线的仿真模拟模型；

根据医院整体结构及运作模式，将仿真模拟模型划分六大模块：病人抵达、急诊、门诊、外科、内科以及出院模块；

基于历史数据，模拟逐个模块中就医流程及运作流程，病人抵达医院的方式包括救护车及自行就医两种模式，在模型中利用非时齐泊松过程进行模拟，病人就医抵达率则依据实际病人流动数据，利用阶跃常函数对病人不同的抵达模式m及不同工作日j进行模拟，其函数如下：

其中，为拟合常数，x_h(t)为指标函数，当时间t∈[h，h+1)时，x_h(t)＝1，否则为0；

在模拟模型中，利用经验分布函数分别模拟不同病人的诊疗时间，函数表示如下：

χ为指标函数，当x_i≤t时，χ＝1，否则为0；

病人在急诊接受诊疗后，一部分病人入院接受进一步诊疗，一部分病人结束诊疗离开医院，当医院床位紧缺时，首先延迟慢性病人的入院进程，模拟模型依据实际数据，利用以下平衡函数模拟慢性病患入院调节流程：

其中，μ_j，l(t)表示医院可以接受的慢性病患者，L_j，l(t)，U_j，l(t)分别为医院最少及最多接受慢性疾病病人入院数，C_l(t)为可容纳病人的床位总数，C_l(t)-X_l(t)表示在时间t时，可用床位数，并且函数(3)满足以下条件：

L_j，l(t)≤max(L_j，l(t)，min(C_l(t)-X_l(t)，μ_j，t(t)))≤μ_j，t(t) (4)

病人入院同时裤分流到不同的病房，入院分流机制与入院治疗流程分别依据实际病人流动数据模拟；

步骤二、在模型构建完成后，对比和校验历史数据及模型模拟数据，在反复对比及模型修正的过程中，缩小模拟数据与实际数据的差距，提升模型的精准度；

步骤三、拥堵缓解对策

依据预测医院拥堵及缓解拥堵的算法，通过为改变床位数、病人出院率以及病人入院率，计算出拥堵危险系数R(C)的变化；

其算法如下：

该算法所预测的拥堵风险系数指当入院人数大于可用床位时，计算出当天夜间床位占用数Mt大于阈值C的概率R(C)，其模型如下：

R(C)≈P(M_t＞C) (5)

模型中的C在实际医院中可定义为医院的住院部门的总床位数，将上述模型加入可控制变量，上述模型将进一步推导；

首先，公式(5)的Mt可用以下推导式表示：

M_t＝η_tN_t+E_t(1-ω_t)+M_t-1(1-v_t) (6)

其中，N_t为新抵达急诊部门的人数，Et是被安排住院超过一天的慢性住院病人，Mt-1为前一天夜间住院病人，η_t∈(0，1]表示入院率，ω_t∈(0，1]被安排住院超过一天的慢性住院病人取消比例，v_t∈(0，1]表示出院率；

通过改变η_t，ω_t v_t三个变量，对R(C)的影响，将式(2)带入式(1)中，Nt是唯一随机变量，公式(5)则被推导为以下形式：

R(C)可表示为：R(C，η_t，ω_t，v_t)，其中包含控制变量，Nt为随机变量，根据某医院的历史数据，利用负二项式分布及正态分布对历史数据进行匹配；

另外，假设ω_t＝0，

推导式(7)将变为：

其中，x_t＝[C-M_t-1(1-v_t)-E_t]/η_t，μ_t和分别为每日到达医院就诊人数的平均值和方差；Φ(x；μ，σ²)表示正态分布的随机变量X～N(μ，σ²)的概率分布函数，根据上述公式(8)即可算出R(C)的值。