医院大流行规划 | 解决多因素之间复杂而动态的互相关系

文摘   2024-09-08 06:00   瑞典  

背景介绍

团队:马克-阿布拉莫维奇(Mark Abramovich)是跨学科解决方案有限责任公司(Interdisciplinary Solutions, LLC)的首席工商管理硕士,他与由埃里克-托纳(Eric Toner)医学博士和阿梅什-阿达尔贾(Amesh Adalja)医学博士代表的约翰斯-霍普金斯医疗安全中心(JHSPH)组成了一个工作小组来解决这一问题。梅奥诊所传染病专家、医学博士 Pritish Tosh 博士和梅奥诊所临床与业务连续性管理总监、医学硕士 Byron Callies 代表梅奥诊所工作小组,梅奥诊所为这项工作提供了资金支持。宾夕法尼亚大学沃顿商学院的 John C. Hershey 博士负责监督运营部分。
挑战:由于缺乏足够具体的规划指导,医院大流行病防备工作一直受到阻碍。这在很大程度上是因为医院之间以及各种大流行情况之间存在差异,因此很难提供广泛适用于所有医院的有用指导。医院大流行规划和医护增援能力中需要考虑的因素已经得到了很好的描述,但必须考虑到这些因素之间复杂而动态的相互关系。为了解决这个问题,已经开发了几种基于计算机的决策工具,但这些工具都很有限--尤其是在处理医院大流行规划中固有的许多不确定性和应对活动的操作相互依赖性方面。例如,病床或呼吸机容量的变化会影响人员配备、供应和药品需求,反之亦然。以前的模型也没有充分考虑到操作上的堵塞点和瓶颈,如急诊科的吞吐量和动态的人员配置模式

收集大流行病数据

为了解决这个问题,阿布拉莫维奇决定通过 @RISK 进行蒙特卡罗模拟。首先,他与 Toner 博士和 Adalja 博士一起,收集了美国部分地方性严重流感大流行的流行病学变量范围(例如,临床发作率、住院率、按科室类型划分的住院时间、需要机械通气的百分比和病死率),这些数据是通过查阅文献和/或项目团队的专家共识确定的(表 1)。

接下来,在建立数据模型时,Abramovich 使用了 1918 年英国伦敦第二波流感大流行的流行病学曲线形状。"他说:"之所以选择它,是因为它是我们能找到的最相关的历史案例,而且与其他流感大流行建模工作中使用的流行病学曲线一致。

在 Byron Callies 的协调下,梅奥诊所提供了覆盖人口数据。"Abramovich 解释说:"我们假定梅奥诊所将为其整个地理覆盖人群提供医疗服务。"年龄分布是通过美国人口普查数据确定的。

Abramovich 使用病例死亡率 (CFR) 作为严重程度的替代指标,使用三种不同的 CFR 来探讨各种短缺的影响:
  • 在医院外死亡的病人 CFR
  • 非重症监护病房(ICU)病床上的 CFR
  • 重症监护室病人和使用呼吸机病人的 CFR

这些CFR值是由Toner博士和Adalja博士确定的,然后进行归一化处理,总计等于0.93% ± 0.23%的预期人群CFR值。"托纳博士说:"为了确定这一数值,我们估计,如果今天发生与 1918 年同样严重程度的流感大流行,由于医疗技术的进步,CFR 将从历史上的 2.5% 降至 0.93%。

此外,研究小组还对梅奥诊所进行了调查,以确定流感大流行期间可能空闲的病床、呼吸机和麻醉机的数量。然后,Toner、Adlaja 和 Tosh 博士确定了大流行期间所需的主要药品和用品。

所有这些重要数据都被用于在 @RISK 上运行 10,000 次蒙特卡罗模拟,使用各种变量组合来确定各种情况下的资源需求。

为了测试梅奥诊所在流感大流行期间的病床和呼吸机容量,研究人员还进行了病床受限而呼吸机不受限的假设,反之亦然。Abramovich 说:"根据这些结果,我们确定了梅奥诊所有足够床位但没有呼吸机、有呼吸机但没有床位以及两者都有足够数量的情况所占的百分比。"

囤积居奇:适度是关键

在 @RISK 完成的 10,000 次迭代中,有 1,315 次符合阿布拉莫维奇的模拟设计和逻辑限制所定义的参数。通过这些有效的迭代,他按百分位数预测了大流行病中所需的关键物资、药品和个人防护设备的供应需求。
例如,图 1 显示了四种关键资源的模型输出结果:奥司他韦、呼吸机回路、N95 呼吸器(遵循国家使用指南)和手套。这些累积概率图显示了每种资源在所包含的情景迭代分布中所需的单位数量(对于奥司他韦,显示的是治疗疗程数)。
"托纳博士说:"从我们的结果来看,所有资源的最大投资回报显然是拥有一定的储备,即使储备量相对较小。例如,图表显示 4,998 个疗程的奥司他韦足以应对 95% 的情况,而大约 4,000 个疗程的奥司他韦足以应对 88% 的情况。"托纳博士说:"可以看出,增加 1,000 个疗程的增量效益相对较小。"另一方面,半数情况下只需要 2200 个疗程。

使用 @RISK 进行蒙特卡洛模拟有助于改善医院准备工作

"Abramovich 说:"虽然蒙特卡洛模拟无法确定单一的最佳策略,但它可以让决策者了解潜在结果的范围,以及这些结果如何根据不同的假设发生变化,并可以根据不确定性和用户的风险承受能力做出决策。通过这种方法,他和他的团队预测了一系列情况下的供应需求,这些情况下最多使用罗切斯特梅奥诊所医院 100% 的床位和呼吸机激增能力。结果表明,在较高的范围内储备物资对病人护理的益处越来越小,但最重要的是储备一些关键资源,即使储备量相对较小。
Abramovich 向梅奥诊所的管理人员展示了模型输出的范围,供他们考虑医院的储备需求。"Panálysis模型与@RISK的结合使用户能够看到储备对一种资源的需求与另一种资源的需求之间的关系,根据不断变化的假设或证据轻松地重新计算需求,并确定操作瓶颈和测试不同的应对策略"。阿布拉莫维奇说。"我们能够显示在各种情况下需要各种供应水平的概率--这是一种可用于模拟许多其他医院准备问题的工具"。梅奥诊所的 Callies 说:"这种建模方法为我们做出有关灾难储备需求的明智决策提供了合理的依据。因此,通过在建模结果和组织风险承受能力的基础上建立共同的备灾水平,我们能够调整和改进多个职能部门的备灾工作,同时成为组织资源的良好管理者。"
本文参考了以下链接:
https://lumivero.com/resources/case-studies/johns-hopkins-university/

这是最前沿的东西......需要强大的工具来帮助我们快速、灵活地建立各种风险模型,而且离不开一个跨学科的团队提出一套科学合理可落地的解决方案。欢迎大家加入 DataMap 知识星球,一起聊一聊您在医院管理中的风险应对策略,我们会将已经准备好的模型工具分享给您使用。

「DataMap知识星球」,搭建了行业内领先的资料分享群和知识体系,最近偶然间发现,去年我们分享的两个文档,浏览记录都已经破了1千,我们为行业带来了价值,是让我们最开心的事情。
我们用心创作,只为您提供医院运营、医保管理的高质量资料。所谓高质量的资料,我们可以从①系统性、②表格化、③有来源、④能落地这4方面来评估,可以非常有信心地说,DataMap 在这方面一骑绝尘。
有志于更上一层楼的医院管理同道们可以加入「DataMap知识星球」会员,获取更多信息和资源:

购买过程中有任何问题请扫描二维码联系老师解决,购买成功之后,老师会邀请您加入会员专属社群
我们在2023年上线了一门数据分析的课程,用3个案例教会大家更好地分析医保结算数据。


适合人群

有一定数据分析基础的,医院医务管理、医保管理、运营管理等职能科室的工作人员

学习目标

可以从另外一个视角来看医保结算数据,可以掌握好玩儿又实用的数据分析技能

详细介绍

通过3个最轻的决策链(Excel、规划求解、DEA)结合3个实际案例,讲解医保数据分析的好玩之道

医保结算数据,是医院管理中的一个热门话题,也是管理中的难点问题,医保结算数据的分析,是一件颇有意思的工作,如果我们带着童真来看待这个事情,那么会多很多乐趣:

1.首先我们将从问题导向来和大家界定这个问题;

2.其次我们将介绍医保结算数据分析中会使用的工具——其实也可以理解为玩具,虽然只是改了一个字,但是却可以增添无穷的乐趣;

3.接着我们将讲解数据分析的思路——流程+技能,给大家一个技能地图;

4.最后我们会给大家讲解 3 个案例,从风险病案的分布、医院发展目标的规划、学科发展效率分析,来和大家一一呈现其中的妙趣所在。

课程大纲

一、问题导向,医保数据分析的5大问题导向

二、建议工具,介绍5个好玩儿的玩具,我们本次课程选择其中4个来讲解

三、所需技能,给您介绍福尔摩斯探案需要准备的百宝箱,箱中都是实用的技能,还有更重要的使用流程

四、分析例 Ⅰ,从制作一份风险结算清单分布图的任务,来实际演练一遍Excel的数据分析

五、分析例 Ⅱ,从如何制定既有挑战又可实现、既满足领导战略又符合主任能力范围的医院发展目标,来实际演练一遍规划求解

六、分析例 Ⅲ,从如何分析判断医院内部的低效科室,用数据来说话,来实际演练一遍DEA(数据包络分析)



为了使数据分析更加强大,我们和大家推荐两款Excel插件,其中之一为 tusimpleBI,5年国考A++医院动态排名 这篇文章中的可视化图表即是采用tusimple制作的

tusimpleBI 具有一键化、专业化、傻瓜化、无痕化、原生化的特点:
  • 一键化:仅需一次或几次鼠标点击即可生成这些高级图表。
  • 专业化:参考了商业图表规范和最佳实践,直接以简洁专业的外观呈现。
  • 傻瓜化:用户无需了解这些高级图表背后的复杂原理和高深技巧。
  • 无痕化:并不修改和破坏用户工作表文件,完全无痕化。
  • 原生化:完全使用 Excel 内置原生图表组合实现,100%
  • 原生态,在分享文件时,对方无需 tusimpleBI 即可正常打开阅读和更新图表 。
总之,您将像使用 Excel 内置的常规图表一样,方便地创建和格式化这些高级图表,迅速成为令人羡慕的商业图表专家。

大家有需要的,可以在 http://www.tusimplebi.com/ 下载试用社区版,根据实际需要再购买,专业版和旗舰版,刘老师送了100张30元的优惠券,先到先得,有需求的可以在购买时输入RJ67T2

另外一款为 EasyShu,医保改革,除了“围追堵截”,更需“疏导畅通”一文中,我所呈现的可视化图表,数据源正是本文开头推荐的Excel,做图所使用的工具,是EasyShu,是一款专业Excel图表插件,由微信公众号【Excel催化剂】的李伟坚和【EasyShu】的张杰作联合打造,主要用于数据可视化与数据分析。

以上6个图,都是EasyShu可以呈现的,这里边的大部分图,属于商业杂志级别的图,像国外的经济学人、商业周刊等杂志之所以能风靡近百年,和他们专业的图表呈现有巨大关系,而这些能力,是多数信息化厂商所实现不了的,什么样的数据用什么样的图来呈现,绝对不是简单套一个模板就可以。

近期我们和EasyShu的创作者取得了联系,拿到了优惠价,另外EasyShu支持试用30天,试用30天之后,如果觉得好用,可以在下边的二维码中以专享优惠价购买。强烈建议对EasyShu有足够认识,对自己工作上数据分析可视化上产生较大价值的,可购买终身版,一次付费,终身使用。

欢迎大家持续关注我们,感谢您的一路相伴!

DataMap 能落地的医管咨询
郭仁杰,医院管理咨询师,曾为300家医院提供过DRG、DIP的业务指标分析解读及管理建议的会议和咨询。擅长使用最轻的决策链 鱼骨图、QCC、OODA、DEA、Topsis\x26amp;熵权法、规划求解,切割解扣最复杂的业务 DRG、DIP、CCHI等
 最新文章