Traitement de tous les besoins en soins des patients sous dialyse

PROBLÈME:




Le comté de Stockholm (Suède), comme chaque pays ou région, doit faire face à la prise en charge continue des besoins en soins de santé de divers groupes de patients. Chaque groupe peut être considéré comme une sous-population, avec ses propres caractéristiques distinctives et défis. Le projet de simulation étudiait essentiellement les patients sous dialyse qui doivent se rendre dans des installations de soins de manière fréquente.


A l’origine, lorsque le modèle de simulation a été créé, l’objectif majeur était de mieux comprendre les conséquences d’une disposition en plusieurs centres de soins décentralisés, par rapport à une centralisation plus compacte. La plupart des modèles sont améliorés et redéveloppés pour intégrer de nouvelles idées et besoins. Ainsi le modèle actuel cherchait le moyen de prendre en charge différents patients de différentes manières (certains étaient soignés à domicile, certains avaient besoin d’assistance et d’autres non).


Solution:




Ce problème a été appréhendé sous forme d’un problème macro et a donné de meilleurs résultats à l’aide d’une approche de modélisation multi-méthodes. Par exemple, la modélisation basée sur des agents a été utilisée pour modéliser l’environnement (le comté) et les patients, tandis que la modélisation par les événements discrets a servi à modéliser les agents soignants et les processus de soins simples. La visualisation a joué un rôle vital pour soutenir la compréhension du problème.


Dans ce cas, un certain nombre de conclusions ont pu être tirées avant même d’exploiter le modèle à l’aide des animations et visualisations. Une fois donné le scénario décrit dans les données saisies (fournies grâce à des feuilles Excel et les modifications étaient pilotées à l’aide de diverses commandes interactives de l’interface du modèle), le « centre de gravité » s’affichait – aussi bien du point de vue du besoin (patient) que de la capacité (personnel soignant). Si ces centres étaient proches les uns des autres, la situation était saine d’un point de vue statique. La simulation aidait ensuite les modélisateurs si c’était également le cas du point de vue dynamique, dans le temps.


RÉSULTATS:




Dans la plupart des situations de modélisation, et particulièrement dans les soins de santé, la valeur ajoutée par les modèles de données réside dans une combinaison d’indicateurs de conséquences (chiffres), et une compréhension plus générale du problème – qui est d’un type plus qualitatif. Dans ce cas, des exemples d’indicateurs étaient la production de soins (et la connaissance du niveau suffisant), les distances de trajets pour les patients et l’utilisation des ressources, qui ont permis de mieux comprendre si la capacité était acceptable.

Animation de la simulation des soins de santé sur la carte

Animation du modèle sur la carte

Les résultats qualitatifs ont permis aux modélisateurs:

  • D’élever considérablement la compréhension de l’ensemble du défi parmi les décideurs et les parties prenantes.
  • D’ajouter la dimension géographique et le point de vue sur l’ensemble du problème (qui est souvent oublié).
  • De faire office de catalyseur pour soutenir et améliorer le niveau d’analyse, et de permettre aux parties prenantes conflictuelles de mieux réaliser que le problème était complexe.
  • De résumer les points de vue, dimensions et les défis sous forme visuelle et dynamique.

Les aspects qualitatifs sont habituellement bien plus pertinents que les aspects quantitatifs (en favorisant un meilleur processus de prise de décision), même si les résultats quantitatifs sont de meilleure qualité que ce que l’on obtiendrait par d’autres moyens.


Ce modèle est actuellement utilisé comme outil d’aide à la décision par les spécialistes qui analysent les défis du centre de dialyse du Comté de Stockholm.

More Case Studies

  • Modélisation des opérations dans les entrepôts de distribution pharmaceutique
    Cardinal Health, une société de distribution et de logistique pharmaceutique d’un milliard de dollars, gère plusieurs produits pharmaceutiques de marque et génériques, ainsi que des produits sans ordonnance, des articles de santé et de beauté et sa propre marque privée. Brian Heath, Directeur des Analyses avancées chez Cardinal Health, également utilisateur expérimenté des logiciels AnyLogic, a eu recours à la modélisation basée sur des agents pour résoudre divers problèmes de l’entreprise, économisant ainsi plus de 3 millions de $ chaque année.
  • Aide à la décision en soins de santé par simulation hybride – Unités d’AVC mobiles
    Les AVC causent de graves invalidités, génèrent des coûts élevés en soins et en rééducation, et leur fréquence augmente au sein d’une population de plus en plus âgée. Les thromboses en sont la source prédominante et, dans la mesure du possible, celles-ci doivent être traitées par thrombolyse (sauf en cas de thrombose hémorragique, et en veillant à attendre 4,5 heures après l’attaque). Actuellement, le processus de transport et l’administration interne des hôpitaux font perdre un temps précieux au patient. La mise en place d’unités d’AVC mobiles est apparue comme un remède possible.
  • Modélisation par simulation basée sur les statistiques des soins de santé
    Afin de prendre leurs décisions, les professionnels de la santé ont besoin d’outils pour planifier, tester et évaluer les nouvelles technologies et interventions. Patrick Einzinger et Christoph Urach de DWH Simulation Services et de l’Université de technologie de Vienne, en partenariat avec l’Association autrichienne des assurances sociales (AASI), ont pu analyser les données publiques afin de prendre des décisions critiques pour le futur.
  • Simulation de l’exploitation dans une maternité
    Ce modèle simule le service de maternité dans un hôpital en cours de construction. Le but de ce modèle est de servir de support aux discussions sur les ressources, les capacités et les méthodes de travail requises pour cette nouvelle maternité. Le projet a été réalisé pour l’hôpital de l’université de Karolinska dans le comté de Stockholm (Suède).
  • Evaluation de la capacité de prise en charge en termes de patients hospitalisés
    Le comté de Stockholm (Suède) dirigeait un projet de construction d’un nouvel hôpital hautement spécialisé. L’administration de la santé du comté a demandé si elle obtiendrait un niveau acceptable de production de soins à l’aide des investissements et des plans en cours concernant divers problèmes opérationnels et stratégiques. Pour obtenir des réponses à ces questions, elle a utilisé la modélisation de simulation d’AnyLogic.
  • Applications de réponses aux désastres à l’aide de la modélisation basée sur des agents
    Dans son effort pour trouver des solutions opérationnelles pratiques pour trouver une réponse rapide et efficace à une crise imprévue ou une catastrophe naturelle, Batelle avait besoin de tester l’efficacité d’une mise enplace d’un abri en 48 heures dans un scénario d’abri nucléaire improvisé (IND). Le but visé était de réduire les doses de radiations reçues pendant une évacuation de masse non coordonnée, en comparant l’évacuation immédiate avec la mise en place d’un abri.
  • Evaluation des politiques de santé afin de réduire le taux d’accouchements par césarienne
    La nécessité de réduire le taux d’accouchement par césarienne est reconnue par de nombreux chercheurs depuis des années. Pour la première fois, dans une recherche menée pour l’Etat de Washington State, Alan Mills, FSA MAAA ND, actuaire chercheur, et ses collègues ont reproduit cette partie du système de soins américain dans un modèle de simulation.
  • Formulation de politiques sur les soins de santé à l’aide de la simulation
    Cette initiative du Départment de l’ingénierie mécanique et industrielle de l’univerité de Toronto, le Centre de recherche sur l’ingénierie de la santé (CRHE), répondait au désir immédiat et irrésistible d’apporter des améliorations dans le rendement et la qualité du système de santé Canadien.
  • An Agent-Based Explanation for SPMI Living Situation Changes
    Over the past 60 years, the number of Severely and Persistently Mentally Ill (SPMI) patients in the US living in the community increased. Yet a growing minority of people with severe illness are worse off because they are homeless or incarcerated. In this case study, IBM Global Research and Otsuka Pharmaceuticals used an agent-based approach to model these remarkable swings.
  • Outpatient Appointment Scheduling Using Discrete Event Simulation Modeling
    Indiana University Health Arnett Hospital, consisting of a full-service acute care hospital and a multispecialty clinic, faced poor statistics because the number of no-show patients (those who don’t show up for their scheduled appointments) rose dramatically to 30%. This was primarily connected to the fact that clinic schedules were driven by individual preferences of the medical staff, which led to increased variations in scheduling rules. To eliminate the problem, the client wanted to develop a scheduling methodology that would benefit the clinic, doctors, and patients.