Тип работы:
 Предмет:
 Язык работы:


Математическое моделирование логистических систем в медицине

Работа №138372

Тип работы

Бакалаврская работа

Предмет

информатика

Объем работы46
Год сдачи2016
Стоимость4315 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено
6
Не подходит работа?

Узнай цену на написание


Введение
Обзор литературы
Глава 1. Существующие математические и вероятностные модели
распределения ресурсов
1.1. Математические модели потока пациентов и распределения ресурсов
1.1.1. Модель потока пациентов
1.1.2. Модель распределения ресурсов
1.2. Вероятностные модели распределения больничных коек
1.2.1. Формализация вероятностной модели
1.2.2. Сбор входных данных
Глава 2. Детерминированные модели распределения больничных коек
2.1. Формализация детерминированной модели .............................. 29
2.2. Проведенные исследования на основании детерминированной модели
Заключение
Список литературы
Заключение

Исследователи, в течение нескольких десятилетий, пытались создать
эффективное планирование пропускной способности для больниц [1-3]. На
данный момент появилась острая необходимость в срочности решения этой
проблемы. В дополнение к многолетней борьбе между постоянно растущей
стоимостью узкоспециализированных и дефицитных ресурсов и снижением
государственного и частного спонсирования [4,5] спрос на стационарное
лечение существенно растет. Под узкоспециализированными и дефицитными
ресурсами подразумевается квалифицированный и гибкий персонал,
передовая клиническая и медицинская техника и оборудование, физическое пространство и поставки.
По данным Американской Ассоциации больниц (АНА) население
США в 2002 году было 285,73 млн. человек, а в 2003 290,1 млн. человек. На
фоне этого увеличения приводятся следующие показатели изменения объема:
- средняя продолжительность пребывания в стационарах (ALOS)
осталась без изменений – 5,7 дней;
- объем принимаемых пациентов в больницы в 2003 году увеличился в
сравнении с 2002 годом;
- объем госпитализируемых увеличился на 0,9% до 34,8 млн.;
- общий объем больных на основе амбулаторных посещений
увеличился на 1,2% до 563,2 млн.;
- посещения отделения неотложной помощи увеличились на 1,0% до 111,1 млн.
- корректировка среднесуточной переписи (т.е. среднее количество
больных, получающих стационарную и амбулаторную помощь в сутки)
увеличилась на 0,9% до 894 тыс.;
- средняя скорость стационарного размещения увеличилась от 1,9% до 66,8% [6].
Однако, наряду с этим, к 2003 году количество больниц всех типов
снизилось на 30% до 5 тыс. [6].4
По данным Федеральной Службы Государственной статистики Европы
(EuroStat) население Европы в 2000 году было 487,3 млн. человек, а в 2014
508,2 млн. человек. На фоне этого приводятся следующие показатели
изменения объема с 2000 года к 2014:
- средняя продолжительность пребывания в стационарах увеличилась с
6,2 дня до 6,4 дня;
- число больничных коек увеличилось с 2,65 млн. до 2,93 млн.;
- заполняемость больниц уменьшилась с 76% до 74%;
- число технических ресурсов в больницах уменьшилось с 1,274 тыс. др
1,166 тыс.;
- количество медицинского персонала увеличилось с 3,87 млн. до 6,1 млн.;
Наряду с эти возросла смертность в Европе с 4,875 млн. до 4,940 млн.
По данным Федеральной Службы Государственной статистики
Российской Федерации (РосСтат) население России в 2000 году было 146,3
млн. человек, а в 2014 143,7 млн. человек. На фоне этого приводятся
следующие показатели изменения объема с 2000 года к 2014:
- заболеваемость людей основными классами болезней увеличилась с
106,328 млн. до 114,989 млн.;
- средняя продолжительность пребывания в стационарах осталась без изменений – 8,1 дней;
- число больниц снизилось с 10,7 тыс. до 5,6 тыс.;
- число амбулаторно-поликлинических организаций снизилось с 21,3 тыс. до 17,1 тыс.;
- посещений амбулаторно-поликлинических организаций в смену
увеличилось с 3533,7 тыс. до 3858,5 тыс.;
- число больничных коек уменьшилось с 1671,6 тыс. до 1266,8 тыс.;
- количество врачей увеличилось с680,2 тыс. до 709,4 тыс.;
- количество медицинского персонала уменьшилось с 1563,6 тыс. до 1525,1 тыс.;5
- объем оказания амбулаторной помощи снизился с 52,3 тыс. до 48,1 тыс.
Смертность в России уменьшилась с 2,225 млн. до 1,912 млн.
В рамках данной работы рассматривалась статистика по больницам
города Санкт-Петербург. В частности, подробно использовались
статистические данные Николаевской больницы Петродоворцового района.
По данным Территориального фонда ОМС Санкт-Петербурга в 2015 году:
- численность населения составляла 5.354.585 человек, прикрепленных
к районным амбулаторным учреждениям, оказывающим первичную медикосанитарную помощь.
- численность населения в Петродворцовом районе – 109.398 человек.
В 2015 году распределение численности населения Петродворцового
района по прикреплению к государственным медицинским организациям,
оказывающим первичную медико-санитарную помощь, было следующим
Учитывая вышеперечисленные данные, возникает вопрос
оптимальности использования ресурсов больниц и требует тщательного
изучения, путем рассмотрения и апробации различных подходов к решению
логистических задач в медицине

Возникли сложности?

Нужна помощь преподавателя?

Помощь в написании работ!
ДИПЛОМНЫЕ МАГИСТЕРСКИЕ ДИССЕРТАЦИИ
КУРСОВЫЕ СТАТЬИ ВКР

Больничные койки являются одним из самых дорогостоящих ресурсов
в больницах. При этом вместимость больниц, как правило, определяется
именно их количеством. Таким образом, благодаря сбору статистики,
построению математических и вероятностных моделей распределения
ресурсов, могут быть разработаны интеллектуальные системы управления
количеством больничных коек, которые будут способствовать минимизации
затрат на обслуживание пациентов.
Задачу управления ресурсами в больницах можно развить и в связи с этим
получить возможность исследовать несколько других интересных проблем:
• Выбор среди альтернатив.
Больницы часто сталкиваются с проблемой выбора среди множества
альтернатив. Например, как следует распределить кровати между
подразделениями отдела педиатрии? Естественно спросить, какой из этих
альтернативных распределений лучший. Такие проблемы попадают в
сферу ранжирования и отбора, для которого существует обширная
литература [30]. Открытой областью исследования является применение
ранжирования и процедур отбора в контексте проблем больничного ухода.
• Прогноз сотрудников.
Учитывая весьма колеблющийся спрос в медицинском персонале,
больницы составляют плавающие расписания для своих работников.
Например, медсестры с фиксированным графиком, но с работой в разных
отделениях, временные медсестры и сверхурочные. Составление таких
расписаний должно совершаться задолго до того, как может произойти
какой-либо внеплановый сдвиг. Таким образом, хорошая модель
прогнозирования может помочь в создании более эффективных решений
по распределению персонала. В связи с этим, исследовательская
деятельность будет заключаться в определении точности прогнозов на
основе предложенной вероятностной модели


[1] Pierskalla WP, Brailer D (1994) Applications of operations research in
health care delivery. In: Pollock S, Barnett A, Rothkopf M (eds) Beyond the profit
motive: public sector Health Care Manage Sci (2006), 9, 391–404, 403
applications and methodology. Handbooks in OR&MS, vol 6. North-Holland, New York
[2] Pierskalla WP, Wilson D (1989) Review of operations research
improvements in patient care delivery systems. Working paper, University of
Pennsylvania, Philadelphia.
[3] Smith-Daniels VL, Schweikhart SB, Smith-Daniels DE (1988) Capacity
management in health care services: review and future research directions. Decis
Sci, 19, 899–918.
[4] Pierskalla WP (2001) Health care delivery. Presented at the National
Science Foundation Workshop on Engineering theService Sector, Atlanta.
[5] Sainfort F (2001) Where is OR/MS in the present crises in health care
delivery. Presented at the Institute for Operations Research and the Management
Sciences 2001 Annual Meeting, Miami.
[6] American Hospital Association (2005) Hospital Statisticsi 2005 edn.
Health Forum, Chicago.
[7] Jan M.H. Vissers (1998). Patient flow-based allocation of inpatient
resources: A case study. European Journal of Operational Research, 105, 356-370.
[8] Elif Akcali & Murray J Cote´ & Chin Lin (2006). A network flow
approach to optimizing hospital bed capacity decisions. Health Care Manage Sci,
9, 391–404.
[9] Ahuja RK, Magnanti TL, Orlin JB (1993) Network flows: theory,
algorithms, and applications. Prentice Hall, Englewood Cliffs.
[10] Esogbue AO, Singh JA (1976). A stochastic model for an optimal bed
distribution in a hospital ward. Operations Research, 24, 884-98.
[11] Fetter RB, Thompson JD (1965). The simulation of hospital systems.
Operations Research, 13, 689-711.39
[12] Kao EPC, Tung GC (1981). Bed allocation in a public health delivery
system. Management Science 27, 507-20.
[13] Lowery JC, Martin JB (1992). Design and validation of a critical care
simulation model. Journal of the Society for Health Systems, 3, 15-36.
[14] Hershey JC, Weiss EN, Cohen MA (1981). A stochastic service
network model with application to hospital facilities. Operations Research, 29, 1-22.
[15] Harris RA (1986). Hospital bed requirements planning. European
Journal of Operational Research, 25, 121-6.
[16] Dumas MB (1984). Simulation modeling for hospital bed planning.
Simulation, 43, 69-78.
[17] McFadden KL (1996). Hospital policy changes in obstetric patient
movement. International Journal of Operations and Production Management, 16,28-41.
[18] Vassilacopoulos G (1985). A simulation model for bed allocation to
hospital inppatient departments. Simulation, 45, 233-41.
[19] Romanin-Jacur G, Facchin P (1987). Optimal planning for a pediatric
semi-intensive care unit via simulation. European Journal of Operational Research,
29, 192-8.
[20] Hancock WM, Martin JB, Storer RH (1978). Simulation-based
occupancy recommendations for adult medical/surgical units using admissions
scheduling systems. Inquiry, 15, 25-32.
[21] Sophie D. Lapierre, David Goldsman, Roger Cochran, Janice DuBow
(1999). Bed allocation techniques based on census data. Socio-Economic Planning
Sciences, 33, 25-38.
[22]Wajih Ezzeddine, Jeremie Schutz, and Nidhal Rezg (2015). Modeling
of a Management and Maintenance Plan for Hospital Beds.
[23] Wang, T. (2008) Organisation et pilotage des services sur le trajet des
urgences. In: Computer Science. INSA de Lyon.
[24] Bechar, S., Guinet, A. (2006) Planification des lits d`un etablissement40
de soins. In: Proceeedings of Conference GISEH, Luxembourg.
[25] Fuller W. A. Introduction to statistical time series. New York: Wiley,1976.
[26] Law A. M. Kelton W. D. Simulation modeling and analysis. 2nd ed.
New York: McGraw-Hill, 1991
[27] Gross D., Harris C. M. Fundamentals of queueing theory. 2nd ed. ed.
New York: Wiley, 1985.
[28] Makridakis S. G., Wheelwright S. C. Forecasting, methods and
applications. 5th ed. ed. New York: Wiley, 1989
[29] Ben Bachouch,R., Guinet, A. Gestion des lits mutualises d`un
etablissement hospitalier. In Proceedings of 7e Congres International de Genie
Industriel, Trois-Rivieres, Quedec (2008)
[30] Bechhofer R.E., Santner T.J., Goldsman D. Design and analysis of
experiments for statistical selection, screening, and multiple comparisons. New
York: Wiley, 1995.

Работу высылаем на протяжении 30 минут после оплаты.



Подобные работы


©2025 Cервис помощи студентам в выполнении работ
.