用模拟和多目标遗传算法来应对COVID-19大流行病的医院改造
Jaime Yair Perez-Tezoco1, Alberto Alfonso Aguilar-Lasserre1, Constantino Gerardo Moras-Sánchez1
1Division of Research and Postgraduate Studies, Tecnológico Nacional de México/Instituto Tecnológico de Orizaba, Av. Oriente 9, 852. Col. Emiliano Zapata, Orizaba 94320, México.
Computers & industrial engineering
|April 15, 2024
概括
这项研究介绍了一种模拟和优化方法,用于COVID-19等大流行期间医院重建. 该方法有效地重新配置医院布局,以改善患者流动并最大限度地降低感染风险.
科学领域:
- 医疗保健管理的管理
- 运营研究 运营研究
- 传染病的准备工作 传染病的准备工作
背景情况:
- COVID-19大流行凸显了医院容量方面的挑战,以及需要有效的医院改造战略.
- 医院改造对于尽量减少工作人员和患者之间的传染风险以及管理传染性医疗废物至关重要.
- 现有的方法可能无法在与流行病相关的重组期间完全整合运营效率与安全协议.
研究的目的:
- 通过模拟和数学优化开发和验证医院改造的方法.
- 通过最大限度地提高部门的近距离和最大限度地降低代理流成本来优化医院布局.
- 将医务人员的专业知识纳入大流行时代医院重组的决策.
主要方法:
- 开发一个离散事件模拟模型来分析医院系统内的患者流动.
- 使用遗传算法来解决医院转型的数学优化模型的制定.
- 通过模拟模型和在COVID-19医院环境中验证优化结果的评估.
主要成果:
- 拟议的框架有效地重新配置医院部门,考虑诸如电梯使用,位置和结构尺寸等因素.
- 数学模型在优化医院布局以提高流行病期间的运营效率和安全方面表现出有效性.
- 将医疗专业知识纳入优化过程显著改善了医院改造的决策.
结论:
- 模拟和优化方法提供了一个强大的框架,用于在流行病期间有效的医院改造.
- 这种方法可以在面临类似挑战的各种医院环境中复制.
- 该研究强调了将运营研究与临床专业知识相结合的重要性,以实现弹性医疗保健系统.
