即使最杰出的科学家，在次优系统中工作时也无法反复取得预期成果。复杂的企业难以理解和管理。因果关系往往在时间和空间上相互分离，使得真正的改进充满挑战。为了理解复杂系统的运作方式，我们必须采用能够精确映射和量化驱动结果的动态因素的工具。计算机建模与仿真（CMAS）是一种宝贵的设计、规划、管理和整体分析决策支持工具，有助于实现高效的成果。CMAS有望成为临床研究（CR）领域中一种普遍使用的工具，尤其是在其漫长而复杂的环境中。如果无法通过应用CMAS获得全面的理解，组织可能会继续被诸如不必要的瓶颈、高成本、低生产力以及无法留住关键员工等问题所困扰。本文介绍的方法可以作为传统方法的补充，甚至在组织追求更高企业能力时取而代之。
计算机建模与仿真（CMAS）产品的持续发展，为我们理解生产领域内多种因素之间的相互作用提供了新的能力。计算机模型的应用使我们能够获得物理世界无法企及的全新认知——这种认知有助于改进系统，从而构建并维持高效的系统，使所有参与者都能自豪地实现他们的目标。
临床研究（CR）领域错综复杂，应用CMAS（临床模型模拟系统）有望推动其各个组成部分的理解和改进，并使其持续发展。如今的CMAS工具比以往任何时候都更加强大且易于使用，并包含精确的动画，从而更好地与所有利益相关者沟通。当模型中包含质量、进度安排、资源利用、意外事件和约束条件时，模拟结果会更加真实。这些主题将在讨论部分进行阐述，并整合到我们提出的在CR领域应用CMAS的方法中。
在财政紧缩或竞争激烈的环境下，为实现关键企业目标，可采用一些方法和工具，这些方法和工具需考虑以下四个方面的变动：1）产出需求；2）流程的产能和限制；3）生产计划；4）意外事件。高效的端到端流程主要取决于预先设定的行动顺序在产能和需求方面是否达到平衡。为了实现端到端流程的可持续平衡，研究和改进工作可能还需要涵盖关键的支持职能。
在整个活动和决策过程中，能力不足会导致某些领域出现不必要的延误和质量问题，而其他领域又会因产能过剩而造成成本高昂的局面。这些普遍存在的系统失衡累积起来，最终会导致产品和服务成本过高，并令利益相关者感到不满。
与私营部门一样，联邦政府也经常面临预算和人力资源限制的挑战。我在制药和电子行业的经验表明，联邦政府机构在运营、研发和支持服务领域的改进力度远不及在生产环节。例如，他们通过以下方式改进：1）改变工厂布局；2）改进检验方法；3）运用统计方法证明对原材料、工艺或设备的改进达到了预期效果；以及4）应用新技术从根本上改变现有流程。
然而，即使在制造工厂中，流程或活动的不平衡问题也会导致投入转化为产出的成本（例如，生产计划、原材料采购、生产调度、组装、灌装、测试、消毒、包装、分销）高于必要水平。员工需要招聘、培训，并为其提供合适的工作环境；设备需要采购、校准、维护和更换；生产需要制定计划；新产品需要进行试点测试；设施需要进行安全保障、消毒、运营、维护、翻新，在某些情况下还需要扩建；产品需要进行包装、分销或报废处理；电力、燃料和水需要采购，在某些情况下甚至需要自行生产；此外，还必须满足并记录各项监管要求。上述活动均为日常工作，描述了生产产出可能需要完成的工作。
了解产品生产所需资源固然重要，但仅凭这一点不足以实现高效的端到端流程。除非在大多数环节中精心管理产能与需求之间的平衡，否则将会出现诸多瓶颈。这并非意味着产能与需求必须一一对应，而是指产能足以满足需求，同时又不会造成超出客户或参与者可接受范围的瓶颈——这是一个动态变化的目标。
持续的效率和效益取决于多种因素，例如活动和决策顺序中产能和需求的平衡。
CMAS 是一个优秀的工具，可以快速模拟不同的排程方案，从而帮助决策者了解方案的成功概率（Pegden 2017）。即使是同一产品，不同的排程方案也需要在不同的时间点投入资源。通过在计算机模型中模拟有限资源的可用性，并观察其对各种排程方案的影响，决策者可以选择更具可预测性的方案。随着产品数量和种类的增加，复杂性会迅速增加。复杂的排程方案随时可能发生变化。能够预测这些变化对资源可用性和物料交付的影响，对于最大限度地减少排程中断和有效执行生产计划至关重要。排程变更可能会通过改变可用产能或降低整个流程中的预期内部需求，影响效率所需的平衡。可以定期监控排程，以确定变更是否会影响减少瓶颈所需的资源，甚至实现无瓶颈流程。
许多人都尝试过定义质量，但这并非易事。朱兰（Juran）曾提到“适用性”（Juran 1989, p. 15）这一定义被广泛接受。但他同时指出，“适用性”并不能为管理者选择行动方案提供所需的深度（Juran 1989, p. 15）。W·爱德华兹·戴明（W. Edwards Deming）则认为“质量只能根据主体来定义”（Deming 1986, p. 168）。不同的主体可能以不同的方式看待或定义质量。因此，任何旨在提供高质量服务的严肃尝试，都需要所有重要主体或利益相关者共同认可的、可操作性明确的定义（Ackoff 1994）。
休哈特从不同角度探讨了质量问题（Shewhart 1931）。例如，他探讨了人们对质量的普遍认知——产品质量、过程质量以及作为一种关系的质量。质量问题十分复杂，但戴明将休哈特探讨的各种概念概括为：“定义质量的难点在于将用户的未来需求转化为可衡量的特征，从而设计和生产出能够以用户愿意支付的价格提供满意的产品”（Deming 1986, p. 169）。
工艺质量会影响生产能力。返工（即对已完成的工作进行修改）和报废（即不得不丢弃已完成的工作并重新开始）会降低可用生产能力，并增加最终产品的成本。如果消费者手中的成品能够为其带来与其支付的价格相符的价值或满意度，则应认为该产品高效且有效。然而，同类产品或供应商的性能和成本可能会改变客户或赞助商的最终决定。使用CMAS可以轻松评估整个流程中的返工和报废水平及其对产能和需求的影响。
如果上游质量不稳定，企业资源就会被消耗，却无法满足组织流程领域内的预期需求。此外，流程中任何环节的返工和报废都会浪费部分可用产能，导致下游产出不足。这种低效会不必要地增加已完成工作的成本。因此，为了维持效率和效益，流程中的每个环节都必须持续保持良好的运行状态。
“做出能够改善健康和拯救生命的重要发现”（美国国立卫生研究院《我们是谁》2017）是一个漫长而复杂的过程。美国国立卫生研究院院长弗朗西斯·柯林斯对此描述如下：
将基础生物学发现转化为改善人类健康的临床应用是一个复杂的过程，涉及一系列复杂的步骤：发现疾病发病机制的基本信息；评估该信息是否有可能带来临床进展；开发候选诊断方法、设备或疗法；在临床前环境中优化候选方法；对数据进行监管评估，以确定其在人体中的应用潜力；进行人体临床试验；申请批准广泛临床应用；以及最终在真实世界环境中广泛使用期间评估已获批准的诊断方法、设备和疗法（Collins 2011，第 1 页）。
由于整体转化工作是一个复杂的过程，因此不妨首先关注其中至关重要且有时具有局限性的部分：临床研究。遵循本文所述方法所获得的信息有助于指导上下游的工作。“通过临床研究，临床研究人员将实验室发现转化为更好的治疗方法和干预措施，从而改善国民健康”（美国国立卫生研究院临床中心，2018）。临床研究体系有望以更少的瓶颈和更高的灵活性实现患者安全和研究目标。
就企业研究而言，质量的含义是什么？什么是质量研究方案（最终产品）？什么是质量研究过程（构成最终产品的所有步骤和决策）？质量的含义在整个过程中会发生变化吗？如果没有操作性定义，质量在多大程度上能够实现？（Lewis 1929）。如果不对流程中不同步骤的输出进行操作性定义，多个参与者将无法共享知识和可操作的定义，从而无法实现最佳的企业成果（Deming 1986）。
美国国立卫生研究院 (NIH) 的使命是“做出改善健康和拯救生命的重要发现”（NIH 简介 2018）。NIH 的部分使命是通过临床研究 (CR) 实现的。“临床研究人员将实验室发现转化为更好的治疗方法、疗法和干预措施，以改善国民健康”（NIH 临床中心 2018）。
CR项目预期取得哪些成果？预计完成多少项研究方案？何时完成？每年将有多少项研究方案投入生产或正在实施？每项研究方案需要哪些资源？是否应该为每位首席研究员（PI）、一组首席研究员，还是应该集中为所有首席研究员提供完整的支持体系？如果只提供部分支持，具体内容应包括哪些方面，以及每种支持应包含多少？一项研究项目应该获得多长时间的资助？如何提供支持才能确保其有合理的成功概率？获批研究方案中最终进入治疗阶段的比例应该是多少？如果一项已获批准的研究方案因意外限制而被取消，会对研究人员和支持人员的留任产生什么影响？
与制造业一样，临床研究支持系统也十分复杂。它涵盖了众多专业领域的人员，需要进行招聘和留住，例如：执业医师、牙医、博士研究员、研究护士、执业护士、研究协调员、生物伦理专家、方案导航员、研究员、质量保证/改进专家、合同研究组织代表、药剂师、营养师、医学技师、影像技师、治疗师、法规事务人员、患者代表、病历和医疗用品人员、患者招募和患者服务人员、辐射安全官、人力资源人员以及其他行政和采购专业人员。相比于其他现有做法（例如根据上一年的结果每年调整资源水平），使用临床管理评估系统 (CMAS) 可以更准确地确定所需的人员支持水平、时间和地点。此外，与基于基准研究、为其他机构制定的行业标准或组织历史进行资源分配决策相比，CMAS 也是一种更为稳健的做法。
例如，专业人员依赖于实验室和医院设备、图书馆、信息技术、网站、药品、交通服务、语言翻译、药房、便利设施、国际患者和护理人员的签证服务、审阅人员的背景资料、温控系统、无菌处理区、防护服、微生物制剂和放射性物质。因此，临床研究领域的规划人员和管理者应解决上述诸多问题，以便持续有效地获取所需资源。
在流程的各个步骤中，需要哪些类型的资源以及每种资源的数量，才能最大限度地减少不必要的瓶颈？如果不评估对整个流程的影响，仅仅识别、优先排序并投资于一些看似稀缺的资源，可能只会转移瓶颈。这或许能暂时缓解流程中某些环节的瓶颈，但却会降低整体效率，甚至更糟，降低整体效果。
此外，临床研究（CR）系统依赖于来自美国国立卫生研究院（NIH）以外、具有卓越资质的科学家，他们负责评估研究质量，并为科学主任、研究所和中心主任、NIH内部研究副主任以及NIH主任提供建议。他们的贡献体现在参与研究方案的患者接受治疗之前和治疗期间。这些科学家也需要被识别和招募；他们的参与需要大量的协调工作。他们的招募和协调工作是整个流程中需要精心安排的另一个环节，以避免在方案审查和批准过程中出现瓶颈。
单独优化每个功能几乎不可能实现整体净优化（Deming 2000）。这通常会导致整个流程中出现诸多瓶颈和挫折。理解和管理整个客户关系管理流程，将其视为一个由相互依存的组件构成的系统，对于最大限度地提高效率并达到预期效果至关重要。CMAS 提供了一种出色且高效的替代方案，可用于查看和试验整个流程（Deming 2000）。
接下来介绍的不是一本操作指南，而是一套方法论，旨在更好地理解企业社会责任（CR）作为一个系统，并确定实现持续净效率和效益所需的资源。
首先，需要将临床研究（CR）视为一系列相互依存的步骤和决策，而不是独立活动的简单叠加。下图展示了一个高层次的临床研究流程，为探讨如何应用CMAS来改进端到端流程提供了一个框架（图1）。此处使用的步骤包括：方案设计与制定、方案审查、方案批准、患者招募、研究实施与治疗、数据收集、分析以及结果报告（Dagalar 2016）。
图 1：CR 企业作为一个系统
在实际模型中，需要更精细的划分来捕捉各种类型研究方案的不同流程步骤（例如，干预/临床试验、自然史、培训、筛选和临床试验阶段[I期-IV期]）（NIH临床试验与您。基础知识。2018）。
一旦确定了步骤顺序，我们就需要制定在整个流程中特定时间段内实施的生产计划（单位或方案），以及每个步骤的生产能力（图 2）。我们需要每种方案类型以及临床试验不同阶段的历史需求数据，以确定每个步骤中每种资源（例如，人员、专用设备、材料、药品、手术室）的数量（图 3）。如果缺乏足够的历史数据，可以使用蒙特卡罗方法 (MCM) 等技术估计参数，然后根据适当的概率分布生成伪随机值（Simio 2017）。为了构建有效的临床试验模拟模型，某些流程步骤（例如，治疗）需要进行更详细的分解。
例如，假设目标是在任何一年内处理 900 项试验方案。一些新的试验将启动，而另一些试验则已在流程的不同阶段进行中。为了使整个流程高效运行，需要在每个阶段都具备足够的处理能力来应对需求。图 2 中的描述是对整个流程的过度简化，其中包含的数值仅为示例。如果这些数值代表当前分布在整个流程中的试验方案数量，则可以使用 CMAS 来确定在所有相关资源的当前可用能力下可能出现的瓶颈。
可以制定行动计划来减少或消除这些瓶颈，而不会在流程的其他环节造成新的瓶颈。另一方面，可以利用模拟模型，在整个流程中更好地匹配给定需求水平下的产能，从而在不久的将来减少瓶颈和产能过剩。产能与需求匹配过程的一部分必须包括对每个重要步骤中各类员工所涉及的任务进行清点，并计算完成这些任务所需的时间。例如，首席研究员在方案审查阶段的任务是什么？完成这些任务需要多少时间？数据可以从现有系统中获取，也可以使用MCM生成，以考虑完成任务过程中的随机波动。
如果员工在特定任务中的生产力存在显著差异，这些差异也应纳入仿真模型。类似设备和可用性之间的处理时间差异，以及关键材料、试剂或药品的可及性数据，也应输入仿真模型。纳入所有重要变量及其数据对于对整个流程进行稳健的分析至关重要。如果分析范围有限，可能会导致模型不准确，进而引发许多误导性的决策和行动。例如，如果瓶颈是由模型中未包含的设备、药品或其他资源限制造成的，那么拥有足够数量和类型的专业人员的价值就非常有限。
招募足够患者所固有的不确定性也应纳入CMAS的考量范围，因为患者数量不足可能成为瓶颈的重要来源（Mahon等人，2016）。可以通过回顾历史数据，并将预期结果分配给不同方案类型和阶段的相关步骤，或者使用MCM生成预期结果，来估算参与者数量不足的情况。
在资源无限的世界里，确定满足特定需求所需的资源相对容易。然而，由于许多关键资源日益稀缺，这项挑战变得异常艰巨。真正的难题在于如何在特定时间段内平衡诸多因素，包括应对各种不同的方案需求，同时还要克服手术室、专业人员、专用设备和可用研究参与者等资源限制。CMAS 是一款功能强大的工具，它能够帮助决策者权衡这些因素，通过运行多种方案，在资源有限的情况下最大限度地提高吞吐量，同时避免整个过程中出现不必要的瓶颈。
临床研究医院可能拥有多个专业研究资源（参见图 4 的概念图），这些资源既参与治疗/数据收集阶段，也从该阶段接收数据（即研究医院）。这些资源在治疗阶段前后如何细分其临床研究流程步骤会有所不同；然而，为了确保整个流程的顺利进行，每个专业资源（内部专业供应商）都可以应用本文所述的方法。
专业方案供应商应定期提供信息，以帮助改进CR医院的生产（即治疗）计划和排班。在紧急情况下，可能需要根据总体紧急需求、难得的研究机会或资源可用性等因素，在整个CR流程中确定优先事项。然而，持续的优先级排序应同时考虑多种因素，以避免对整个CR项目的最终结果造成次优影响（Deming 2000；Christopher 1993）。
CMAS 可以统计重要的绩效指标，并在每个相关的流程步骤中显示这些指标。例如，一些需要跟踪的重要变量可能包括：1）因质量问题（例如药物不良反应）导致的生产力损失；2）资源利用率和专用设备的闲置时间；3）流程产出，例如已完成的治疗、因设施问题导致的治疗延误或因新药上市而导致的患者等待时间；以及 4）每个方案的累计延误时间。
模型经过测试并证明其有效性和可靠性后，建模团队可以在 CMAS（Simio 2018）环境中运行一系列实验，以评估例如需求波动性增大或减小、意外事件数量、资源可用性、进度安排以及已批准方案变更次数等因素的影响。这些实验将有助于在 CR（Porter 和 Teisberg 2006）实施过程中进行新的学习和创新。
此外，可以在短时间内执行大量重复实验（Simio 2018），以提高结果的可靠性（即缩小不同统计变量的置信区间）。最终，CMAS 将成为确定实现端到端高效 CR 所需的最佳资源组合和数量的宝贵工具。
本文讨论的方法全面、复杂且耗时。然而，该方法应分阶段进行，每次增加一到几个复杂层级（Pegden 2017）。如今，我们拥有足够的知识和技术，不仅可以在临床研究领域，而且在所有研究和技术转移以及患者治疗领域，实现成本降低和生产力提升。
传统的改进措施通常侧重于系统的各个组成部分，而忽略了对整个系统的影响。遗憾的是，这些措施充其量只能带来短暂或微乎其微的效果，而最糟糕的情况是，它们会显著恶化最终结果。临床研究（CR）领域也无法避免短期和孤立干预措施的局限性。CMAS 是一款功能强大的预测分析工具，已在多个行业应用多年。它能够帮助人们全面了解整个系统中的因果关系。在临床研究领域采用 CMAS 可以增强决策能力并改善整体结果。其意义深远，包括但不限于：减少利益相关者的不满情绪，提高关键临床研究人员的留任率，降低总体成本，吸引新的科研人员，更重要的是，加快“将科研发现转化为更好的治疗方法、疗法和干预措施，从而改善国民健康”（美国国立卫生研究院临床中心，2018）。
安东尼奥·R·罗德里格斯是质量管理办公室主任。他于1984年毕业于波多黎各大学工程学院。2003年12月，他获得了位于华盛顿特区的美国国防大学颁发的国防部首席信息官证书。2011年9月，他完成了联邦行政学院的“民主社会领导力”项目。自20世纪80年代以来，他领导了私营和公共部门的多项组织改进计划。他曾就职于英特尔、百特国际、海军人事研究与发展中心、海军副部长办公室的全面质量与领导力办公室和业务绩效办公室、海军部首席信息官办公室、加州专业心理学院（CSPP）以及美国国立卫生研究院。他运用丰田生产系统、平衡计分卡、持续改进、计算机建模与仿真、产品需求时间序列分析以及基于专家选择的群体决策等现代管理和领导力改进方法，帮助这些机构取得了显著的改进。作为CSPP的兼职教授，他曾为博士生讲授流程与组织分析II课程。他因在改革联邦政府机构的规划和绩效提升方式方面展现出的卓越领导力而荣获多项奖项。他的电子邮箱地址是rodragan@ors.od.nih.gov。
Ackoff, RL 1994.《民主公司：重塑美国企业并重获成功的激进处方》。纽约：牛津大学出版社。
Christopher, WF 和 CG Thor. 1993.《生产力测量与改进手册》。马萨诸塞州剑桥：生产力出版社。
Collins, FS 2011. “重塑转化科学：时机已到”。《科学转化医学》3(90cm17):1-6
Dagalar, S. 2016. “临床试验管理系统：您应该了解的内容”。应用临床试验。http://www.appliedclinicaltrialsonline.com/clinical-trial-management-systems-what-you-shouldknow
戴明，W.E. 1986。走出危机。马萨诸塞州剑桥：麻省理工学院高级工程研究中心。
戴明，W.E. 2000。《新经济学：面向工业、政府和教育》。第2版。马萨诸塞州剑桥：麻省理工学院出版社。
朱兰，JM 1989。《朱兰论质量领导力：高管手册》。纽约：自由出版社。
Mahon, E.、J. Roberts、P. Furlong、G. Uhlenbrauck 和 J. Bull. 2016 年。“试验招募的障碍和可能的解决方案”。应用临床试验 25:20-25。
刘易斯，CI 1929。《心灵与世界秩序：知识论纲要》。纽约：C. Scribner's Sons 出版社。
美国国立卫生研究院 (NIH) 关于我们。https://www.nih.gov/about-nih/who-we-are，访问日期：2018 年 3 月 22 日。
Pegden, CD 2017. 兑现你的承诺：基于模拟的调度将如何改变你的业务。宾夕法尼亚州塞威克利：Simio LLC。
Porter, ME 和 EO Teisberg. 2006. 重新定义医疗保健：创造基于结果的价值竞争。马萨诸塞州波士顿：哈佛商学院出版社。
Shewhart, WA. 1931. 制造产品质量的经济控制。纽约：D. Van Nostrand 公司。
Simio 前瞻性思维。https://simio.wpenginepowered.com/index.php，访问日期：2018 年 3 月 22 日。