挑战
各自为政是美国医疗服务体系的一个普遍问题。对于病情复杂、需要多个医疗服务提供者的患者来说，这个问题尤其令人困惑。目前正在开发的一种解决方案被称为 "综合实践单元（IPU）"，它由一个多学科医疗团队共同组成，在一个完整的医疗周期内处理患者的病情。在本文中，我们利用模拟技术设计了一个工作生活 IPU，用于治疗工作场所出现的医疗问题，从小病到急性非急症伤害。更具体地说，我们确定了病人预约时间表和所需资源数量，以实现 IPU 管理层设定的病人吞吐量、诊所关闭时间和病人等待时间目标。
简介
从历史上看，美国的医疗保健服务系统一直是分散的。因此，需要多个医疗服务提供者提供医疗服务的病人必须协调并执行自己的护理计划。病情越复杂，对病人来说就越具有挑战性，尤其是对那些医疗服务不足的人群。Porter 和 Teisburg（2006 年）认为，造成这种碎片化的根本原因是系统内部在错误层面上的竞争。更具体地说，他们认为竞争要么过于狭隘（如在特定服务层面），要么过于宽泛（如在医疗保健计划层面），而应该 "在整个护理周期内解决医疗条件问题"（Porter 和 Teisburg，2006 年，第 44 页）。后者有可能为患者和医疗服务提供者创造更大的价值，并带来更综合的医疗服务方式。
为了直接解决这一问题，Porter 和 Lee（2013 年）定义了综合实践单元（IPU）的概念。IPU 是一个由医疗服务提供者组成的多学科团队，其目的是治疗特定病症的整个护理周期。在 IPU 中，医疗服务提供者在患者周围流动，而不是让患者在不同地点去看多个医疗服务提供者。本文所考虑的 "特定医疗状况 "是与工作场所相关的问题，从小病小痛到急性非急症伤害。正在考虑的其他应用包括德克萨斯州休斯顿市 MD 安德森癌症中心的癌症护理、华盛顿州西雅图市弗吉尼亚梅森医疗中心的脊柱诊所、俄亥俄州克利夫兰市克利夫兰诊所的心脏和血管护理（Porter 和 Lee，2013 年），以及德克萨斯州奥斯汀市戴尔医学院（DMS）的妇女健康诊所和各种肌肉骨骼疾病护理（Koenig 等，2016 年；Morrice 等，2018 年）。
在本文中，我们使用仿真技术来帮助德克萨斯大学奥斯汀分校戴尔医学院设计工作生活 IPU。更具体地说，我们确定了病人预约时间表以及实现容量、诊所关闭时间和病人等待时间目标所需的资源数量。从排班的角度来看，IPU 可被视为灵活流程商店和开放式商店的扩展组合（Pinedo，2016 年），通过多学科医疗团队，多种类型的患者在不同的医疗路径中就诊。由于到达和服务时间是随机的，路由也是随机的，因此确定病人和资源流的最优公式是难以实现的。另一个复杂因素是，急诊室既要面对预约病人，也要面对上门病人。因此，我们采用了模拟方法。
有许多关于医疗服务的模拟研究。Swisher 等人（2001 年）是最早使用具有图形功能的面向对象仿真软件包建立模型的人之一。他们对一家家庭诊所进行了研究，目标是最大限度地提高诊所的利润以及病人和员工的满意度。研究结果基于一个分数因子设计，其中包括中级执业医师的数量、护士的数量、医疗助理的数量、报到室的数量、检查室的数量以及专科室的数量。White 等人（2011 年）的研究与我们的研究密切相关，他们开发了一种基于经验的离散事件模拟，以研究患者预约政策与容量分配政策（即可用检查室数量）之间的相互作用，以及它们如何共同影响资源利用率、患者等待时间和其他绩效指标。数据收集自一家骨科门诊部，该门诊部有两种不同的病人类型、五名登记员、两名放射技术员和一名医生。我们的 IPU 工作的主要区别之一是以病人为中心，医疗服务提供者向病人流动，而不是病人向不同的医疗服务提供者流动。
本文其余部分按以下方式组织。第 2 节是问题描述。第 3 节介绍了模型。第 4 节是我们的分析结果，第 5 节是结束语。
问题描述
戴尔医学院的 WorkLife IPU（WorkLife 2018）提供多种服务。它作为一个随到随诊的诊所，治疗轻微病症（如扭伤和拉伤、感冒），并为附近企业的工人提供流感疫苗等常见接种服务。IPU 还是职业健康和工伤诊所，提供体检和药物测试，并治疗急性非紧急工伤。为了支持职业方面的业务，Worklife 还为患者及其雇主提供工伤赔偿和工伤事故方面的行政支持。
工作生活 IPU 拥有众多服务和协调的护理方法，由多个不同级别的医疗服务提供者组成，为五种不同类型的病人提供服务，每种病人都有自己的护理途径。基础病例工作人员包括一名内科医生、两名执业护士、两名医疗助理、两名行政人员（简称行政人员）和一名放射科医生。内科医生约有 40% 的时间常驻诊所。内科医生和放射科医生与戴尔医学院的其他 IPU 共享资源。资源还包括四间检查室和两间用于药物筛查的休息室。
病人被分为受伤、非受伤、非受伤只需 MA（简称 MA）、只需药物筛查和复诊。复诊病人是指之前就诊过的单次事件的复诊病人。图 1-5 描述了所有患者类型的护理路径。参照图 1，在办理登记手续后，伤病员可能需要进行药物筛查。然后，他们会被安置在一个房间并接受分流。根据伤势的严重程度，病人要么去看内科医生，要么去看护士。如果需要，病人将接受 X 光检查，然后返回医疗服务提供者处接受治疗。治疗结束后，病人离开诊所。非损伤患者的就诊流程非常相似，只是他们只看 NP（图 2）。仅需 MA 的患者（图 3）只需轻微护理，顾名思义，他们只需看 MA。有些病人只需注射一针（如免疫接种）。其余患者的就医路径与 "受伤 "和 "非受伤 "患者类似。如图 4 所示，药物筛查患者的就医路径非常简单。药物筛查由医疗管理机构进行。复诊患者的流程与受伤和非受伤患者类似，但都不需要进行药物筛查，因为如果需要，药物筛查会在首次就诊时进行。值得注意的是，在住院部，病人一旦被分配到一个病房，该病房就会一直保留到她退房为止。除了在专门的 X 光设施中为病人看病的放射科医生外，所有医护人员都会在分配给病人的病房中为其看病。
就工作生活 IPU 而言，约 40% 的患者需要口译员，这些患者与每位医疗服务提供者的接触时间平均多出约 20%。虽然需要口译员并不会改变护理路径，但从建模的角度来看，确实需要考虑 10 种病人类型。在任何一天中，复诊患者约占患者总数的 35%。顾名思义，这些都是预约就诊。其余的病人类型是非预约的上门服务。
工作生活 IPU 管理层要求我们的研究团队帮助他们设计一个满足以下平均要求的诊所。首先，他们希望每天能够接待 55 名患者。第二，诊所的关门时间需要接近 9 小时（或下午 5 点，因为诊所计划上午 8 点开门），以避免支付加班费。第三，为提高病人的就医体验，办理登记手续、安排房间和药物筛查的等候时间必须少于 5 分钟。最后，他们希望能够在尽量不增加基本人员配置的情况下实现这些要求。
解决方案
模型描述
我们使用 Simio（Simio 2018）对工作生活 IPU 进行了建模。模型如图 6 所示。由于这是一个设计项目，模拟所需的数据收集自计划流程图以及与诊所工作人员的一系列会议。我们将这个小组称为专家小组。讨论得出的数据包括病人类型的组合以及每种类型的病人需要每种资源的百分比（表 1）。后者决定了病人的模拟路径。注：表 1（及后续表格）中的"（I）"表示需要翻译的病人类型。讨论还得出了每种患者类型在流程各阶段的处理时间分布（表 2）。请注意，在所有情况下，我们都使用了三角形分布，并向专家组征求了最小、模式和最大参数估计。这些参数是为不需要口译员的患者确定的。对于需要翻译的患者，参数值增加了 20%。我们的专家小组以协商一致的方式确定了 20% 的数值。表 1 和表 2 中的空白单元格表示患者类型未访问该阶段或资源。
值得注意的是，工作生活 IPU 没有用于估算服务时间分布的历史数据。因此，我们必须依靠专家意见。在这种情况下，三角形分布被认为是一种有效的方法，因为其参数对于领域专家来说是可以理解的，因此很容易获得（例如，参见 Swisher 等人，2001 年）。此外，由于有三个参数，三角分布可以灵活地构建具有任何所需范围和模式的倾斜或对称分布。最后，专家小组在流程中的各种活动方面拥有数十载的丰富经验。因此，通过在专家之间建立共识，我们能够获得相当不错的服务时间分布参数估计。
回到图 6 中的模拟模型，图中左上角的实体代表了十种不同的患者类型。门诊病人（即所有非复诊病人）由标有 "计划外 "的源节点生成，复诊病人由 "计划内 "的源节点生成。由于目标是平均每天接诊 55 名病人，其中 36 名是计划外病人，19 名是计划内病人。IPU 管理层认为，前来就诊的病人集中在上午 8 点至下午 4 点之间。因此，根据泊松分布，"计划外 "源节点每小时产生 4.5 个病人。同样，由于没有历史需求数据，我们只能依靠专家意见。专家们认为，根据他们在具有类似患者人口统计的其他诊所的经验，不会出现步行就诊的高峰时段。有关其余 19 名复诊患者的日程安排详情将在第 4 节中介绍。
虽然图 6 中的模拟模型模拟了图 1-5 中描述的护理路径逻辑，但它确实包含一些需要额外解释的复杂性。首先，内科医生只有大约 40% 的时间常驻在 IPU，因为只有极少数类型的病人需要他（见表 2）。如果病人来就诊时医生不在，她就会被送到邻近的肌肉骨骼 (MSK) IPU 去看医生。模型中的 "Physician_Check"、"Physician "和 "MSK "站代表了这一逻辑。如果患者前往 MSK 就诊，则视为已退出当前系统，不再对其进行追踪，因为他们现在与另一个 IPU 关联，超出了本研究的范围。在工作生活 IPU 医生处就诊、需要 X 光检查的患者由 MA 陪同。这由 "MA_Escort_to_X-ray "站表示，处理时间为三角（3,5,8）分布。最后，医疗服务提供者必须在每位患者就诊后完成文档记录。这需要使用 Simio 流程进行复杂的逻辑处理，以确保在医疗服务提供者接诊其他病人之前完成这一步骤。
业务影响
确定随访病人的时间表
19 名复诊患者计划从早上 8 点开始，每隔 20 分钟到达工作生活 IPU，11:20 至下午 1 点之间没有安排预约，以便于午休。因此，最后一个预约时段从下午 3:40 开始。通过实验确定的时间表如表 3 所示。首先，由于门诊病人在一天中分布均匀，因此将预约病人分散在一天中而不是集中在一起是合理的。其次，我们尝试了不同的预约时段间隔长度，发现少于 20 分钟的时段会导致系统拥堵程度明显增加，从而难以实现登记、分房和药物筛查等待时间的目标。换句话说，较小的时间间隔有效地导致了固定数量病人的聚集。超过 20 分钟的时段会导致门诊结束时间明显延长，从而难以实现门诊结束时间目标。
值得注意的是，我们采用的排班方法被称为 IBFI（单个区块/固定间隔）。在其他 IPU 设计工作中（Morrice 等人，2018 年），我们考虑了 IBFI 和医疗调度文献中的其他几种调度规则（Bard 等人，2016 年；Cayirili 等人，2006 年；Milhiser 等人，2012 年），发现没有一种占主导地位。这些规则包括 TwoBeg（在零时安排两名患者，之后每 15 分钟安排一名患者）、MBFI（多区块/固定间隔，每 30 分钟安排两名患者）和 DOME，在 DOME 中，安排在一天早期和晚期的患者之间的间隔比安排在一天中期的患者之间的间隔更近。因此，我们使用 IBFI，因为它易于理解和实施。
情景分析
我们在分析中考虑了四种情景。表 4 列出了每个方案中使用的资源。表 5 和表 6 提供了模拟分析的结果。每种情景都模拟了工作生活 IPU 500 天的运行情况。我们首先关注基础方案的结果。基础方案（表 4 第 2 列）有一名医生、两名护士、两名助理医生、两名管理员、一名放射科医生、四间病房和两间休息室。从表 5 中可以明显看出，基础方案未能实现管理层的目标。特别是，从每个模拟日开始算起，诊所平均关门时间大大超过 9 小时（或 540 分钟），报到、分房和药物筛查的平均等待时间都大大超过 5 分钟，超过这一目标的两倍甚至三倍。
表 6 显示，到目前为止，行政人员和医疗辅助人员的资源最为紧张。这并不完全令人惊讶，因为从表 1 和表 2 中可以看出，所有病人在办理入住和退房手续时都必须与行政人员见面，而由于与工作场所有关的医疗事故涉及到文书工作，因此每个阶段都会花费大量时间。此外，医疗辅助人员必须为所有病人看病，而医疗辅助人员在这一过程中需要执行多个步骤。令管理层和研究小组感到惊讶的是，这两种资源的利用率如此之高且相似，因为它们在 IPU 中发挥着截然不同的作用。
在另一端，内科医生和放射科医生的使用率非常低。不过，这些数字只反映了工作生活 IPU 的使用情况，并不反映他们在所有 IPU 的使用情况。
由于管理层希望我们尝试用尽可能少的资源来改进系统，我们考虑了仅将管理员人数增加到 3 人，然后仅将 MA 人数增加到 3 人，最后将两者都设为 3 人的潜在效益。从表 5 中可以看出，将管理员人数增加到 3 人可显著缩短门诊关闭时间，但不足以实现 540 分钟的目标。这也大大减少了病人在系统中的停留时间和病人总等候时间这两个次要性能指标。办理登记手续的等候时间大幅减少，实现了少于 5 分钟的目标，但代价是分房和药物筛查的等候时间大幅增加。因此，虽然增加一名行政人员可以改善一些重要的性能指标，但却加剧了与医疗服务相关的现有瓶颈。
仅增加一名管理和行政人员就能明显改善诊所的关门时间（尽管不会少于 540 分钟的目标）、病人在系统中的时间和病人的总等候时间。它还大大缩短了分房和药物筛查的等待时间。遗憾的是，但不足为奇的是，这对办理入院手续的等候时间毫无帮助。
只有同时增加这两种资源，系统才能实现所有管理目标。此外，病人在系统中的停留时间和总等待时间也会大幅减少。因此，工作生活 IPU 的理想战略是增聘一名行政人员和一名医疗辅助人员。一方面，通过增加成本最低的资源来实现目标是个好消息。然而，除非将两种资源加在一起，否则就无法实现目标，而这是一个更加昂贵的提议。
考虑到管理层希望尽量减少基数人员编制的增加，我们的结果还显示了只增加一种或另一种资源的好处，也许在预算允许的情况下，随着时间的推移依次增加。单纯从统计数字来看，首先增加一名医疗辅助人员似乎会带来最大的好处，因为等待入住房间和药物筛查的时间大幅减少，等待办理入住手续的时间与基本情况相比没有恶化，而且在 3 名管理员和 3 名医疗辅助人员的情况下，其他三项绩效指标在统计上没有区别。然而，先增加一名管理员几乎消除了报到的等待时间，但对分房和药物筛查队列造成了有害影响。同样，在 3 名管理员和 3 名医疗辅助人员的方案中，所有其他统计数据都是一样的。当然，如果为了让病人更快地进入系统，消除办理入住手续时的排队现象比消除其他阶段的排队现象更重要（这是一个非统计原因），那么管理层可以考虑先增加一名管理员。
最后，表 6 显示，通过 3 名管理员和 3 名医疗辅助人员，四种主要资源的利用率基本达到平衡：管理员、管理人员、护士和房间。因此，只增加第四个管理员和/或管理和维护人员的好处可能不大。
结论
在本文中，我们利用仿真技术设计了一个复杂的多学科门诊部，为许多不同类型的病人提供服务，该门诊部被称为综合实践单元。从更广泛的意义上讲，综合业务单元可被视为具有复杂工作（或病人）调度要求的扩展混合灵活流程车间和开放式车间。本文所考虑的工作生活综合实践单元的问题尤其具有挑战性，因为预定的复诊病人必须与门诊病人穿插在一起。我们发现，由于门诊病人在一天中分布均匀，因此最好采用将预约病人也分布在一天中的日程安排。这样，我们就能集中精力实现预约时段的间隔长度，在系统拥堵和诊所关闭时间之间取得适当的平衡。
在系统拥堵和诊所关闭时间之间取得适当平衡的时间间隔长度。我们的情景分析表明，要实现管理层对某些绩效指标的要求，职业生活 IPU 必须同时增加两项资源：一名行政人员和一名医疗辅助人员。如果不进行模拟研究，就很难确定这一点，因为管理员和医疗辅助人员在诊所中履行多种不同的职能。工作生活 IPU 管理层对这些见解以及我们向 IPU 展示的时间表和吞吐量非常满意。医疗服务提供者认为，他们必须在实际系统中通过试验和错误来发现我们通过模拟所展示的内容，但后者在新诊所的启动过程中成本更高，干扰更大。
不过，目前的研究有三大局限性。首先，由于缺乏历史数据，我们不得不在很大程度上依赖专家意见，而专家意见可能存在偏差。然而，这就是 "新领域 "设计的本质。目前的工作包括调整模拟模型，以便在诊所全面运营后为决策提供支持。换句话说，我们将对模拟模型进行修改，以支持诊所的持续运营，而不是诊所的设计。随着诊所的全面运营，我们将能够收集数据、估算分布情况，并根据这些更新的输入进行调整。
其次，我们只考虑了相对较少的有限情景模拟。在今后的工作中，我们将继续使用其他模拟和优化技术来改进 IPU 患者预约安排。最后，由于 WorkLife 和 MSK IPU 之间共享资源，最好能同时模拟这两个诊所，以了解它们之间的相互作用。这也是我们未来研究计划的一部分。
致谢
我们要感谢德克萨斯大学奥斯汀分校工作生活诊所的 Pete Cardenas 先生和工作人员对本项目的指导和支持。Simio Academic Software License Institution Grant 提供了额外支持。
作者简介
DOUGLAS J. MORRICE 是德克萨斯大学奥斯汀分校供应链与运营管理教授。他是 Bobbie 和 Coulter R. Sublett 百年商业教授，也是德克萨斯大学供应链管理卓越中心的高级研究员。他拥有康奈尔大学 ORIE 博士学位。他的研究兴趣包括仿真设计、建模和分析、医疗保健服务管理以及供应链风险管理。莫里斯博士是 1996 年冬季仿真会议论文集的联合编辑，也是 2003 年冬季仿真会议的项目主席。2004-2012 年间，他曾担任 INFORMS 仿真学会冬季仿真大会董事会代表。他的电子邮件地址是 douglas.morrice@mccombs.utexas.edu。
JONATHAN F. BARD 是德克萨斯大学奥斯汀分校机械工程系运筹学与工业工程专业的教授。他拥有工业地产公司捐赠的教员奖学金，并担任运营与物流管理中心副主任。他从乔治华盛顿大学获得运筹学博士学位，曾在加州大学伯克利分校和东北大学任教。他的研究兴趣是制造系统的设计与分析、人员调度、医疗保健服务以及大规模整数程序的算法。他是 IIE 和 INFORMS 的研究员，也是德克萨斯州的注册专业工程师。他的电子邮件地址是 jbard@utexas.edu。
HARSHIT MEHTA 是德克萨斯大学奥斯汀分校的研究生，主修运筹学和工业工程。他曾在 Nexstar Digital 担任数据科学实习生。他拥有德里科技大学（印度）机械工程学士学位。他的电子邮件地址是 harshit.mehta@utexas.edu。
SWARUP SAHOO 是德克萨斯大学奥斯汀分校运筹学和工业工程专业的硕士研究生。他还是 MD 安德森癌症中心收入周期分析的研究实习生。他拥有印度鲁尔凯拉国立技术学院机械工程学士学位。他的研究兴趣包括医疗保健和供应链管理分析、模拟和机器学习。他的电子邮件地址是 swarupsahoo@utexas.edu。
NATESH BABU ARUNACHALAM 是UT Austin 的研究生，主修 ORIE。他的研究兴趣包括计量经济学、数据分析和机器学习。他正在从事原油价格统计建模方面的研究。他的电子邮件地址是 natesh@utexas.edu。
PRASHANTH VENKATRAMAN是德克萨斯大学奥斯汀分校运筹学与工业工程专业的研究生。他是 Cockrell 工程学院的研究生研究助理。他拥有印度蒂鲁奇拉巴利国立技术学院生产工程专业的理工学士学位。他的研究兴趣包括交通网络设计、智能交通系统、机器学习和优化。他的电子邮箱是 prashv92@utexas.edu。
作者：Douglas J. Morrice、Jonathan F. Bard、Harshit Mehta、Swarup Sahoo、Natesh B. Arunachalam 和 Prashanth Venkatraman（德克萨斯大学奥斯汀分校）
在 2018 年冬季模拟大会上发表
参考文献
Bard, J.F., Z. Shu, D.J. Morrice, D. Wang, R. Poursani, and L. Leykum.2016."改善家庭保健诊所的患者流量》。医疗保健管理科学》19（2）：170-191.
Cayirili, T., E. Veral, and H. Rosen.2006."为非住院医疗服务设计预约排班系统》。医疗保健管理科学》9: 47-58.
Koenig, K.M. and K.J. Bozic.2015."全球骨科医疗保健：标准化在改善结果中的作用》。临床骨科及相关研究》473（11）：3360-3363。
Millhiser, W.P., E.A. Veral, and B.C. Valenti.2012."用政策目标评估预约系统的运行性能》。IIE Transactions on Healthcare Systems Engineering 2: 274-289.
Morrice, D.J., J.F. Bard, and K.M. Koenig.2018."为以患者为中心的护理设计和调度多医疗机构综合实践单元》。(Pinedo, M.L. 2016.调度：理论、算法与系统》。第 5 版。
Porter, M.E. and E. Olmsted-Teisberg.2006.重新定义医疗服务：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。
Porter, M.E. and T.H. Lee.2013."解决医疗保健问题的战略》。哈佛商业评论》，2013 年 10 月：50-70.
Swisher, J.R., S.H. Jacobson, J.B. Jun, and O. Balci.2001."使用离散事件（可视化）模拟建模和分析医生诊所环境》。计算机与运筹学》，28（2）：105-125.
White, D.L., C.M. Froehle, and K.J. Klassen.2011."综合排产和产能政策对临床效率的影响》。生产与运营管理》，20（2）：442-455.
WorkLife.2018.WorkLife Clinic UT Health Austin，https://uthealthaustin.org/worklife，2018 年 4 月 4 日访问。
Simio.2018.Simio 仿真软件，https://www.simio.com/software/，2018 年 4 月 4 日访问。