🔢 mathematics

Data-Driven Bed Capacity Planning Using $M_t/G_t/\infty$ Queueing Models with an Application to Neonatal Intensive Care Units

تقترح هذه الورقة إطار عمل قائماً على البيانات باستخدام نماذج طوابير الانتظار من نوع $M_t/G_t/\infty$ متغيرة زمنياً لتحسين التخطيط طويل الأمد لسعة وحدات العناية المركزة عبر رصد تقلب معدلات التنويم وتوزيعات مدة الإقامة غير المتجانسة، مما يثبت أن القواعد الاستدلالية الثابتة مثل قاعدة إشغال الـ 85% غير كافية لإدارة تباين الطلب في عالم الواقع داخل وحدات العناية المركزة لحديثي الولادة.

المؤلفون الأصليون: Maryam Akbari-Moghaddam, Douglas G. Down, Na Li, Catherine Eastwood, Ayman Abou Mehrem, Alexandra Howlett

نُشر 2026-03-09

📖 4 دقيقة قراءة🧠 قراءة متعمّقة

CC BY 4.0

المؤلفون الأصليون: Maryam Akbari-Moghaddam, Douglas G. Down, Na Li, Catherine Eastwood, Ayman Abou Mehrem, Alexandra Howlett

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل وحدة العناية المركزة لحديثي الولادة (NICU) في مستشفى كأنها فندق مزدحم وعالي الخطورة للأطفال الخدج. "الضيوف" هم الرضع الذين يحتاجون لرعاية خاصة، و"الغرف" هي أسرة المستشفى.

المشكلة الكبرى التي تواجهها المستشفيات هي: كم عدد الغرف التي نحتاج لبنائها لضمان عدم رفض أي طفل، دون بناء غرف كثيرة تظل فارغة وتؤدي لهدر الأموال؟

لفترة طويلة، استخدم مخططو المستشفيات قاعدة بسية وقديمة: "حافظ على امتلاء الفندق بنسبة 85%". ظنوا أنهم: "إذا حافظنا على متوسط إشغال بنسبة 85%، فسيكون لدينا غرف فارغة كافية لحالات الطوارئ".

لكن هذه الورقة البحثية تجادل بأن هذه القاعدة القديمة مكسورة، مثل محاولة التنبؤ بالطقس من خلال النظر فقط إلى متوسط درجة الحرارة في السنوات العشر الماضية. فهي تتجاهل حقيقة أن الطلب جامح وغير متوقع. فأحياناً، تصل "عاصفة" من الأطفال المرضى دفعة واحدة، وقاعدة الـ 85% تترك المستشفى يفيض عن طاقته.

إليك كيف أصلح المؤلفون المشكلة، مشروحة بتبسيط شديد:

1. "توقعات الطقس" مقابل "التقويم السنوي"

الطريقة القديمة في التخطيط كانت تشبه استخدام التقويم السنوي (Almanac): "في المتوسط، يصل 10 أطفال يومياً، ويقيم كل منهم لمدة 10 أيام. لذا، نحتاج 100 سرير".

أما الطريقة الجديدة في هذه الورقة فهي تشبه توقعات الطقس الديناميكية. أدرك المؤلفون أن:

الوصول ليس ثابتاً: قد يولد المزيد من الأطفال في الشتاء بسبب الأمراض الموسمية، أو أقل في الصيف.
الإقامة ليست ثابتة: بعض الأطفال يتحسنون بسرعة؛ والبعض الآخر يبقى لشهور.
"شكل" الإقامة مهم: الأمر لا يتعلق فقط بـ مدة إقامتهم، بل بمدى تفاوت هذا الوقت. إذا غادر الجميع في اليوم نفسه تماماً، فستحتاج لأسرة أقل. أما إذا غادر الجميع في أيام عشوائية، فستحتاج لأسرة أكثر بكثير للتعامل مع الفوضى.

2. فندق "الخادم اللانهائي" (Infinite Server)

استخدم المؤلفون نموذجاً رياضياً خاصاً يسمى Mt/Gt/∞. دعونا نفكك هذا الاسم المخيف:

Mt (الوصول المتغير زمنياً): عدد الأطفال الذين يسجلون دخولهم يتغير كل يوم، مثل حركة المرور على الطريق السريع.
Gt (الإقامة المتغيرة زمنياً): مدة الإقامة تتغير بناءً على اليوم الذي وصلوا فيه وحالة الطفل.
∞ (خوادم لانهائية): هذا هو الجزء الأهم. في فندق عادي، إذا امتلأت جميع الغرف، سيكون هناك طابور من الناس ينتظرون. لكن في وحدة العناية المركدة لحديثي الولادة، لا يمكنك جعل طفل مريض ينتظر. يجب إدخاله فوراً.

لذا، يفترض النموذج أن المستشفى يمتلك غرفاً "لانهائية" لأغراض الحساب. هو لا يسأل، "كم طفلاً ينتظر؟" بل يسأل، "كم طفل موجود داخل الفندق في نفس اللحظة بالضبط؟" إذا كان الجواب أعلى من عدد الأسرة الفعلي، فإن المستشفى في ورطة (مزدحم فوق طاقته).

3. تشبيه "هامش الأمان"

اختبر المؤلفون طريقتين لتحديد عدد الأسرة التي يجب بناؤها:

نهج "المتوسط" (الطريقة القديمة): "نحتاج لأسرة تكفي لليوم المتوسط".
- النتيجة: في اليوم العادي، يكون الفندق ممتلئاً بنسبة 85%. ولكن في اليوم "العاصف"، يكون الفندق ممتلئاً بنسبة 120%. الأطفال عالقون في الممرات. هذا أمر خطير.
نهج "هامش الأمان" (الطريقة الجديدة): "نحتاج لأسرة بحيث حتى في اليوم السيئ، نتجاوز السعة بنسبة 1% أو 5% فقط".
- النتيجة: لتحقيق هذا الأمان، يحتاج المستشفى إلى أسرة أكثر مما يقترحه المتوسط. وهذا يعني أن الفندق قد يكون ممتلئاً بنسبة 60% فقط في يوم الثلاثاء الهادئ.
- المقايضة: لديك أسرة "مهدرة" فارغة في الأيام الهادئة، لكنك أنقذت أرواحاً في الأيام الفوضوية.

4. النتيجة المفاجئة: التباين سلاح ذو حدين

أحد الاكتشافات الرائعة في الورقة هو موضوع التباين (Variability).

المنطق القديم: "إذا كانت مدة الإقامة غير متوقعة (تباين عالٍ)، فنحن بحاجة لمزيد من الأسرة لأن الوضع فوضوي".
المنطق الجديد: "في الواقع، إذا بقي الجميع لفترة زمنية عشوائية، فإنهم يغادرون في أوقات عشوائية، مما يوزع الزحام. ولكن إذا غادر الجميع في الوقت نفسه تماماً، فسيغادرون جميعاً في وقت واحد، مما يخلق فجوة ضخمة، ثم وصول حشد ضخم جديد في نفس اللحظة".

لقد تبين أن الفوضى المتوقعة أحياناً أسوأ من الفوضى غير المتوقعة في هذا النموذج الرياضي المحدد. إذا لم تستطع التنبؤ بدقة متى سيغادر الطفل، فإن "الزحام" ينضبط وينتظم. أما إذا أجبرت الجميع على المغادرة في نفس الوقت، فستحتاج لمزيد من الأسرة للتعامل مع التدفق المفاجئ.

5. النظر في البلورة السحرية

أخيراً، بنى المؤلفون أداة للنظر في المستقبل. لقد دمجوا بين:

الديموغرافيا: كم طفلاً سيولد في كالغاري في عام 2030؟
التاريخ: كيف تصرف المستشفى في الماضي؟

لقد صنعوا "بلورة سحرية" تقول: "إذا ارتفع معدل المواليد بنسبة 5%، وأردنا البقاء آمنين (احتمالية تجاوز السعة 1% فقط)، فإليك بالضبط عدد الأسرة الإضافية التي تحتاج لبنائها".

الخلاصة الكبرى

تخبرنا الورقة أن لا يمكنك التخطيط للمستقبل باستخدام المتوسطات الماضية فقط.

إذا كنت تدير مستشفى (أو نظام حافلات، أو مركز اتصال) بناءً على أرقام "المتوسط"، فستفشل عندما يحدث ما هو غير متوقع. أنت بحاجة للتخطيط لـ أسوأ السيناريوهات وقبول فكرة أن سيكون لديك بعض الموارد الفارغة في الأيام الهادئة. هذا هو ثمن الأمان.

باختصار: لا تبنِ فندقاً للضيف المتوسط. ابنِ فندقاً لليلة العاصفة، حتى لو كان ذلك يعني وجود غرف فارغة في الأيام المشمسة. هكذا تحافظ على سلامة الأطفال.

إليك ملخص تقني مفصل للورقة البحثية بعنوان "التخطيط القائم على البيانات لسعة الأسرّة باستخدام نماذج الطوابير من نوع Mt/Gt/∞ مع تطبيق على وحدات العناية المركزة لحديثي الولادة."

1. بيان المشكلة

تواجه المستشفيات تحديات كبيرة في التخطيط طويل المدى لسعة وحدات العناية المركزة (ICU) بسبب الطلب غير المستقر. يعتمد التخطيط التقليدي على نماذج الطوابير في حالة الاستقرار (التي تفترض معدلات وصول وأوقات خدمة ثابتة) أو القواعد التجريبية (مثل قاعدة "إشغال بنسبة 85%"). وتفشل هذه النهج في استيعاب ما يلي:

التباين الزمني: تتقلب حالات الدخول بسبب الموسمية، والديناميكيات السكانية، والتحولات السريرية.
تباين طول مدة الإقامة (LOS): تختلف توزيعات مدة الإقامة حسب شدة حالة المريض، وتنوع الحالات، والبروتوكولات السريرية، وهي لا تُعرف بمجرد متوسطها فقط.
محدودية "قاعدة الـ 85%": إن الاعتماد على المتوسطات طويلة المدى يحجب الازدحام اليومي. وقد أثبت المؤلفون أنه حتى عندما يتم تحقيق مستهدفات الإشغال طويلة المدى، فإن الإشغال اليومي يتجاوز غالباً سعة 100% بسبب موجات الطلب العابرة.

السياق المحدد هو وحدات العناية المركرة لحديثي الولادة (NICUs) في كالغاري، كندا، حيث غالباً ما تكون عمليات نقل المرضين بين المواقع مدفوعة بالقدرة الاستيعابية، مما يحجب الطلب الحقيقي في المرافق الفردية. والهدف هو تقدير متطلبات الأسرّة التي تضمن المرونة ضد التجاوز دون الاعتماد على المتوسطات الثابتة.

2. المنهجية

يقترح المؤلفون إطار عمل قائم على البيانات يستند إلى نموذج الطوابير $M_t/G_t/\infty$ (وصول بويسون غير متجانس، أوقات خدمة عامة متغيرة زمنياً، خوادم لانهائية). يعكس افتراض الخوادم اللانهائية الواقع السريري حيث يتم إدخال المرضى ذوي الحالات الحرجة فوراً؛ حيث يظهر الضغط كحمل زائد بدلاً من طوابير انتظار.

يتكون إطار العمل من أربعة مكونات رئيسية:

أ. تقدير معدل الوصول ( $\lambda_t$ )

التقنية: يتم تطبيق تفكيك الموسمية والاتجاه باستخدام "لويس" (STL) على بيانات الدخول اليومية التاريخية.
العملية: يقوم البحث الشبكي بتحسين نوافذ الموسمية (7، 15، 31 يوماً) والاتجاه (15، 31، 61 يوماً) لاستخراج كثافة وصول سلسة ومتغيرة زمنياً $\lambda_t$ .
التبرير: يُفضل استخدام STL على نماذج التعلم الآلي "الصندوق الأسود" أو نماذج SARIMA لأنها توفر فصلاً تفسيرياً للاتجاه والموسمية، وهو أمر ضروري لتخطيط السيناريوهات.

ب. نمذجة توزيع طول مدة الإقامة (LOS)

تقدير العزوم: يتم أيضاً تطبيق STL على بيانات مدة الإقامة لتقدير المتوسط المتغير زمنياً ( $\mu_t$ ) والتباين ( $\sigma^2_t$ ).
الملاءمة البارامترية: يتم ملاءمة خمسة توزيعات مرشحة (Weibull، Lognormal، Gamma، Fisk/Burr، Exponential) للبيانات التجريبية باستخدام تقدير الاحتمال الأقصى (MLE).
افتراض الاستقرار: وُجد أن معامل الشكل ( $\kappa$ ) للتوزيعات مستقر عبر الزمن. لذلك، يتم تثبيت $\kappa$ لكل موقع، بينما يتم إعادة صياغة معاملات القياس ديناميكياً لتتطابق مع $\mu_t$ و $\sigma^2_t$ المتغيرة زمنياً والمستخرجة من STL.
الاختيار: يتم اختيار أفضل توزيع ملائم بناءً على جذر متوسط مربع الخطأ (RMSE) مقابل منحنى بقاء "كابلان-ماير" التجريبي.

ج. تقدير الإشغال

صيغة الالتفاف (Convolution): يتم حساب الإشغال المتوقع $\rho_t$ في اليوم $t$ عن طريق التفاف عمليات الوصول الماضية مع احتمالية البقاء الشرطية لـ LOS:
$\rho_t = \sum_{u=0}^{S_{max}} \lambda_{t-u} \cdot P(S > u \mid \tau = t-u)$
حيث $P(S > u \mid \tau)$ هي احتمالية أن يكون المريض الذي تم إدخاله قبل $u$ من الأيام لا يزال موجوداً، وهي مشتقة من التوزيعات البارامترية المتغيرة زمنياً.
الافتراضات: تتبع عمليات الوصول عملية بويسون غير متجانسة؛ وتكون مدة الإقامة (LOS) مستقلة عن المرضى الآخرين وعن عملية الوصول.

د. استراتيجيات تخطيط السعة

يترجم إطار العمل تقديرات الإشغال إلى مستهدفات سعة ( $B$ ) باستخدام استراتيجيتين:

القائم على المتوسط ( $B_{average}$ ): $B = \bar{\rho} + \sqrt{\bar{\rho}}$ . وهو خط أساس يستخدم المتوسطات طويلة المدى بالإضافة إلى هامش "الجذر التربيعي" (معيار شائع في توظيف مراكز الاتصال).
المقيد بالتدفق الزائد ( $B_\alpha$ ): يحل لأقل قيمة لـ $B$ بحيث يكون احتمال تجاوز عتبة الاستخدام $\gamma$ (مثل 100% أو 85%) أقل من حد تحمل المخاطر $\alpha$ :
$P(L_t > \gamma B) \leq \alpha$
بما أن $L_t$ يتبع توزيع بويسون بمتوسط $\rho_t$ ، يتم حل ذلك باستخدام احتمالية ذيل بويسون.

هـ. التوقعات المستقبلية المستندة إلى المواليد

يربط نموذج التوقعات "المدفوع بالمواليد" التوقعات الديموغرافية باحتياجات السعة، حيث يقوم بتوسيع أنماط الدخول التاريخية بناءً على معدلات المواليد المتوقعة ( $\tilde{K}_y$ ) وإعادة أخذ عينات من أنماط الوصول/مدة الإقامة اليومية التاريخية لإنشاء 300 مسار مبني على السيناريوهات للسنوات المستقبلية (2024–2030).

3. المساهمات الرئيسية

النمذجة غير المستقرة: يتجاوز افتراضات الحالة المستقرة من خلال دمج معدلات الوصول وتوزيعات مدة الإقامة المتغيرة زمنياً في إطار عمل $M_t/G_t/\infty$ .
التفكيك القائم على البيانات: يستخدم تفكيك STL لفصل الاتجاه والموسمية لكل من عمليات الدخل ومدة الإقامة، مما يلتقط الديناميكيات الزمنية التي غالباً ما يتم تجاهلها في التخطيط.
السعة الصريحة للمخاطر: ينتقل من قواعد الاستخدام (مثل "الإشغال بنسبة 85%") إلى أهداف مرونة احتمالية (مثل "ضمان احتمال تجاوز أقل من 1%").
الرؤية حول التباين: يوضح أنه في أنظمة الخوادم اللانهائية، يمكن أن يؤدي ارتفاع تباين مدة الإقامة (LOS) في الواقع إلى تقليل ذروة الإشغال (عن طريق تشتيت حالات الخروج)، بينما يؤدي انخفاض التباين إلى تركيز المغادرات، مما يزيد من خطر الازدحام—وهي نتيجة غير متوقعة لمخططي السعة.
التعديل للنقل: يطور طريقة لـ "تعديل" البيانات التاريخية من خلال إرجاع عمليات النقل المدفوعة بالسعة إلى الموقع الأصلي، مما يكشف عن الاختلالات الحقيقية في الطلب الهيكلي عبر شبكة المستشفيات.

4. النتائج الرئيسية

عدم كفاية القواعد الثابتة: عند تطبيق الدراسة على 5 مواقع لـ NICU في كالغاري، تبين أن قاعدة الـ "85%" التقليدية أو التقديرات القائمة على المتوسط قللت بشكل كبير من احتياجات السعة. على سبيل المثال، اقترحت القاعدة القائمة على المتوسط للموقع 3 وجود 14 سريراً، لكن الإشغال تجاوز 100% في 23% من الأيام.
متطلبات السعة:
- الموقع 2 (طلب مرتفع): تطلب 67 سريراً بموجب قاعدة المتوسط، ولكن 90 سريراً للحد من خطر التدفق الزائد إلى 1% ( $B_{0.01}$ ).
- المقايضة: الانتقال من $B_{0.05}$ (خطر تدفق زائد 5%) إلى $B_{0.01}$ (خطر تدفق زائد 1%) زاد من متطلبات السعة بمقدار 8-13 سريراً لكل موقع، ولكنه قلل متوسط الاستخدام من ~65% إلى ~56%.
تأثير تباين مدة الإقامة (LOS): أظهر تحليل الحساسية أن تقليل تباين مدة الإقامة (جعل الإقامات أكثر حتمية) زاد من عدد الأسرّة المطلوبة لتلبية أهداف التدفق الزائد. وعلى العكس من ذلك، فإن التباين العالي يشتت مغادرات المرضى، مما يقلل من ذروة الازدحام.
التوقعات المستقبلية: تشير التوقعات حتى عام 2030، المدفوعة بارتفاع معدلات المواليد، إلى الحاجة لـ 4-6 أسرّة إضافية (لخطر 5%) و8-13 سريراً إضافياً (لخطر 1%) مقارنة بالتقديرات القائمة على المتوسط.
اختلال الشبكة: عند احتساب عمليات النقل، وُجد أن الموقع 2 يعاني من نقص شديد في السعة مقارنة بالطلب الجوهري عليه، بينما ظهرت المواقع 3-5 وكأنها ذات سعة زائدة، مما يسلط الض الضوء على اختلال هيكلي إقليمي تحجبه عمليات النقل التشغيلية.

5. الأهمية والآثار المترتبة

المرونة التشغيلية: يوفر إطار العمل أساساً كمياً لتحديد مستويات الأسرّة التي تدير صراحةً خطر التدفق الزائد، وهو أمر حيوي في الرعاية الحرجة حيث يمكن أن تكون التأخيرات في الإدخال مميتة.
التوجيه السياسي: يتحدى التطبيق العالمي لقاعدة إشغال الـ 85%، مقترحاً أن البيئات غير المستقرة تتطلب هوامش سعة أعلى للحفاظ على الاستجابة.
التخطيط الاستراتيجي: تسمភាព القدرة على نمذجة سيناريوهات "ماذا لو" (مثل تغير تباين مدة الإقامة بسبب بروتوكولات سريرية جديدة أو تغيرات ديموغرافية) تتيح لمديري المستشفيات اتخاذ قرارات مدروسة بشأن الاستثمار في البنية التحتية.
قابلية التعميم: رغم تطبيقه على وحدات NICU، إلا أن إطار عمل $M_t/G_t/\infty$ قابل للتطبيق في وحدات العناية المركزة الأخرى وفي وحدات المستشفيات الأخرى حيث تُعطى الأولوية للإدخال الفوري والطلب متغير زمنياً.

تخلص الدراسة إلى أن التخطيط القوي للسعة يتطلب الانتقال من المتوسطات الثابتة إلى النماذج الديناميكية الاحتمالية التي تأخذ في الاعتبار التوزيع الكامل لأوقات الخدمة والتباين الزمني للطلب.