Integrated Framework for Long-term Elective Surgery Management under Uncertainty: From Strategic to Tactical Planning
تقترح هذه الورقة إطاراً متكاملاً جديداً يجمع بين سياسات التحكم الاستراتيجي في الطوابير وجدولة غرف العمليات التكتيكية في ظل عدم اليقين، وذلك بهدف استقرار قوائم الانتظار، وإدارة مخاطر الإلغاء، وتحسين إدارة الجراحات الاختيارية على المدى الطويل في أنظمة الرعاية الصحية العامة.
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 أنك قبطان لسفينة ضخمة وفوضوية تسمى "المستشفى". تمتلك هذه السفينة عددًا محدودًا من المحركات (غرف العمليات) وتدفقًا لا ينتهي من الركاب (المرضى) الذين ينتظرون تلقي العلاج الطبي. الجزء الصعب هو أنك لا تعرف بالضبط كم عدد الركاب الجدد الذين سيقفزون على متن السفينة غدًا، كما أنك لا تعرف بالضبط كم ستستغرق رحلة كل شخص. قد تكون بعض الرحلات عبارة عن سباقات قصيرة وسريعة، والبعض الآخر قد يكون ماراثونات طويلة تمتد حتى الليل. إذا حاولت حشر الكثير من الناس في غرفة المحرك، فقد تنفد الوقود (الوقت)، مما يضطرك لطرد الناس من السفينة في اللحظة الأخيرة (الإلغاءات). وإذا وضعت عددًا قليلاً جدًا، فستظل المحركات خاملة، مما يهدر وقودًا ثمينًا. هذا هو الصراع اليومي للرعاية الصحية العامة: كيف تحافظ على حركة السفينة بسلاسة دون ترك أي شخص عالقًا أو التسبب في تحطم المحرك.
يتعمق هذا البحث في عالم تخطيط الجراحات الاختيارية، وهو ما يعادل فن جدولة العمليات غير الطارئة مثل استبدال مفصل الورك أو جراحات العين. يتصدى المؤلفون لمشكلة كلاسيكية: كيف توازن بين الحاجة إلى علاج أكبر عدد ممكن من الناس وبين واقع عدم القدرة على التنبؤ؟ إنهم يبنون على فكرتين كبيرتين. أولاً، إدارة الطوابير، وهي مجرد طريقة منمقة لقول "إدارة الخط". فكر في الأمر كخزان مياه: إذا امتلأ الخزان بسرعة كبيرة، فإنه يفيض؛ وإذا فرغ بسرعة كبيرة، فإنه يجف. ثانيًا، التحسين تحت ظروف عدم اليقين، وهو ما يعني اتخاذ أفضل خطة ممكنة عندما لا تستطيع رؤية المستقبل. يتساءل البحث: هل يمكننا إنشاء نظام ذكي لا ينظر فقط إلى جدول اليوم، بل يتنبأ أيضًا بكيفية نمو أو تقلص الطابور على مدار أشهر، مما يضمن حصول الجميع على دورهم دون أن ينفد وقود المستشفى؟
يقترح المؤلفون نظام "تحكم في المرور" ذكيًا يتكون من ثلاثة أجزاء لحل هذه المشكلة، وقد تم اختباره في مستشفى جامعي كبير في البرازيل. وبدلاً من محاولة حل المشكلة بأكملها في معادلة رياضية واحدة ضخمة ومربكة، قاموا بتقسيمها إلى ثلاث وحدات متصلة تتحدث مع بعضها البعض.
أولاً، هناك مدير الطابور. تخيل منظم حرارة ذكي لخط انتظار المرضى. هو لا يكتفي بعدّ الرؤوس فحسب؛ بل يراقب "درجة حرارة" قائمة الانتظار. إذا أصبح الخط طويلاً جدًا (وصل إلى "نقطة إعادة الطلب" المحددة)، فإنه يعطي إشارة للنظام للبدة بجدولة المزيد من الجراحات لهذا النوع المحدد من الطب. وإذا كان الخط قصيرًا، فإنه يقول: "تمهلوا، نحن بخير في الوقت الحالي". هذا يمنع المستشفى من إجهاد نفسه بشكل مفرط عندما يكون الخط تحت السيطرة، أو تجاهل الأزمات عندما ينفجر الخط. إنه يستخدم نسخة معدلة من قاعدة مخزون كلاسيكية (تسمى سياسة R و Q) لتحديد عدد المرضى بالضبط الذين يجب سحبهم من الخط كل شهر، مما يضمن عدم انتظار أي شخص لأكثر من ستة أشهر.
ثانيًا، هناك حاسبة المخاطر. هنا يصبح البحث مثيرًا للاهتمام حقًا فيما يتعلق بـ "المجاهيل". في الماضي، كانت المستشفيات تفترض غالبًا أن الجراحة ستستغرق 60 دقيقة بالضبط. ولكن في الواقع، قد تستغرق 45 أو 90 دقيقة. استخدم المؤلفون نموذجًا مستوحى من بائع الصحف المتجول (الذي يتعين عليه تخمين عدد الصحف التي سيشتريها قبل معرفة الطلب الفعلي). لقد تساءلوا: "إذا جدلنا ثلاث جراحات في كتلة زمنية مدتها ست ساعات، فما هي احتمالات إنهاء جميعها في الوقت المحدد؟". وجدوا أنه إذا حاولت حشر الكثير من الجراحات، فإن خطر تجاوز الوقت يرتفع بشكل صاروخي، مما يؤدي إلى الإلغاءات. يحسب نموذجهم "النقطة المثالية" — العدد المثالي من الجراحات للتخطيط له بحيث تنجز أكبر قدر ممكن دون التسبب في فوضى التأخير. على سبيل المثال، في تخصص واحد، وجدوا أن التخطيط لثلاث جراحات كان هو الحد الأقص️؛ ومحاولة حشر الرابعة تجعل احتمالية الإلغاء مرتفعة جدًا.
ثالثًا، هناك المجدول. هذا هو الجزء الأخير الذي يأخذ التعليمات من الوحدتين الأوليين ويقوم فعليًا ببناء الجدول الزمني الشهري. إنه يشبه حل الألغاز الذي يضع الفرق الطبية المناسبة في الغرف المناسبة، مع التأكد من أنه إذا احتاج تخصص ما إلى غرفتين في وقت واحد (مثل عمليات زراعة الأعضاء)، فإنه يحصل عليهما، وأنه لا يوجد ازدواج في الحجز. والأهم من ذلك، أن هذا المجدول لا ينظر فقط إلى ما هو متاح اليوم؛ بل ينظر إلى "الهدف" الذي وضعه مدير الطابور و"السعة الآمنة" التي حددتها حاسبة المخاطر.
عندما اختبر المؤلفون هذا النظام باستخدام بيانات حقيقية من المستشفى، كانت النتائج مذهلة. لقد أجروا محاكاة على مدار عام وقارنوا نظامهم الذكي بنهج "أساسي" (وهو ببساه طريقة قديمة تعتمد فقط على محاولة ملء كل خانة كل شهر). أدت الطريقة القديمة إلى الفوضى: بعض قوائم الانتظار نمت بشكل لا يمكن السيطرة عليه لأن النظام لم يعطِ الأولوية للقوائم التي أصبحت طويلة جدًا، بينما تم علاج آخرين رغم أنهم لم يكونوا بحاجة لذلك بعد. أما النظام الجديد، فقد حافظ على استقرار قوائم الانتظار. لقد نجح في إبقاء خطوط المرضى حول مستوى آمن وقابل للإدارة، مما يضمن علاج المرضى في غضون هدف الستة أشهر دون أن يحرق المستشفى طاقم عمله أو يلغي الجراحات بسبب تجاوز الوقت.
يشير البحث إلى أنه من خلال ربط هذه الخطوات الثلاث — مراقبة الخط، وحساب مخاطر تجاوز الوقت، ثم جدولة الغرف — يمكن للمستشفيات التوقف عن مجرد الاستجابة للأزمات والبدء في إدارتها. الأمر لا يتعلق بامتلاك المزيد من غرف العمليات؛ بل يتعلق باستخدام الغرف التي تمتلكها بذكاء أكبر بكثير. أظهرت المحاكاة أن هذا النهج يمكن أن يثبت النظام، ويقلل من خطر الإلغاءات في اللحظة الأخيرة، ويجعل العملية برمتها أكثر عدلاً للمرضى، وكل ذلك دون الحاجة إلى بناء مستشفيات جديدة أو توظيف موظفين جدد بلا نهاية. إنه تذكير بأن أفضل طريقة لحل ازدحام مروري أحيانًا ليست ببناء طريق أوسع، بل بتثبيت إشارة مرور أفضل.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.