An Enhanced Memetic Algorithm for Emergency Outpatient Physician Scheduling Considering Patient Psychological Distress and Physician Fatigue in Fuzzy-CPT Framework
यह अध्ययन कोविड-19 महामारी के दौरान शंघाई के एक अस्पताल के वास्तविक डेटा के माध्यम से सत्यापित, रोगी के मनोवैज्ञानिक संकट और चिकित्सक की थकान की धारणा को एक साथ न्यूनतम करने हेतु एक फजी-सीपीटी (fuzzy-CPT) ढांचे के भीतर एक उन्नत मेमेटिक एल्गोरिदम के माध्यम से आपातकालीन बाह्य रोगी चिकित्सक शेड्यूलिंग को अनुकूलित करने का प्रस्ताव करता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
अस्पताल के आपातकालीन कक्ष (इमरजेंसी रूम) के उच्च-दांव वाले वातावरण में, समय केवल एक मीट्रिक नहीं है; यह एक मनोवैज्ञानिक शक्ति है। जब मरीज प्रतीक्षा करते हैं, तो उनकी चिंता केवल एक सीधी रेखा में नहीं बढ़ती; जैसे ही कतार बहुत लंबी हो जाती है, यह तेजी से बढ़ जाती है, जिससे एक ऐसी संकट की स्थिति पैदा होती है जो अत्यधिक महसूस हो सकती है। साथ ही, उनका उपचार करने वाले डॉक्टर भी दबाव से अछूते नहीं हैं। उनकी थकान केवल काम किए गए घंटों का मामला नहीं है; यह एक ऐसी भावना है जो उनके व्यक्तिगत स्तर को पार करने के बाद असमान रूप से गहरी हो जाती है, और यह इस बात से भी प्रभावित होती है कि क्या उनके सहकर्मी बोझ साझा कर रहे हैं या उन्हें लगता है कि वे अकेले ही खड़े हैं। दशकों से, अस्पताल प्रशासकों ने इस पहेली को सुलझाने की कोशिश की है कि कौन कब काम करेगा, जो अक्सर कठोर समय सारिणी (शेड्यूल) पर निर्भर करती है जो थकान को एक साधारण लागत और प्रतीक्षा रेखा को एक साधारण कतार के रूप में मानती है। हालांकि, ये पारंपरिक तरीके अक्सर इस मानवीय वास्तविकता को पकड़ने में विफल रहते हैं कि संकट के दौरान तनाव और थकान वास्तव में कैसा महसूस होता है।
शोधकर्ता जुन्जी झोउ और जियावेई वू द्वारा किया गया एक नया अध्ययन इस समस्या को हल करने के लिए एक परिष्कृत शेड्यूलिंग टूल बनाकर इस पर काम करता है, जो मानव मस्तिष्क की बात सुनता है। उन्होंने सार्वजनिक स्वास्थ्य आपात स्थितियों, जैसे कि कोविड-19 महामारी के चरम के दौरान, आपातकालीन बाह्य रोगी चिकित्सकों (आउटपेशेंट फिजिशियन) की साप्ताहिक शेड्यूलिंग पर ध्यान केंद्रित किया। शोधकर्ताओं ने महसूस किया कि एक वास्तव में प्रभावी शेड्यूल बनाने के लिए, उन्हें दो अदृश्य लेकिन शक्तिशाली कारकों को ध्यान में रखना होगा: प्रतीक्षा कर रहे मरीजों का मनोवैज्ञानिक संकट और डॉक्टरों की व्यक्तिपरक थकान। उन्होंने इन भावनाओं को मॉडल करने के लिए दो व्यवहार संबंधी अवधारणाओं को मिलाया। पहले, उन्होंने एक विधि का उपयोग किया जो यह बताती है कि थकान कैसे अस्पष्ट और क्रमिक महसूस होती है, न कि "थके हुए" से "अत्यधिक थके हुए" होने का एक अचानक बदलाव। दूसरे, उन्होंने निर्णय लेने के एक सिद्धांत को लागू किया जो यह पहचानता है कि लोग बहुत अधिक काम करने के दर्द को कम काम करने के आनंद की तुलना में कहीं अधिक तीव्रता से महसूस करते हैं, खासकर जब वे अपनी तुलना अपने साथियों से करते हैं। इन मानवीय व्यवहारों को एक गणितीय मॉडल में बुनकर, उन्होंने एक ऐसी प्रणाली बनाई जो मरीजों को शांत रखने और डॉक्टरों को बर्नआउट से बचाने के बीच संतुलन बनाने का प्रयास करती है।
शोधकर्ताओं ने अपने दृष्टिकोण का परीक्षण शंघाई के एक बड़े तृतीयक अस्पताल के वास्तविक डेटा का उपयोग करके किया, जो महामारी के चरम के दौरान का था। उन्होंने अपने नए तरीके की तुलना पुराने, मानक शेड्यूलिंग एल्गोरिदम से की। परिणामों ने उनके दृष्टिकोण के लिए एक स्पष्ट लाभ दिखाया। बारह अलग-अलग हफ्तों के रोगी डेटा के परीक्षणों की एक श्रृंखला में, उनके नए एल्गोरिदम ने लगातार बेहतर परिणाम दिए। यह प्रतीक्षा कर रहे मरीजों के मनोवैज्ञानिक संकट को समाप्त करने में विशेष रूप से सफल रहा; बारह में से सात मामलों में, नए तरीके ने प्रतीक्षा रेखा को इतना छोटा रखने में सफलता प्राप्त की कि मरीजों को कोई संकट महसूस नहीं हुआ, जबकि पुराने तरीके उन मामलों में से किसी में भी इसे हासिल करने में विफल रहे। नई प्रणाली ने शेड्यूल की समग्र "लागत" को भी कम किया, जिसमें डॉक्टरों द्वारा महसूस की गई थकान, अतिरिक्त मदद लाने में खर्च किया गया पैसा और प्रतीक्षा कक्ष की चिंता शामिल थी। एल्गोरिदम ने केवल अधिक घंटे काम करके नहीं, बल्कि शिफ्टों को अधिक बुद्धिमानी से व्यवस्थित करके यह उपलब्धि हासिल की, जिससे दिन और रात के दौरान मरीजों के आगमन के उतार-चढ़ाव के अनुसार ड्यूटी पर डॉक्टरों की संख्या का मिलान किया जा सके।
अध्ययन के सबसे प्रकट पहलुओं में से एक यह था कि मानवीय मनोविज्ञान में सांस्कृतिक अंतर परिणामों को कैसे बदल सकते हैं। शोधकर्ताओं ने अपने मॉडल का परीक्षण दो अलग-अलग व्यवहार संबंधी मापदंडों (पैरामीटर्स) का उपयोग करके किया: एक संयुक्त राज्य अमेरिका में किए गए अध्ययनों पर आधारित और दूसरा चीन में किए गए अध्ययनों पर आधारित। उन्होंने पाया कि समय को महत्व देने और दूसरों से तुलना करने के तरीके को वर्णित करने वाले विशिष्ट आंकड़े अंतिम शेड्यूल को महत्वपूर्ण रूप से बदलते हैं। जब चीन के अध्ययनों से प्राप्त मापदंडों का उपयोग किया गया, तो मॉडल उन शेड्यूल बनाने की ओर अधिक झुका जो केवल कुछ डॉक्टरों के ओवरटाइम करने पर होने वाली अन्याय की भावना के प्रति अधिक संवेदनशील थे। यह सुझाव देता है कि शेड्यूलिंग के लिए एक "एक ही आकार सबके लिए उपयुक्त" (वन-साइज़-फिट्स-ऑल) दृष्टिकोण वैश्विक स्तर पर काम नहीं कर सकता है; एक संस्कृति में जो शेड्यूल निष्पक्ष और कुशल लगता है, वह दूसरी संस्कृति में तनावपूर्ण या अक्षम महसूस हो सकता है। अध्ययन ने पुष्टि की कि वास्तविक दुनिया में काम करने वाले शेड्यूल बनाने के लिए इन सूक्ष्म मनोवैज्ञानिक बारीकियों को समझना आवश्यक है।
इस जटिल पहेली को हल करने के लिए, शोधकर्ताओं ने एक विशेष कंप्यूटर प्रोग्राम विकसित किया, जो 'मेमेटिक एल्गोरिदम' (memetic algorithm) नामक प्रकार के एल्गोरिदम का एक उन्नत संस्करण है। इस प्रोग्राम को एक अत्यधिक कुशल योजनाकार के रूप में समझें जो कम समय में हजारों अलग-अलग शेड्यूल संयोजनों का परीक्षण कर सकता है। पुराने योजनाकारों के विपरीत जो किसी स्थानीय समाधान (लोकल सॉल्यूशन) में फंस सकते हैं, यह नया प्रोग्राम एक बहु-स्तरीय खोज रणनीति का उपयोग करता है। यह विभिन्न कोणों से शेड्यूल को देखता है: किसी एक शिफ्ट के शुरू होने के समय को एक घंटे से बदलना, किसी विशिष्ट दिन के लिए एक डॉक्टर को जोड़ना या हटाना, या पूरी टीम के रोटेशन को पुनर्गठित करना। यह एक "दो-चरणीय" दृष्टिकोण का भी उपयोग करता है, पहले एक कच्चा ड्राफ्ट तैयार करने के लिए—एक जो नाइट शिफ्ट पर केंद्रित है और दूसरा डे शिफ्ट पर—और फिर उसे परिष्कृत करता है। इसने प्रोग्राम को ऐसे समाधान खोजने की अनुमति दी जो डॉक्टरों के लिए निष्पक्ष और मरीजों के लिए कुशल दोनों थे, जो मैन्युअल शेड्यूलिंग या सरल कंप्यूटर प्रोग्राम नहीं कर सकते थे।
अध्ययन ने यह भी पता लगाया कि विशिष्ट नियमों को बदलने से परिणाम पर क्या प्रभाव पड़ता है, जिसे 'सेंसिटिविटी एनालिसिस' (संवेदनशीलता विश्लेषण) कहा जाता है। उन्होंने पाया कि उपलब्ध डॉक्टरों की संख्या एक महत्वपूर्ण निर्णायक बिंदु (टिपिंग पॉइंट) थी। जब अस्पताल में कम डॉक्टर थे, तो सिस्टम प्रतीक्षा रेखा को छोटा रखने में संघर्ष करता था, जिससे उच्च रोगी संकट और उच्च डॉक्टर थकान होती थी। हालांकि, एक बार जब डॉक्टरों की संख्या एक निश्चित सीमा तक पहुँच गई, तो सिस्टम प्रवाह को आसानी से प्रबंधित कर सका, और संकट शून्य हो गया। दिलचस्प बात यह है कि उन्होंने पाया कि केवल डॉक्टरों को प्रतिदिन अधिक घंटे काम करने की अनुमति देने से हमेशा मदद नहीं मिली; एक इष्टतम सीमा (ऑप्टिमल रेंज) थी जहाँ अत्यधिक थकान के बिना लचीलापन संभव था। उन्होंने यह भी खोजा कि अन्य विभागों से अतिरिक्त डॉक्टरों को लाने की लागत ने एक बड़ी भूमिका निभाई। यदि अतिरिक्त मदद लाना सस्ता था, तो सिस्टम मुख्य टीम को आराम देने के लिए उनका उपयोग करना पसंद करता था। यदि यह महंगा था, तो सिस्टम मौजूदा टीम को अनुकूलित करने की अधिक कोशिश करता था, हालांकि इससे कभी-कभी उच्च थकान भी होती थी।
अंततः, यह शोध अस्पताल प्रबंधकों को सार्वजनिक स्वास्थ्य संकट के दौरान होने वाली अराजकता का सामना करने के लिए एक वैज्ञानिक रूप से पुख्ता उपकरण प्रदान करता है। यह प्रतीक्षा और कार्य के मानवीय अनुभव को शामिल करने के लिए सरल गणित से आगे बढ़ता है। यह स्वीकार करते हुए कि थकान एक ऐसी भावना है जो तुलना के साथ बढ़ती है और प्रतीक्षा एक ऐसा मनोवैज्ञानिक बोझ है जो कुछ बिंदुओं पर तेजी से बढ़ता है, यह अध्ययन ऐसे निर्णय लेने का एक तरीका प्रदान करता है जो न केवल कुशल हैं, बल्कि मानवीय भी हैं। निष्कर्ष बताते हैं कि आपात स्थितियों के दौरान, डॉक्टरों और मरीजों दोनों की रक्षा करने का सबसे अच्छा तरीका ऐसे शेड्यूलिंग सिस्टम का उपयोग करना है जो घड़ी के साथ-साथ मन को भी समझते हों। शोधकर्ता निष्कर्ष निकालते हैं कि उनका तरीका भविष्य के स्वास्थ्य संकटों को संभालने के लिए एक मजबूत तरीका प्रदान करता है, यह सुनिश्चित करते हुए कि स्वास्थ्य सेवा की अग्रिम पंक्ति (फ्रंट लाइन्स) सबसे तीव्र दबाव में भी टिकाऊ बनी रहे।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।