Reconstructing End-User Demand under Batch-Level Ambiguity: Flow-Constrained Record Linkage and Audit Allocation in Orthopedic Consignment Networks

現代の高度な外科手術の世界において、外科医が医療機器を使用する瞬間は、複雑な事務的プロセスの始まりに過ぎません。病院が、折れた骨を固定するためのネジのような整形外科用インプラントを使用する場合、その出来事を記録するために臨床記録が作成されます。しかし、誰がそのネジの代金を支払い、それがどこから来たのかを確認する財務記録は、後から届くことが多く、時には異なる形式であったり、他のデバイスと一緒にまとめられていたりすることも頻繁にあります。この外科的な行為と商業的な書類の足跡との間のギャップは、盲点を作り出します。病院やディストリビューター（卸売業者）は、在庫管理や請求のために、どのデバイスが正確に使用されたかを知る必要がありますが、記録が遅れて届いたり、まとめて送られてきたりすると、特定のネジを特定の सर्जरी（手術）と一致させることが困難になります。この不確実性は単なる事務上の煩わしさではなく、収益の損失、不正確な在庫注文、そして医療用品がシステム内を実際にどのように流れているのかについての透明性の欠如につながる可能性があります。

ホンジェ・ジャン（Hongjie Jiang）という研究者は、整形外科の委託ネットワークという特定の文脈の中で、このパズルを解こうと試みました。これらのネットワークでは、医療機器は販売される前に病院に配置されます。つまり、病院は在庫を保持しますが、使用したものに対してのみ支払います。課題は、何が使用されたかの記録がバッチ（一括）で届くことが多く、ディストリビューターからの特定のネジのバッチが、どの手術に対応しているのかを判別するのが難しいことです。ジャンは、大規模なディストリビューターと病院のネットワークで使用されている、脊椎用ネジの単一のファミリーに焦点を当てました。1ヶ月間の手術記録を調査し、それを9ヶ月分の決済データと比較することで、本研究は、書類の足跡が不完全であったり遅延したりしている場合でも、これらのデバイスの真の需要を再構築しようと試みました。その目的は、単にどのネジが使われたかを突き止めることだけでなく、なぜ一部の記録が一致しないままなのかを理解し、限られた時間とリソースをどのように使ってそれらの不一致を解消すべきかを明らかにすることでした。

研究は、マッチングのプロセスを、単なるリストの比較ではなく、「フロー（流れ）」の問題として扱うことから始まりました。ユニークな鍵のセットを、いくつかの鍵が複数の錠前にはまり、いくつかの錠前が遅れて届いた鍵によって開けられたかもしれない錠前のセットに適合させようとしている場面を想像してください。研究者は、システムの物理的な制限を尊重するモデルを構築しました。すなわち、ディストリビューターは自身のバッチにある以上のネジを供給することはできず、また、単一の手術が記録された以上の数のネジを使用することもできないというルールです。これらの厳格なルールを適用することで、モデルはどのマッチングが可能であり、どのマッチングが不可能であるかを判断することができました。モデルを実行した結果、比較可能な540件の手術記録のうち、決済記録に対して明確かつ単一のマッチが見つかったのはわずか229件でした。他に84件はマッチしてはいましたが、それは複数の可能性の中の一つでした。残りの311件には、明確なマッチが全くありませんでした。これにより、理解が必要な「未解決」の需要という大きなグループが残されました。

これら311件の未一致の記録を理解するために、研究ではタイミングと欠落している要素の性質を調査しました。その結果、不一致の理由はランダムではないことが判明しました。未一致レコードの約3分の1は、単に書類の到着を待っている状態でした。つまり、手術は行われたものの、締め切りまでに財務決済が処理されていなかったのです。未一致レコードの4分の1は、複数の手術が同じバッチのネジを奪い合っていたため、あるいはディストリビューターの記録が曖昧すぎて単一のソースを特定できなかったために、ブロックされていました。そして、未一致レコードのほぼ半分を占める最大のグループは、全く別の経路に属しているようでした。これらは、調査対象となった特定の委託記録には現れない、卸売チャネルや他の在庫システムを通じて移動したネジである可能性が高いと考えられました。モデルは各シナリオに確率を割り当てることで、不確実性がどこにあるのかを示す地図を効果的に作成しました。

研究の最も重要な部分は、単に不一致を特定することではなく、いかに効率的にそれらを修正するかを見出すことでした。病院やディストリビューターは、これらの記録を確認するための限られたスタッフと時間しか持っていません。彼らはすべての未一致項目をチェックすることはできません。研究者はこう問いかけました。「もし、記録のごく一部しか確認できないとしたのであれば、最も多くの明確さを得るために、どの記録を選ぶべきか？」 一般的な直感としては、大きな数字の方が重要であると想定して、まず最大の注文をチェックすることです。しかし、本研究はそのアプローチが非効率的であることを明らかにしました。多くの大きな注文はすでに明確で安定していたため、それらをチェックしても新しい情報はほとんど得られませんでした。代わりに、研究は「情報の価値（value of information）」に基づいた戦略を提案しました。この手法は、数量が多く、かつ不確実性が高い記録を優先します。これは、例えば、3つの異なるディストリビューターのいずれかから供給された可能性がある手術のように、レビューを行うことで大きな曖昧さを解消できる特定のケースを探し出すものです。

研究者がこの新しい戦略を、最大の注文をチェックするという従来の方法と比較したとき、その差は歴然としていました。記録の20%をレビューするという予算内で、新しい戦略はシステム全体の不確実性の半分以上を解決しました。対照的に、最大の注文をチェックするという伝統的な手法では、不確実性の約3分の1しか解決できませんでした。新しいアプローチは、従来の方法が同様の結果を得るために必要とした量よりも、40%少ないレビュー数で同等の明確さを回収することができました。これは、単に数字が大きいものを見るのではなく、混乱が最も高い特定の記録に焦点を当てることで、組織は時間を節約し、資金を節約しながら、サプライチェーンのより明確な全体像を得られることを意味しています。

研究では、データが少し異なって見える場合に、これらの知見が維持されるかどうかもテストされました。例えば、いくつかの記録が同じ手術の重複であった場合はどうなるでしょうか？ あるいは、最も活発なディストリビューターを分析から除外した場合はどうでしょうか？ いかなつのシナリオにおいても、新しい戦略は優位性を保ちました。データが簡略化された場合でも、ネットワークが変化した場合でも、高不確実性・高ボリュームの記録をターゲットにする手法は、標準的なアプローチを一貫して上回りました。また、研究は不確実性が均等に広がっているのではなく、特定のディストリビューターや、特に記録が遅れやすい月の終わりの時期に集中していることも示しました。

結局のところ、この研究は、医療サプライチェーンにおける「目に見えない隙間」を管理するための実践的なガイドを提供しています。これは、不確実性とは、より多くのデータをチェックすることによって解決される単一の問題ではなく、適切なデータをチェックすることによって管理される「リソース」であることを証明しています。イベントのタイミングと在庫の物理的制限を組み合わせることで、本研究は、混乱した不一致の山を、明確で実行可能な計画へと変える方法を提示しています。これらのネットワークを監督するマネージャーへのメッセージは明確です。「単に最大の数字を見るのではない。物語が不明瞭な場所を探し、そこに注意を集中させなさい」。このアプローチにより、彼らはアカウントをより速く照合し、在庫をより正確に管理し、たとえ書類の足跡が不完全であっても、患者を癒やすために使用されたデバイスが適切に管理されるようにすることができるのです。