Full Text

Цель исследования Разработать экспертную имитационную модель бизнес-процессов оказания специализированной медицинской помощи пациентам с COVID-19 в центральной районной больнице, обеспечивающую возможность прогнозирования и оценки потребления ресурсов медицинской организации, а также оценки качества медицинской помощи. Введение Информационные ресурсы и технологии экспертного прогнозирования распространения инфекционных заболеваний, определяющие возможности сложившейся медицинской инфраструктуры, а также потребность в дополнительных ресурсах системы здравоохранения, показали свою востребованность в период пандемии новой коронавирусной инфекции COVID-19. В качестве основного аналитического инструмента, необходимого для прогнозирования развития эпидемиологического процесса, оценки возможного потока госпитализируемых пациентов и пропускной способности медицинской организации, планирования потребности в необходимых для нее ресурсах, а также обеспечения эффективного реагирования системы здравоохранения, должно использоваться моделирование [1,2]. В одном из исследований учеными из США [3] проведена систематизация ранее разработанных моделей и выделено шесть наиболее значимых инструментов, позволяющих оценивать потенциальные возможности ресурсов систем здравоохранения для адекватного ответа на возникающие глобальные биологические вызовы. Вместе с тем, достоверность и правильность результатов расчетов и прогнозов, получаемых с использованием разработанных инструментов, также должны проверяться с применением альтернативных, но сопоставимых алгоритмов, применяемых в математических и имитационных моделях [4-6], построенных с учетом специфики реализуемых бизнес-процессов оказания медицинской помощи. При оценке параметров вероятностных распределений в условиях недостаточного объема данных, не позволяющих проводить статистическую оценку всех параметров, имитационная модель должна быть достаточно гибкой, чтобы можно было вводить параметры вручную. Авторы исследования из Испании [7], например, рекомендуют использовать непараметрические модели для представления прогнозных данных о длительности госпитализации в больнице. Вопросы стандартизации бизнес-процессов в медицинских организациях при организации оказания медицинской помощи населению в период эпидемии COVID-19, в том числе с применением моделирования, рассматриваются в ряде исследований [8-10], предлагающих инструменты анализа на ограниченном наборе данных [8], таких как: количество госпитализированных пациентов (всего) и результаты ежедневной работы стационара по формированию поток пациентов (выписанных из стационара, умерших, переведенных в отделение интенсивной терапии). Данная модель формируется на основе цепей Маркова с оценкой вероятности перевода пациента из одного структурного подразделения стационара в другое. Упорядочение и контроль за бизнес-процессами предлагается осуществлять, используя также организационно-клиническую модель на основе данных из электронной медицинской карты [9], а также валидизированных когорт пациентов [10] с прогнозирование траектории развития заболевания в каждой из них. Планирование и распределение ресурсов медицинской организации [11;12], совершенствование механизмов маршрутизации внутри стационара при организации оказания медицинской помощи [13], определение последовательности, времени и частоты проведения лечебных и диагностических манипуляций на всех этапах пребывания пациента может осуществляться путем построения стохастических имитационных моделей бизнес-процессов. Материалы и методы По данным госпитализаций 7573 пациентов ГБУЗ МО «Ногинская ЦРБ» за период с апреля 2020 г. по июнь 2021 г. разработана модель бизнес-процессов, включающих стандартные операционные процедуры оказания специализированной медицинской помощи пациентам с COVID-19 (далее - модель бизнес-процессов). Затем данная модель описана в нотации BPMN 2.0, протестирована и откалибрована с проверкой надежности на достаточном количестве симуляционных итераций с учетом наиболее вероятных значений распределения случайной величины (дискретных и непрерывных), характеризующей время выполнения каждой операционной процедуры, с использованием программного продукта Bizagi Process Modeler (версия 3.9.0.015)), и переведена в разряд имитационной модели. Результаты Разработанная модель бизнес-процессов (рисунок 1) представлена основными (приемное отделение; отделение госпитализации; анестезиолого-реанимационное отделение) и вспомогательными (рентгенологическое отделение, отделение клинико-лабораторной диагностики и диагностические отделения) подразделениями стационара, связанными единой организационно-функциональной структурой и демонстрирующей процесс маршрутизации и оказания медицинской помощи пациенту с COVID-19. Для основных и вспомогательных подразделений были описаны характерные для них бизнес-процессы, разработана методика оценки результатов деятельности в отношении показателей длительности проведения технологических процедур. Основными бизнес-процессами (БП) являлись следующие: -бизнес-процессы в приемном отделении (БП № 1); -бизнес-процессы в отделении госпитализации (БП № 2); -бизнес-процессы в отделении анестезиологии и реанимации (БП № 3); -бизнес-процессы в рентгенологическом отделении (БП № 4); -бизнес-процессы в отделении КЛД (лаборатория) (БП № 5); -бизнес-процессы в диагностическом отделении (БП № 6). Использование модели бизнес-процессов, включающих стандартные операционные процедуры оказания специализированной медицинской помощи пациентам с COVID-19, в ГБУЗ МО «Ногинская ЦРБ» способствовало упорядочению процесса оценки выполнения следующих стандартных операционных процедур (по функциональным задачам медицинских работников) и их соотнесению с процедурами, регламентированными соответствующими подпунктами пункта 2.2. приказа Министерства здравоохранения Российской Федерации от 10 мая 2017 г. № 203н «Об утверждении критериев оценки качества медицинской помощи»: 1.Медицинская сестра приемного отделения (Медицинская сестра отделения госпитализации; Медицинская сестра анестезиолого-реанимационного отделения (АРО); Рентгенолаборант; Лаборант клинико-лабораторной диагностики (КЛД); Медицинская сестра отделения инструментальной диагностики (ИД)) → заполнение медицинской карты стационарного больного, сведений о пациенте; внесение записей в медицинскую карту стационарного больного (после выполнения медицинских манипуляций). Выполнение процедур регламентируется подпунктом «а». 2.Врач приемного отделения → сбор анамнеза, внесение данных физикального обследования в медицинскую карту. Выполнение процедур регламентируется подпунктами «а», «б», «в», «г». 3.Врач отделения госпитализации → определение степени тяжести течения заболевания, назначение лекарственной терапии, направление на инструментально-диагностические и лабораторные исследования, решение о переводе в отделение АРО, корректировка лекарственной терапии. Выполнение процедур регламентируется подпунктами «а», «д», «е», «ж», «з», «и», «к», «л», «м», «н», «о», «с». 4.Врач АРО → определение степени тяжести течения заболевания, интубация и подключение к аппарату ИВЛ, назначение лекарственной терапии, перевод в отделение госпитализации. Выполнение процедур регламентируется подпунктами «а», «д», «е», «ж», «з», «и», «к», «л», «м», «н», «о», «с». 5.Врач-рентгенолог (Врач КЛД; Врач отделения ИД) → расшифровка изображений (данных лабораторных/инструментальных исследований), внесение заключений в медицинскую карту стационарного больного, формирование архива данных. Выполнение процедур регламентируется подпунктами «а», «и». В оказании медицинской помощи принимали участие 72 врача, из которых только 44 врача отвечали критериям для оценки фактической загруженности. В среднем нагрузка на 1 врача в месяц составляла 28,23 ± 13,27 пациентов. Средняя длительность лечения 1 пациента 1 врачом составила 10,65 ± 2,02 дня. В процессе оказания медицинской помощи использовалось диагностическое медицинское оборудование (выполнение исследований на компьютерном томографе в стационаре 10% госпитализированных 24; инструментальных исследований - 10% госпитализированных 25; лабораторных исследований всем госпитализированным - 7573 пациентам); Задействованный коечный фонд на протяжении большего периода наблюдения составил 180 коек (максимальное значение - до 578 занятых коек). Фактическое использование коечного фонда в АРО составило 43,51% от возможной потенциальной мощности, среднее количество пациентов, госпитализированных на 1 койке, составило 18 ± 4,8 человек. Фактическое использование коечного фонда в период развертывания 180 коек в отделениях госпитализации составило 51,48% от возможной потенциальной мощности, среднее количество пациентов, госпитализированных на 1 койке, составило 16,5 ± 4,8 человек. За весь период наблюдения среднесуточная госпитализация составила 18 пациентов (максимальное количество госпитализированных - до 53 человек/сутки (ноябрь-декабрь 2020 г.); минимальное количество госпитализированных - не более 6 человек/сутки (июль-август 2020 г.). Для оценки маршрутизации пациентов по структурным подразделениям данной медицинской организации были использованы следующие фактические значения вероятности распределения потоков пациентов: 1) «приемное отделение - отделение госпитализации» - 90%; «приемное отделение - рентгенологическое отделение» - 10%; 2) «отделение госпитализации - анестезиолого-реанимационное отделение» - 2%; продолжение лечения в отделении госпитализации - 98%; 3) «анестезиолого-реанимационное отделение - отделение госпитализации» (возврат) - 2%; выбытие пациента из анестезиолого-реанимационного отделения по причине смерти - 98%; 4) «отделение госпитализации - инструментально-диагностическое отделение» (направление на исследование/диагностику) - 10%; резервирование потенциально необходимых исследований - 90%; 5) «анестезиолого-реанимационное отделение - инструментально-диагностическое отделение» - 2%; резервирование потенциально необходимых исследований - 98%. В результате имплементации вышеперечисленных параметров в цифровой макет имитационной модели (рисунок 2) и проведения достаточного количества симуляционных итераций сформирован перечень основных показателей деятельности их фактических и оптимальных значений, обеспечивающих эффективное функционирование ГБУЗ МО «Ногинская ЦРБ» в период эпидемии COVID-19 (таблица 1). Обсуждение В ходе оценки ресурсных затрат ГБУЗ МО «Ногинская ЦРБ» были определены наиболее оптимальные параметры времени, необходимого для выполнения стандартных операционных процедур в бизнес-процессах, включая интервал прибытия пациентов в стационар, количество и соотношение медицинских работников (врачей и медицинских сестер), а также рассчитаны значения для среднесуточной госпитализации, в том числе дифференцированные по параметрам потенциальной средней длительности лечения пациентов. Установлено, что существующего коечного фонда, кадрового и медико-технического потенциала ГБУЗ МО «Ногинская ЦРБ» достаточно для обеспечения эффективной работы с потоком пациентов с COVID-19, в том числе на случай ухудшения эпидемиологической ситуации и роста потребности в госпитализациях. Заключение Применение технологий моделирования при планировании деятельности центральной районной больницы в условиях эпидемии COVID-19 и в ходе организации оказания специализированной медицинской помощи пациентам позволяет разрабатывать различные варианты адаптации и функционирования структурных подразделений стационара, распределения кадровых и материально-технических ресурсов, а также коечного фонда в зависимости от прогнозируемых вариантов развития эпидемиологического процесса и формирования потоков пациентов на госпитализацию. Использование имитационных моделей при прогнозировании длительности госпитализации и нормировании времени на выполнение стандартных операционных процедур позволяет in silico определять ресурсные затраты на лечение пациентов, рассчитывать оптимальную потребность в койках для госпитализации, формировать режим работы врачей и лечебно-диагностического оборудования в структурных подразделениях стационара. Разработанный цифровой макет стандартизированных рабочих процессов оказания медицинской помощи пациентам с COVID-19 может быть использован для научного обоснования при принятии управленческих решений, а также в качестве инструмента для контроля качества медицинской помощи и соблюдения регламентных процедур. Статья выполнена по материалам диссертационного исследования Орлова Сергея Александровича на тему: «Научное обоснование системы поддержки принятия управленческих решений при работе медицинской организации в условиях биологических вызовов (на примере COVID-19)» на соискание ученой степени кандидата медицинских наук.

About the authors

Sergey A. Orlov

N. A. Semashko National Research Institute of Public Health

Email: orlovsergio@mail.ru
105064, Moscow, Russian Federation

Dmitrii A. Lisovskii

N. A. Semashko National Research Institute of Public Health

Email: lisikux@gmail.com
105064, Moscow, Russian Federation

Sergey A. Livshitz

N. A. Semashko National Research Institute of Public Health; State Budgetary Health Institution of the Moscow oblast region «Noginsk Central District Hospital»

Email: slmd21@gmail.com
105064, Moscow, Russian Federation; Noginsk, Russia

Elena V. Tikhonova

N. A. Semashko National Research Institute of Public Health; State Budgetary Health Institution of the Moscow oblast region «Noginsk Central District Hospital»

Email: glvrachbmk@gmail.com
105064, Moscow, Russian Federation; Noginsk, Russia

References

Statistics