需求激增期间的最优医院容量管理

有效的医院容量管理对于提高患者护理质量、运营效率和医疗系统韧性至关重要，尤其是在需求激增时期（如COVID-19大流行期间）。然而，由于需求波动、目标冲突和复杂的实际约束，制定最优容量策略十分困难。本研究提出了一个数据驱动框架，用于优化医院系统在激增事件期间的容量管理决策。在战术规划期内优化两个关键决策：为激增患者分配专用容量，以及在医院急诊科（ED）之间转移入院患者以更好地分配需求。优化模型被构建为鲁棒混合整数线性规划，能够高效计算对需求不确定性具有鲁棒性的最优决策。模型包含了实际约束和成本，包括增加激增容量的准备时间和成本、急诊患者转移的限制，以及反映对护理质量和运营效率影响的不同决策的相对成本。该方法在COVID-19大流行高峰期的一个医院系统中进行了回顾性评估，以展示推荐决策的潜在影响。结果表明，在高峰期间63天内最优分配床位并仅转移32名患者（大约每两天转移一次），可以将医院系统对激增容量的需求减少近90%。总体而言，这项工作引入了一个实用工具，以改变容量管理决策，实现主动规划和使用数据驱动的建议来改善结果。