疫情期间医院容量优化：面向战略患者转移的双组成分框架

新冠肺炎疫情对全球医院系统施加了巨大压力，导致临床容量面临临界挑战。本研究提出两部分框架以优化医院容量。第一部分涉及开发时间序列预测模型以预测患者到达率。利用新冠肺炎病例和住院数据，该模型将生成准确的未来患者量预测，从而使医院能够主动规划资源配置和患者流动。第二部分为仿真模型，评估不同患者转移策略的影响。仿真将考虑床位 availability、人员能力、运输物流和患者病情等因素，以优化网络化医院间的患者安置。将测试多种情景，包括医院间转移、使用临时护理设施以及对出院方案的调整。通过结合预测分析和仿真建模，本研究旨在为医院管理员提供综合性决策支持工具。该框架将使他们能够预判需求、模拟转移策略并实施最优政策以分配患者和资源。最终，本工作旨在增强面对新冠肺炎及未来疫情的医疗系统韧性。