基于智能体模拟的奥地利医疗系统韧性压力测试

患者并非随机地求医，而是通过自然涌现的医师间患者流动网络就诊。当退休、大规模隔离、疫情期间因病缺勤或其他冲击使这些网络变得稀疏时，系统可能被推近一个临界点，从而丧失为人群提供医疗的能力。在此，我们提出一个数据驱动的框架，通过智能体模型量化奥地利初级与次级医疗应对此类冲击的区域韧性。针对每个区域和医学专科，我们从行政数据构建详细的患者共享网络，并通过从系统中逐步移除越来越多医师的方式对这些网络进行压力测试。这使我们能够度量区域韧性指标，描述在个别患者不再获得治疗前，某一地区可移除多少医师。我们发现此类临界点确实存在，且各区域与医学专科的韧性差异显著。通过量化个别医师的假设性移除对系统的压力程度（风险评分）或其吸收其他医师移除所带来压力的能力（收益评分），这些系统性差异可与个体医师的指标相关联。我们的压力测试框架可使卫生当局快速识别就医瓶颈，并审视这些自然涌现的医师网络及其潜在缺勤的影响。