パンデミック時の病院容量最適化: 戦略的患者再配置のための二成分フレームワーク

要旨：COVID-19パンデミックは世界中の病院システムに甚大な負担をかけ、深刻な容量不足の課題を生んでいます。この研究は、患者の再配置戦略を通じて病院の容量を最適化する二部構成の枠組みを提案します。最初の要素は、患者到着率を予測する時系列予測モデルの開発を含みます。COVID-19の症例と入院の過去データを用いて、将来の患者量の正確な予測を生成します。これにより病院は資源配分と患者フローを事前に計画できるようになります。第二の要素は、異なる患者再配置戦略の影響を評価するシミュレーションモデルです。シミュレーションは、病床の空き状況、スタッフの能力、輸送の物流、患者の重症度といった要因を考慮して、ネットワーク化された病院間での患者配置を最適化します。複数のシナリオを検証します。病院間転送、臨時ケア施設の利用、退院手順の適応など、複数のシナリオが検証されます。予測分析とシミュレーションモデリングを組み合わせることにより、本研究は病院管理者に包括的な意思決定支援ツールを提供することを目的としています。提案された枠組みは、需要を予測し、再配置戦略をシミュレートし、患者と資源を分配する最適な方針を実施する力を彼らに与えます。最終的に、本研究はCOVID-19および将来のパンデミックに直面する医療システムのレジリエンスを高めることを目指します。