突发公共事件下ICU救治混合建模仿真

李雯静; 尹胜男; 彭卫; 詹丽英; 汤焱彬; 林志勇; 李光

doi:10.12404/j.issn.1671-1815.2502784

科学技术与工程 ›› 2026, Vol. 26 ›› Issue (5) :1916-1926 DOI: 10.12404/j.issn.1671-1815.2502784

医药、卫生

突发公共事件下ICU救治混合建模仿真

李雯静 ¹ ,
尹胜男 ¹ ,
彭卫 ² ,
詹丽英 ² ,
汤焱彬 ³ ,
林志勇 ³^,⁴ ,
李光 ²^,^*

作者信息 +

Hybrid Modeling and Simulation of ICU Treatment under Public Emergencies

LI Wen-jing ¹ ,
YIN Sheng-nan ¹ ,
PENG Wei ² ,
ZHAN Li-ying ² ,
TANG Yan-bin ³ ,
LIN Zhi-yong ³^,⁴ ,
LI Guang ²^,^*

Author information +

文章历史 +

摘要

突发公共事件期间病人涌入导致重症医学科(intensive care unit,ICU)救治效率降低。为综合评估病人床位分配策略提升ICU救治效率的效果,采用智能体建模-离散事件仿真(agent-based modeling-discrete event simulation,ABM-DES)方法构建ICU救治系统仿真模型。以武汉大学人民医院综合性ICU为例,引入急诊科分区管理策略设计4种差异化床位分配方案,同时从病人、医护人员、物资和空间多维度出发,采用熵权逼近理想解排序法(technique for order preference by similarity to an ideal solution,TOPSIS)法构建ICU救治效率评价体系对多种病人到达模式下的救治效率进行量化评估,筛选最优床位分配方案。结果表明:病人到达模式显著影响最优床位分配方案;分区管理策略的增效作用仅体现在长期大量病人到达场景。研究结果可为ICU应对突发公共事件提供重要参考。

Abstract

During public emergencies, the influx of patients leads to a decrease in intensive care unit(ICU) care efficiency. To comprehensively evaluate the effectiveness of patient bed allocation strategies in improving ICU care efficiency, an agent-based modeling-discrete event simulation(ABM-DES) method was used to construct a simulation model of the ICU care system. Taking the comprehensive ICU in Renmin Hospital of Wuhan University as an example, four differentiated bed allocation schemes were designed based on the zoning management strategy of the emergency department. An evaluation system for ICU care efficiency was constructed based on the entropy-weighted technique for order preference by similarity to an ideal solution(TOPSIS) method, incorporating multiple dimensions including patients, medical staff, supplies, and space. The care efficiency under four patient arrival modes was quantitatively assessed using this system. The optimal bed allocation scheme was subsequently identified through comparative analysis. The results show that patient arrival modes significantly influence the optimal bed allocation scheme. Furthermore, the efficiency enhancement effect of the zoning management strategy manifests exclusively in the long-term high-volume arrival mode. The findings provide critical guidance for ICU response to public emergencies.

Graphical abstract

关键词

重症监护室(ICU) / 救治仿真 / 床位分配 / ABM / DES

Key words

intensive care unit(ICU) / care simulation / bed allocation / agent-based modeling(ABM) / discrete event simulation(DES)

引用本文

引用格式 ▾

李雯静, 尹胜男, 彭卫, 詹丽英, 汤焱彬, 林志勇, 李光. 突发公共事件下ICU救治混合建模仿真[J]. 科学技术与工程, 2026, 26(5): 1916-1926 DOI:10.12404/j.issn.1671-1815.2502784

LI Wen-jing, YIN Sheng-nan, PENG Wei, ZHAN Li-ying, TANG Yan-bin, LIN Zhi-yong, LI Guang. Hybrid Modeling and Simulation of ICU Treatment under Public Emergencies[J]. Science Technology and Engineering, 2026, 26(5): 1916-1926 DOI:10.12404/j.issn.1671-1815.2502784

登录浏览全文

4963

注册一个新账户忘记密码

《国家突发公共事件总体应急预案》将突发公共事件定义为突然发生、危及公共安全的紧急事件,会造成或可能造成重大人员伤亡、财产损失、生态环境破坏和严重社会危害。重症医学科(intensive care unit,ICU)是医院应对突发公共事件重症救治的专业科室^[1]。突发公共事件期间,ICU医疗需求陡然增长,容易出现床位紧张、人力资源不足和医护超频作业等问题^[2],会导致ICU救治效率下降,不利于重症综合救治能力建设。因此,有必要开展突发公共事件下ICU应急措施优化研究,完善ICU应急治理体系并提升治理能力。

计算机仿真技术因其经济性、可重复性和准确性,已成为医疗机构应急措施检验的主要工具^[3],但国内外相关研究目前仍存在研究对象受限、研究方法滞后和评价维度缺失的问题。在研究对象方面,现有文献大多聚焦于医疗机构网络^[4]、医院^[5]和急诊科^[6]等,而针对ICU的研究鲜见,ICU救治流程和内部人员交互机制仍有待阐明。在建模仿真方法和评价维度方面,主要使用系统动力学(system dynamics,SD)^[7]和离散事件仿真(discrete event simulation,DES)^[8]。DES方法凭借其在离散、随机和流程导向系统建模的优势^[9],被广泛应用于各尺度研究。但DES方法主要关注流程中的事件序列,难以直接模拟个体行为的异质性,导致应急措施的评价指标多为流程时间^[10],缺少对医护人员等实体维度的评价。基于智能体建模(agent-based modeling,ABM)采用自底向上的建模方法,关注实体的行为及其交互^[11]。因此,将基于DES的流程建模与基于ABM的多实体建模集成,实现流程逻辑和实体行为异质性的统一,并可达成多实体维度评价ICU救治效率。

资源配置优化^[12-13]已被证明是应对突发公共事件的有效措施,主要包括流程优化^[8]、设施选址优化^[14]和资源分配优化^[15]等。其中,设施选址优化对提升救治效率具有显著潜力。魏孝文等^[16]针对医疗物资集散点选址和配送问题,考虑集散点常态运作和应急保障构建双目标优化模型,获得了不同决策偏好下集散点布局和运输方案。帅春燕等^[17]针对应急物资发放位置选址问题,采用K-means聚类和泰森多边形方法确定发放备选点,建立了最大覆盖率、最小化成本为目标的优化模型。Liu等^[18]提出了一个综合考虑效率和公平性的方舱医院优化配置决策框架,可实现对疫情传播的有效控制。上述研究均在资源需求点固定情况下调整设施位置,而在建成ICU中,各医疗资源储备位置固定,病人所在床位作为需求点位置可变。因此,考虑通过病人床位分配达到资源配置优化的效果,相比传统的重症资源扩容^[19]等方法,无需新增实体资源即可快速响应突发公共事件。急诊科是突发公共事件下医院内部最先受到冲击的科室,同时在常态运营下主要承担急诊患者的紧急医疗服务,具有丰富的应急经验。根据《急诊预检分诊专家共识》^[20],分级分诊与分区管理相结合可以提高急诊运行效率,保障患者安全就诊。因此,将急诊科分区管理策略引入ICU病人床位分配优化中。

综上,现分析ICU救治系统中系统流程逻辑、活动实体行为及其交互,通过ABM-DES混合方法构建ICU救治系统仿真模型。将分区管理策略引入ICU应急管理,设计差异化床位分配方案,同时基于多实体维度采用熵权逼近理想解排序法(technique for order preference by similarity to an ideal solution,TOPSIS)法建立ICU救治效率评价体系,并通过案例仿真对各分配方案进行量化评估,筛选最优床位分配方案,从而辅助ICU应急管理方法的制定。

1 救治系统概念模型

所研究的ICU救治系统指由病人、医护人员、物资和空间等系统要素组成,通过要素间交互完成资源分配和救治实施等系统流程,以达成病人救治目标的复杂系统。

1.1 救治系统要素

突发公共事件发生后,短时间产生的大量患者的集中救治需求可以理解为医疗浪涌^[19]。基于国内外学者对医疗浪涌能力构成要素的研究^[21-23],从病人、医护人员、物资和空间4类实体出发构建ICU救治系统要素。其中,病人、医护人员和物资是ICU救治系统中位置可变的活动实体。

1.1.1 病人要素

应用急性生理和慢性健康评价系统Ⅱ(acute physiology and chronic health evaluation Ⅱ,APACHE Ⅱ)划分病人级别,如表1所示。

病人状态可分为正常和紧急两种。正常状态指病人在ICU内接受预期治疗和生命支持,保持正常生命体征;紧急状态指病人病情急剧恶化、需要抢救,表现为心脏骤停和呼吸衰竭等。病人进入ICU时为正常状态,在救治过程中有概率转化为紧急状态。不同级别病人由正常状态转化为紧急状态的概率不同,设定进入紧急状态的时间服从指数分布,概率密度函数如式(1)、式(2)所示。

(1)$f\left(t_s^{\text {trans }}\right)=\sigma_s \mathrm{e}^{-\sigma_s t_s^{\text {trans }}}, t_s^{\text {trans }} \geqslant 0, \forall s \in S$

(2)S={mild,modrate,severe}

式中:

${t}_{s}^{\mathrm{t}\mathrm{r}\mathrm{a}\mathrm{n}\mathrm{s}}$

为级别s的病人从正常状态进入紧急状态的时间,d;σ_s为级别s的病人病情恶化的速率,设定σ_mild、σ_moderate和σ_severe分别为0、

$\frac{1}{7}$

、

$\frac{1}{14}$

d^-1;e为自然常数;S为病人级别集合,mild、moderate和severe分别表示病人级别为重症、危重、极危。

1.1.2 医护人员要素

医护人员要素包括医生和护士,可自主移动。医护人员班次固定,设定ICU救治系统实行APN排班法^[24],即08:00—16:00为A班(上午班),16:00—24:00为P班(下午班),00:00—08:00为N班(夜班)。医生/护士床位比^[25]指ICU医生/护士总数与ICU开放床位数之比。设定每班次医生床位比为1∶2,每班次护士床位比为1∶1。医护人员状态可根据上下班时间划分为上班和下班两种。

1.1.3 物资要素

物资要素包括药品和仪器,可由医护人员携带后移动。设定药品和仪器的数量充足。药品是不可重复使用医疗资源,仪器是可重复使用医疗资源。药品状态分为可使用、使用中和使用后。仪器状态分为可使用和使用中,忽略仪器的检修和损坏。

1.1.4 空间要素

综合中华医学会重症医学分会^[1]和美国重症医学会^[26]的ICU平面布局观点,将空间要素划分为病房、辅助用房和交通走廊。其中,病房指收治病人的直接位置,根据空间围合方式可分为单间式病房、单元式病房和开放式病房;辅助用房指为病人救治和医护人员生活提供支持的所有房间;交通走廊连接病房和辅助用房,承担交通功能。

1.2 救治系统流程

ICU救治系统全过程可分为病人到达、病情评估、资源分配、救治实施和病人离开5个流程。已有研究^[27-28]表明,ICU住院时长受多因素影响,且目前尚未建立广泛认同的影响因素与住院时长间的数学模型,因此暂不考虑病人离开流程。

(1)病人到达。病人到达ICU过程符合泊松过程的事件发生的独立性等特点^[29],可采用泊松过程对ICU病人到达规律建模,其概率质量函数如式(3)所示。

(3)P(N=k)=$\frac{{\lambda }^{k}{\mathrm{e}}^{-\lambda }}{k!}$, k=0,1,2,…

式(3)中:N为随机变量;k为到达病人的数量;P(N=k)为一天内到达病人数量为k的概率;λ为病人到达率,即每天到达的平均病人数量。

(2)病情评估。病人到达ICU后根据APACHE

Ⅱ评分结果分级,设定重症、危重和极危病人的比例为2∶2∶1。

(3)资源分配。根据病人级别分配医护人员、药品、仪器和床位等医疗资源。其中,按照医生/护士床位比为病人随机分配医护人员,按照病人级别分配药品和仪器,按照后文所述床位分配方案分配床位。

(4)救治实施。病人是ICU救治系统的主要服务对象,可根据病人状态对救治实施流程进行划分,将病人正常和紧急状态下的救治实施流程分别划分为日常治疗、紧急抢救两类。根据参与日常治疗的医护人员类型,将日常治疗划分为临床诊疗(医生)和医疗护理(护士)两类。根据参与紧急抢救的医护人员数量,将紧急抢救分为一医一护抢救、一医二护抢救和一医三护抢救三类。

设定ICU救治系统实施分级分诊^[30],即根据APACHE Ⅱ评分结果进行分级救治,不同级别病人所接受日常治疗频率不同,如图1所示。

1.3 要素交互机制

传统基于DES的医疗机构救治仿真模型缺少对活动实体行为异质性的模拟,仅基于系统流程进行仿真。ABM-DES混合方法可实现对活动实体的行为建模,并由活动实体间交互推动系统流程。因此,建模前需对系统流程中要素交互机制进行分析。救治实施流程是ICU救治系统实现救治病人目标的关键流程,因此针对救治实施流程中系统要素交互进行分析。

(1)日常治疗。日常治疗包括临床诊疗和医疗护理两类。以医疗护理为例,其流程如图2所示。图2表明了护士实体和病人实体的交互机制,以及流程中护士实体的空间移动特征。

(2)紧急抢救。紧急抢救包括拿取抢救所需物资、进行抢救和处理用后物资3个部分。为降低模型复杂性,暂未考虑病人抢救失败情况。将参与紧急抢救的医护人员按照所负责抢救任务分为医生、护士A、护士B和护士C。以一医三护抢救为例,其抢救流程如图3所示。图3表明了医护人员实体和病人实体的交互机制,以及医疗护理流程中医护人员实体的空间移动特征。

1.4 救治效率评价体系

基于ICU救治系统要素,从病人、医护人员、物资和空间4个维度构建指标对ICU救治效率进行评价,所构建指标均为负向指标。基于救治效率评价指标和床位分配方案,采用熵权TOPSIS法计算救治效率最优方案。

1.4.1 救治效率评价指标

(1)病人平均等待时间。病人平均等待时间指病人进入紧急状态到其接受急救所经过的平均等待时间,如式(4)、式(5)所示。

(4)W=$\frac{1}{R}\stackrel{R}{\sum _{h=1}}$T_h

(5)R=$\stackrel{{N}_{1}}{\sum _{i=1}}$r_i

式中:W为病人平均等待时间,s;R为紧急抢救人次;T_h为第h次紧急抢救中病人从进入紧急状态到接受医生抢救的等待时间,s;N₁为病人数量;r_i为第i个病人的紧急抢救次数。

(2)医护人员平均工作量。医护人员平均工作量由医护人员在不同状态的时间耗费来量化,如式(6)~式(9)所示。

(6)Q=$\frac{1}{G}\stackrel{{N}_{2}}{\sum _{j=1}}$Q_j

(7)G=$\stackrel{{N}_{2}}{\sum _{j=1}}$G_j

(8)Q_j=$\stackrel{{G}_{j}}{\sum _{k=1}}$(α₁${t}_{j,k}^{\mathrm{d}\mathrm{u}\mathrm{t}}$+α₂${t}_{j,k}^{\mathrm{d}\mathrm{a}\mathrm{i}}$+α₃${t}_{j,k}^{\mathrm{e}\mathrm{m}\mathrm{e}\mathrm{r}}$)

(9)α₁+α₂+α₃=1

式中:Q为医护人员平均工作量;G为所有医护人员的班次总数;N₂为医护人员数量;Q_j为第j个医护人员的工作量;G_j为第j个医护人员的班次数量;

${t}_{j,k}^{\mathrm{d}\mathrm{u}\mathrm{t}}$

、

${t}_{j,k}^{\mathrm{d}\mathrm{a}\mathrm{i}}$

和

${t}_{j,k}^{\mathrm{e}\mathrm{m}\mathrm{e}\mathrm{r}}$

分别为第j个医护人员在第k个班次的值班时间、日常治疗时间、紧急抢救时间,s;α₁、α₂、α₃∈[0,1]分别为值班、日常治疗、紧急抢救的工作量换算系数,s^-1。

(3)物资平均拿取时间。物资平均拿取时间指医护人员进入紧急抢救流程后从当前位置前往洁库拿取物资并赶往病人处开始急救的平均耗费时间,如式(10)所示。

(10)U=$\frac{1}{R}\stackrel{{N}_{2}}{\sum _{j=1}}$u_j

式(10)中:U为物资平均拿取时间,s;u_j为第j个医护人员的物资拿取时间,s。

(4)医护人员平均移动距离。医护人员平均移动距离指每床日病人救治导致医护人员产生的平均移动距离,如式(11)、式(12)所示。

(11)D=$\frac{1}{B}\stackrel{{N}_{2}}{\sum _{j=1}}$d_j

(12)B=$\stackrel{{N}_{1}}{\sum _{i=1}}$b_i

式中:D为医护人员平均移动距离,m;B为所有病人的总床日数,床·d;d_j为第j个医护人员的移动距离,m;b_i为第i个病人的住院时间,d。

1.4.2 救治效率评价方法

熵权TOPSIS法是一种客观评价方法,适合解决有限方案多目标决策问题。涉及多种床位分配方案的多指标评价决策采用熵权TOPSIS法可避免主观方法带来的干扰,并基于指标自身的信息量与分配方案间的差距进行决策。

步骤1 熵权法计算指标权重及加权后指标值。将m个床位分配方案的n个指标值记为初始评价矩阵X=(x_ij)_m×n。对矩阵X中元素进行标准化得到矩阵X'。基于标准化后数据,计算第j个指标的熵值e_j及其权重w_j,如式(13)~式(15)所示。基于标准化后矩阵X'及指标权重向量w,计算加权后数据,记为矩阵Z。

(13)p_ij=x'_ij

$/\stackrel{m}{\sum _{i=1}}x\text{'}{\mathrm{ }}_{ij}$

(14)e_j=-$\frac{1}{\mathrm{l}\mathrm{n}m}\stackrel{m}{\sum _{i=1}}$p_ijlnp_ij

(15)w_j=(1-e_j)$/\stackrel{n}{\sum _{j=1}}(1-{e}_{j})$

步骤2 TOPSIS法计算综合各指标后的理想方案。基于加权评价矩阵Z,得到各指标下最优解为Z⁺=(maxZ_i₁,maxZ_i₂,…,maxZ_in),最劣解为Z^-=(minZ_i₁,minZ_i₂,…,minZ_in)。计算第i个评价方案到Z⁺、Z^-的距离

${D}_{i}^{+}$

、

${D}_{i}^{-}$

,如式(16)、式(17)所示。第i个评价方案与最优解的接近程度C_i如式(18)所示(0≤C_i≤1),C_i越大,方案越接近最优解,该方案为最优方案。

(16)${D}_{i}^{+}$=$\sqrt{\stackrel{n}{\sum _{j=1}}({z}_{j}^{+}-{z}_{ij}{)}^{2}}$

(17)${D}_{i}^{-}$=$\sqrt{\stackrel{n}{\sum _{j=1}}({z}_{j}^{-}-{z}_{ij}{)}^{2}}$

(18)C_i=${D}_{i}^{-}$/(${D}_{i}^{+}$+${D}_{i}^{-}$)

2 救治系统仿真模型

基于AnyLogic仿真平台开展ICU救治系统建模与仿真。AnyLogic是一款灵活的多方法仿真软件,能够无缝集成ABM方法和DES方法,符合本文研究的建模仿真需求。

2.1 混合建模方法

基于ABMS-DES混合建模方法建立ICU救治系统仿真模型,如图4所示。采用ABM方法对ICU救治系统活动实体的属性和行为建模,表达活动实体的行为异质性;采用DES方法对ICU救治系统流程和流程中Agent交互机制建模,并结合多智能体模型对活动实体的空间移动特征进行模拟。

多智能体仿真模型和离散事件仿真模型基于AnyLogic仿真平台的内置函数send(“消息”,智能体)集成。在混合仿真模型中,智能体状态变化触发和推动离散事件,离散事件影响智能体属性和行为。

2.2 多智能体仿真模型

基于ABM方法建立多智能体仿真模型,将ICU救治系统中活动实体定义为Agent,包括病人Agent、医生Agent、护士Agent、药品Agent和仪器Agent。

2.2.1 病人Agent

1)病人Agent属性

所建立多智能体仿真模型中病人Agent属性如表2所示。

2)病人Agent行为

根据正常、紧急两种病人状态,以及病人Agent和其他活动实体间的交互机制,对两种状态进行细分,构建病人状态图,如图5所示。

2.2.2 医护人员Agent

医护人员Agent包括医生Agent和护士Agent。

1)医护人员Agent属性

所建立多智能体仿真模型中医护人员Agent属性如表3所示。

2)医护人员Agent行为

根据上班和下班两种医护人员状态,以及病人Agent和医护人员Agent的交互流程,对两种状态进行细分,构建医护人员状态图。以护士为例,其状态图如图6所示。

2.2.3 物资Agent

物资Agent包括药品Agent和仪器Agent。

1)物资Agent属性

所建立多智能体仿真模型中物资Agent属性如表4所示。

2)物资Agent行为

基于药品和仪器状态划分,构建物资Agent状态图,如图7所示。

2.3 离散事件仿真模型

采用DES方法对系统流程和流程中Agent交互机制建模。所构建的离散事件仿真模型使用AnyLogic仿真平台流程建模库模块对救治系统流程中各离散事件进行模块化建模。针对救治实施流程中Agent交互机制的建模结果进行分析。

2.3.1 日常治疗流程

日常治疗流程包括临床诊疗和医疗护理。以医疗护理流程为例,其建模结果如图8所示。护士Agent接收病人Agent传递的日常治疗消息后,从流程入口进入医疗护理流程,按照逻辑流程模块顺序完成对应离散事件。护士Agent完成医疗护理后,根据当前状态从对应出口离开流程。

2.3.2 紧急抢救流程

紧急抢救流程包括一医一护抢救、一医二护抢救和一医三护抢救,具体采用的急救方案由系统根据处于值班状态的医护人员Agent数量制定。

以护士为例,其参与紧急抢救流程建模结果如图9所示。护士Agent接收病人Agent传递的紧急抢救消息后,根据消息中病人身份标识和抢救任务从对应流程入口进入紧急抢救流程,按照逻辑流程模块顺序完成对应离散事件。护士Agent完成紧急抢救后,根据当前状态从对应出口离开流程。

3 救治模拟与实验分析

3.1 仿真场景

选取武汉大学人民医院重症医学Ⅰ科作为案例背景,选取该科所在ICU平面为仿真场景,如图10所示。该ICU为综合性ICU,共有40张床位。由病房与辅助用房的相对位置关系可知,其空间布局形式为双面式。设定初始病人入住率为12.5%,医护人员移动速度为1.2 m/s。

针对突发公共事件产生伤病员到达ICU的时间规律,设定突发公共事件下4类病人到达模式,如表5所示。为确保仿真结果可靠,每组实验重复仿真10次,结果取算数平均值。

3.2 床位分配策略

常规病人床位分配策略包括病人自集中策略和向护士站集中策略,分别按照到已有病人距离最短和到护士站距离最短的床位分配目标进行分配。两种策略中,前者方便ICU管理,可减少医护人员在不同病人间的移动成本;后者可保证护士对病人病情变化进行较快干预。同时,引入急诊科分区管理策略,设定4种床位分配方案,如表6所示。

各方案中距离测量和分区的实现方法如下。

(1)距离指沿ICU交通网络的最短距离。使用ArcMap软件,基于ICU交通走廊构建网络数据集,并运算OD成本矩阵,即可依据ICU交通走廊间拓扑关系,计算起讫点间沿网络最短距离矩阵。

(2)分区即分区管理。针对病房空间区域,首先按照ICU自然空间分隔(如墙壁、走廊等)将病房区域划分为空间分区单元。随后根据各单元到护士站的距离由近及远,将病房区域划分为极危区、危重区和重症区,分别收治对应级别病人,设定3个分区床位数量为1∶1∶1。

3.3 策略对比分析

基于仿真场景和床位分配策略,构建4种病人床位分配方案。为降低模型复杂性,不考虑收治传染病人情况并忽略负压隔离病房。分区管理策略的空间分区单元划分和病房分区结果如图11所示,重症区、危重区和极危区的床位比例为11∶13∶14。

病人到达模式为短期少量时的仿真结果如图12所示。分区策略增加了病人床位之间的交通成本,导致病人平均等待时间、医护人员平均工作量及其不必要移动增加。因此在病人、医护人员和空间3个维度上无分区方案优于分区方案。分区策略使危重病人床位到洁库的交通成本降低,因此在物资维度上,分区方案优于无分区方案。采用各评价维度优势更大的无分区方案时,病人自集中策略使病人优先在远离洁库的大厅A入住,导致病人床位到洁库的交通成本增加,因此在物资维度上向护士站集中方案优于病人自集中方案。

病人到达模式为短期大量时仿真结果如图13所示,无分区方案和分区方案在各维度上的表现与短期少量病人到达模式结果相同。采用各评价维度优势更大的无分区方案时,大量不同病情病人混合进入ICU,病人自集中方案使极危病人床位接近护士站和医生办公室,因此在病人维度上病人自集中方案优于向护士站集中方案。

病人到达模式为长期少量时的仿真结果如图14所示,各方案在病人和医护人员维度表现相近。分区方案使危重病人床位到洁库的交通成本降低,因此物资维度上分区方案优于无分区方案。同时,无分区方案和集中方案降低了医护人员在少量病人间的移动成本,因此在空间维度上无分区方案优于分区方案,病人自集中方案优于向护士站集中方案。

病人到达模式为长期大量时的仿真结果如图15所示,在所有病人进入ICU后各指标的表现逐渐稳定。各方案在医护人员维度表现相近。分区策略保证大量极危病人接近护士站,护士能够对其病情恶化及时反应,因此在病人维度上分区方案优于无分区方案。分区策略使危重病人接近洁库,因此在物资维度上分区方案优于无分区方案。空间维度上,无分区方案优于分区方案,随时间推移,两种方案结果呈现趋同趋势。

4种方案在不同指标维度下各有优劣,采用熵权TOPSIS法综合各指标计算最优方案。以仿真时间内的指标平均值作为该指标结果,构建4种床位分配方案和4个评价指标的决策矩阵。

各病人到达模式下评价指标权重如表7所示,4种病人达到模式下物资平均拿取时间权重最高,说明各方案在物资维度上的表现差异最大,物资平均拿取时间在评价体系中更重要。

各病人到达模式下4种方案的相对接近度如表8所示,短期少量和短期大量病人到达模式下,无分区病人自集中为最优方案;长期少量病人到达模式下,无分区向护士站集中为最优方案;长期大量病人到达模式下,分区向护士站集中为最优方案。分区策略仅在长期大量病人到达模式下提升ICU救治效率。

4 结论

以ICU救治系统为研究对象,采用ABM-DES混合方法建立救治系统仿真模型,引入急诊科分区管理策略,研究病人床位分配策略提升ICU救治效率的效果。主要结论如下。

(1)相比传统的基于DES的医疗机构仿真模型,ABM-DES混合仿真模型能够兼顾ICU救治系统的流程逻辑及实体行为异质性,并模拟活动实体空间移动特征,从而为多维度评价ICU救治效率提供坚实基础。

(2)根据病人到达模式选择合适床位分配方案可显著提升ICU救治效率。分区管理策略仅在长期大量病人到达模式下提升ICU救治效率。

(3)所提病人床位分配策略相比其他应急措施,无需耗费大量人力物力,仅依赖管理能力提升即可快速响应突发公共事件,具有一定应用价值。

本文研究仅针对病房与辅助用房空间相对关系为双面式布局的ICU,针对其他规模和空间布局形式ICU的结论仍需进一步验证和推广。

参考文献

原文顺序 | 出版日期 | 本文引用

[1]	于凯江, 马晓春, 方强, 等. 中国重症加强治疗病房建设与管理指南(2006)[J]. 中华外科杂志, 2006, 44(17): 1156-1157.

[2]	Yu Kaijiang, Ma Xiaochun, Fang Qiang, et al. Guidelines for the construction and management of intensive care units in China(2006)[J]. Chinese Journal of Surgery, 2006, 44(17): 1156-1157.

[3]	Sellers D, Hughes L, Crilly J, et al. Practical considerations of implementing disaster crisis standards of care in the intensive care unit: a scoping review[J]. International Journal of Disaster Risk Reduction, 2024, 105: 104412.

[4]	Mehrolhassani M H, Behzadi A, Asadipour E. Key performance indicators in emergency department simulation: a scoping review[J]. Scandinavian Journal of Trauma Resuscitation & Emergency Medicine, 2025, 33(1): 15.

[5]	Golazad S, Heravi G, Aminshokravi A, et al. Integrating GIS, agent-based, and discrete event simulation to evaluate patient distribution policies for enhancing urban healthcare access network resilience[J]. Sustainable Cities and Society, 2024, 111: 105559.

[6]	Basaglia A, Spacone E, van de Lindt J W, et al. A discrete-event simulation model of hospital patient flow following major earthquakes[J]. International Journal of Disaster Risk Reduction, 2022, 71: 102825.

[7]	Terning G, El-Thalji I, Brun E C. The impact of patient infection rate on emergency department patient flow: hybrid simulation study in a Norwegian case[J]. Healthcare, 2023, 11(13): 1904.

[8]	Goncalves P, Ferrari P, Crivelli L, et al. Model-informed health system reorganization during emergencies[J]. Production and Operations Management, 2023, 32(5): 1323-1344.

[9]	Mistarihi M Z Z, Al-Tahat M D D, Al-Nimer S H H. Improving process efficiency at pediatric hospital emergency department using an integrated six-sigma simulation methodology[J]. Processes, 2023, 11(2): 399.

[10]	Rehman A U, Usmani Y S, Mian S H, et al. Simulation and goal programming approach to improve public hospital emergency department resource allocation[J]. Systems, 2023, 11(9): 467.

[11]	Romani G P, Blowes K, Hutt C M. Evaluating post-earthquake functionality and surge capacity of hospital emergency departments using discrete event simulation[J]. Earthquake Spectra, 2023, 39(1): 402-433.

[12]	Siegfried R. 基于Agent的复杂系统建模仿真框架[M]. 肖刚, 韩君妹, 张洋铭, 译. 北京: 国防工业出版社, 2020.

[13]	Siegfried R. Agent-based modeling and simulation framework for complex systems[M]. Xiao Gang, Han Junmei, Zhang Yangming, et al, Translated. Beijing: National Defense Industry Press, 2020.

[14]	罗治洪, 李婷. 数据驱动下应急医疗物资需求预测及物流选址-分配优化[J]. 控制与决策, 2024, 39(9): 3117-3125.

[15]	Luo Zhihong, Li Ting. Data-driven demand forecast for emergency medical supplies and logistics location-allocation optimization[J]. Control and Decision, 2024, 39(9): 3117-3125.

[16]	Chang K H, Chen T L, Yang F H, et al. Simulation optimization for stochastic casualty collection point location and resource allocation problem in a mass casualty incident[J]. European Journal of Operational Research, 2023, 309(3): 1237-1262.

[17]	罗振敏, 齐柯, 程方明. 应急物资储备库选址及调运模型研究综述[J]. 科学技术与工程, 2022, 22(19): 8177-8186.

[18]	Luo Zhenmin, Qi Ke, Cheng Fangming. Review on site selection and transportation model of emergency material[J]. Science Technology and Engineering, 2022, 22(19): 8177-8186.

[19]	Kim J K. Enhancing patient flow in emergency departments: a machine learning and simulation-based resource scheduling approach[J]. Applied Sciences-Basel, 2024, 14(10): 4264.

[20]	魏孝文, 王杜娟, 邱华昕, 等. 基于常态运作与应急保障的医药物资集散点选址-配送优化研究[J]. 运筹与管理, 2025, 34(5): 9-15.

[21]	Wei Xiaowen, Wang Dujuan, Qiu Huaxin, et al. Location-routing optimization of medical material distribution points from the perspective of epidemic prevention and emergency guarantee[J]. Operations Research and Management Science, 2025, 34(5): 9-15.

[22]	帅春燕, 殷奇, 张小七, 等. 封闭管理环境下的应急生活物资发放选址优化[J]. 科学技术与工程, 2025, 25(15): 6368-6377.

[23]	Shuai Chunyan, Yin Qi, Zhang Xiaoqi, et al. Optimization of emergency living supplies location selection in closed management environment[J]. Science Technology and Engineering, 2025, 25(15): 6368-6377.

[24]	Liu M, Zhu X X, Lian J X. A novel epidemic-logistics optimization model for Fangcang hospital allocation with fairness consideration[J]. Expert Systems with Applications, 2025, 276: 127143.

[25]	夏宇曦, 陈吴康, 徐昕晔, 等. 基于4S理论的三级综合医院重症医疗资源扩容机制探索[J]. 中国医院管理, 2023, 43(6): 34-37.

[26]	Xia Yuxi, Chen Wukang, Xu Xinye, et al. Exploration on the mechanism of the critical medical resources expansion in a tertiary general hospital based on the Four S’s Theory[J]. Chinese Hospital Management, 2023, 43(6): 34-37.

[27]	急诊预检分诊专家共识组. 急诊预检分诊专家共识[J]. 中华急诊医学杂志, 2018, 27(6): 599-604.

[28]	Emergency Triage Expert Consensus Group. Expert consensus on emergency pre-examination triage[J]. Chinese Journal of Emergency Medicine, 2018, 27(6): 599-604.

[29]	Post E R, Sethi R, Adeniji A A, et al. A multisite investigation of areas for improvement in COVID-19 surge capacity management[J]. Health Security, 2023, 21(5): 333-340.

[30]	Rednor S, Eisen L A, Perren Cobb J, et al. Critical care response during the COVID-19 pandemic[J]. Critical Care Clinics, 2022, 38(3): 623-637.

[31]	王海鑫, 康正, 吴群红, 等. 基于重大突发公共卫生事件应对的医院医疗浪涌能力建设研究[J]. 中国医院管理, 2021, 41(3): 30-34.

[32]	Wang Haixin, Kang Zheng, Wu Qunhong, et al. Research on hospital medical surge capacity construction based on major public health emergencies[J]. Chinese Hospital Management, 2021, 41(3): 30-34.

[33]	康小丽, 杨玲, 朱迪, 等. 基层医院ICU病房责任分组护理管理模式的构建与实践[J]. 护理学杂志, 2022, 37(12): 54-56.

[34]	Kang Xiaoli, Yang Ling, Zhu Di, et al. Construction and practice of ICU responsibility-bound group-based management model in primary hospital[J]. Journal of Nursing Science, 2022, 37(12): 54-56.

[35]	中华人民共和国国家卫生健康委办公厅. 重症医学专业医疗质量控制指标(2024年版)[EB/OL]. (2024-09-12)[2025-04-01]. https://www.gov.cn/zhengce/zhengceku/202409/content_6975963.htm.

[36]	Office of the National Health Commission of the People’s Republic of China. Critical Care Medicine Professional Medical Quality Control Indicators (2024 Edition)[EB/OL]. (2024-09-12)[2025-04-01]. https://www.gov.cn/zhengce/zhengceku/202409/content_6975963.htm.

[37]	Thompson D R, Hamilton D K, Cadenhead C D, et al. Guidelines for intensive care unit design[J]. Critical Care Medicine, 2012, 40(5): 1586-1600.

[38]	Khanna A K, Labeau S O, Mccartney K, et al. International variation in length of stay in intensive care units and the impact of patient-to-nurse ratios[J]. Intensive and Critical Care Nursing, 2022, 72: 103265.

[39]	Hadi V, Khosroshahi R A, Imani H, et al. Impact of early versus delayed enteral nutrition on ICU outcomes: a comparative study on mortality, ventilator dependence, and length of stay[J]. European Journal of Medical Research, 2025, 30(1): 315.

[40]	刘红海, 王巍. 基于离散事件模拟模型的武汉市某三甲医院皮肤科普通门诊分时段预约诊疗号源分配研究[J]. 医学与社会, 2024, 37(4): 104-109, 115.

[41]	Liu Honghai, Wang Wei. Study on time-slot appointment capacity allocation in general outpatient dermatology department of a grade-A tertiary hospital in Wuhan based on discrete event simulation model[J]. Medicine and Society, 2024, 37(4): 104-109, 115.

[42]	熊杰, 黄素芳, 刘伟权. APACHEⅡ评分在ICU分级护理中的应用[J]. 护理学杂志, 2010, 25(13): 16-18.

[43]	Xiong Jie, Huang Sufang, Liu Weiquan, et al. Use of APACHE Ⅱ scoring in grading nursing care in ICU[J]. Journal of Nursing Science, 2010, 25(13): 16-18.

基金资助

武汉大学人民医院交叉创新人才项目(JCRCYG-2022-005)

PDF (14262KB)

访问

被引

详细

导航

Received	Published	Revised
2025-04-18	2026-02-18	2025-11-18
Online Date
2026-05-27

摘要