推文作者：李舒湉
编者按
本文归纳整理了近期INFORMS Journal on Applied Analytics中的相关业界合作研究。 这些研究成果体现了运筹学在医疗健康领域实践的效果。文中的学术+业界合作使用了不同的研究工具。第一篇文章使用仿真模型帮助诊所进行不同拥挤程度下诊所使用效率和服务质量间的关系，帮助优化诊所运营策略。第二和第三篇使用（混合）整数规划优化长期护理机构的菜单设计或人员调度。模型的结果体现出运筹学模型在医疗领域应用仍有较大的潜力和使用效果。
仿真+诊所运营
1. A Simulation Study for a Safe Reopening and Operation of the Trager Institute Optimal Aging Clinic During the COVID-19 Pandemic (https://pubsonline.informs.org/doi/10.1287/inte.2022.0032)
Reference: Sadri, Shahab, et al. "A Simulation Study for a Safe Reopening and Operation of the Trager Institute Optimal Aging Clinic During the COVID-19 Pandemic." INFORMS Journal on Applied Analytics (2023).
摘要：作者使用AnyLogic开发了一个离散事件仿真模型（Discrete-Event Simulation Model)，以帮助位于肯塔基州路易斯维尔的Trager诊所确定COVID-19大流行期间的安全重新开放策略及COVID-19后的运营策略。该模型研究了多个人群的移动（例如，医疗提供者、导航员、患者、员工）以及诊所主要和辅助服务的运营。主要目标是确保在COVID-19限制措施实施期间诊所的安全运营，最大可能的提高诊所利用率。该模型模拟了诊所内人员的移动（例如，员工开会，午餐，使用卫生间等），监控了四个常见区域（诊所内的主要楼道、地下走廊、楼梯和电梯）的拥堵程度，并识别了一天中的高峰时段。与现有的其他模型不同，本文提出的仿真模型还考虑了超额预订(Overbook)和远程医疗(Telemedicine)。作者考虑不同的远程医疗和超额预定情况，进行了10种不同情景的仿真实验，对所有情景的比较基于利用率和患者平均等待时间两个标准进行，最终，作者通过帕累托曲线方便诊所管理者进行明智决策。
混合整数规划+菜单设计
2. Menu Engineering for Continuing Care Senior Living Facilities with Captive Dining Patrons (https://pubsonline.informs.org/doi/abs/10.1287/inte.2022.1140)
Reference: Kulturel-Konak, Sadan, et al. "Menu engineering for continuing care senior living facilities with captive dining patrons." INFORMS Journal on Applied Analytics 53.3 (2023): 218-239.
摘要：长期护理设施（Continuing Care Facilities)的食物菜单制定是一个涉及到多个利益相关方的复杂决策问题，需要同时兼顾（1）食物营养（2）顾客喜好（3）运营成本等多方面的要求。作者建立了一个混合整数线性规划来解决这个复杂、庞大和多目标优化问题。研究者采访了多个利益相关方，确定了他们的目标和约束。模型的决策包括以下几个方面：（1）确定某日的餐食中包含的食物（2）确定不同饮食类型中的每日菜单（3）每日营养摄入量的偏差 。模型的约束考虑了包括服务机构的供应能力，营养需求（每个种类的食品的每日最低/最高摄入剂量）和菜单的多样性等。在求解这个混合整数规划的过程中，作者使用了一个启发式方法（an iterative greedy heuristic）加快求解效率。
混合整数规划+护士排班
3. Optimization Helps Scheduling Nursing Staff at the Long-Term Care Homes of the City of Toronto (https://pubsonline.informs.org/doi/abs/10.1287/inte.2022.1132)
Reference: Anderson, Manion, et al. "Optimization helps scheduling nursing staff at the long-term care homes of the city of Toronto." INFORMS Journal on Applied Analytics 53.2 (2023): 133-154.
摘要：研究者与多伦多市长期护理和服务部门合作，（LTCH&S），开发了一种基于电子表格的排班工具来优化护士排班。具体而言，作者设计了一个分层优化模型 ，在最大化满足需求的同时生成一个护士偏好分数最高的可行排班方案。具体来说， 作者使用整数规划来解决护士排班问题。模型的目标函数是（1）最大化满足护士偏好（2）最大化满足长期护理机构的人员需求；模型的约束主要包括护士的时间可行性，护士的工作时间限制等。模型的求解过程主要分为三个阶段，第一和第二阶段分别求解两个目标函数不同的整数规划模型，第三阶段使用一个启发式方法来生成可行解。基于所提出模型开发的排班工具在多伦多的一家具有391张床位的长期护理机构中得到了实施。与传统的手工方法相比，该工具允许护理经理在短短几分钟内生成可行的排班，而传统方法可能需要数十个小时。此外，这些排班成功考虑了护士的偏好，平均而言，分配的班次中有超过94%被评为最喜欢的班次。
参考文献
-
Sadri, Shahab, et al. "A Simulation Study for a Safe Reopening and Operation of the Trager Institute Optimal Aging Clinic During the COVID-19 Pandemic." INFORMS Journal on Applied Analytics (2023).
-
Kulturel-Konak, Sadan, et al. "Menu engineering for continuing care senior living facilities with captive dining patrons." INFORMS Journal on Applied Analytics 53.3 (2023): 218-239.
-
Anderson, Manion, et al. "Optimization helps scheduling nursing staff at the long-term care homes of the city of Toronto." INFORMS Journal on Applied Analytics 53.2 (2023): 133-154.
