طراحي شبكه درماني چند‌خدمتي با فرض رفتار انتخابي بيماران و جابه‌جايي بين خدمات

A Modeling Framework for the Design of Multi-Service Healthcare Network Assuming Patients' Choice Behavior

يكي از مهم‌ترين برنامه‌هاي استراتژيك نظام سلامت هر كشور، طراحي مناسب سيستم درماني است. در اين پژوهش مسئله توسعه و احداث مراكز درماني چند‌خدمتي با وجود تقاضا و مدت زمان خدمت‌رساني احتمالي بررسي مي‌شود. به اين منظور خدمات ارائه شده توسط مراكز به دو دسته خدمات عادي و اورژانسي تقسيم‌بندي شده و فرض استفاده از چند نوع خدمت در هر بار مراجعه بيماران با تشكيل شبكه صف در مراكز درماني لحاظ شده‌است. همچنين ترجيح بيماران براي مراجعه به مراكز درماني با توجه به زمان سفر بيماران به اين مراكز كه بيانگر ميزان دسترسي آنان است، اندازه‌گيري شده‌است. هدف مدل عدد صحيح مختلط ارائه‌شده، كمينه‌سازي زمان‌هاي سفر بيماران بين مناطق تقاضا و مراكز درماني براي خدمات اورژانسي، زمان‌هاي سفر بين مراكز درماني براي هر دو دسته خدمات و مجموع نرخ‌هاي مراجعه‌ي بيش از استاندارد تعيين‌شده براي خدمات است. براي حل ابعاد متوسط و بزرگ مدل، يك الگوريتم ابتكاري طراحي ‌شده‌است. بر پايه نتايج به‌دست‌آمده، الگوريتم ابتكاري داراي عملكرد قابل‌قبولي براي حل مدل ارايه‌شده است. با استفاده از نتايج مدل پيشنهادي مي‌توان الگو و نرخ‌هاي مراجعه بيماران به خدمات درماني را پيش‌بيني و در مكان‌يابي مناسب خدمات درماني با تعداد مناسب خدمت‌دهنده به‌كار برد.

Efficient location of medical services is an essential decision in healthcare strategic planning. In this research, we have developed a mathematical model for the location of multi-service health centers assuming probabilistic demand and service time. Since patients may be referred to another service after receiving a service by doctors' order, health system is considered as Jackson queue network. Patients' utility to choose health centers is measured by the travel time between demand areas and health centers and number of services provided in a center. The goal of the proposed mixed integer programming model is to maximize patients' accessibility to medical services and to minimize the weighted sum of undesired deviations from standard arrival rates at service stations. In order to solve the large problems, a heuristic is developed. According to the results, the heuristic has an acceptable performance to solve the proposed model. Using this model, we can predict patients' choice pattern and their arrival rates at medical services and so we can provide suitable services in well-located health centers with appropriate number of servers.