Conception et pilotage de flux d’un réseau de soins stochastique sans attente : Application à la périnatalité

Design and flow control of stochastic health care networks without waiting rooms : A perinatal application

• Auteur / Autrice : Canan Pehlivan
• Direction : Xiaolan Xie
• Type : Thèse de doctorat
• Discipline(s) : Génie Industriel
• Date : Soutenance le 23/01/2014
• Etablissement(s) : Saint-Etienne, EMSE
• Ecole(s) doctorale(s) : ED SIS 488
• Jury : Président / Présidente : Sylvie Norre
• Jury : Examinateurs / Examinatrices : Xiaolan Xie, Sylvie Norre, Gerhardus Martinus Koole, Christian Tahon, Jean-Philippe Gayon, Vincent Augusto
• Jury : Rapporteurs / Rapporteuses : Gerhardus Martinus Koole, Christian Tahon

Mots clés

Mots clés contrôlés

Simulation, Méthodes de

Hôpitaux -- Services de gynécologie et maternité

Accouchement prématuré

Urgences en obstétrique

Processus stochastiques

Mots clés libres

Réseau de soins stochastique

Probabilité de transfert

Probabilité de rejet

Réseaux de périnatalité

Planification de la capacité et localisation

L’évaluation de performance

Politiques de pilotage d’admission optimales

Simulation multi-agents et événements discrets

Stochastic Healthcare Network

Overflow

Rejection

Perinatal Network

Performance evaluation

Admission Control Policies

Location and capacity Planning

Résumé

Cette thèse porte sur l’étude d’un réseau de soins hiérarchique stochastique avec rejet où les patients sont transférés lorsque la capacité de l’hôpital d’accueil n’est pas suffisante. Les patients sont alors redirigés vers un autre hôpital, ou hors du réseau. Une application concrète sur les réseaux de périnatalité est proposée, et nous avons identifié plusieurs verrous scientifiques fondamentaux d’un point de vue stratégique et opérationnel. Dans la partie stratégique, nous nous sommes intéressés à un problème de planification de capacité dans le réseau. Nous avons développé un modèle de localisation et de dimensionnement non-linéaire qui tient compte de la nature stochastique du système. La linéarisation du modèle permet de résoudre des problèmes de taille réelle en temps raisonnable. Nous avons développé dans un second temps de nouvelles méthodologies d’approximation permettant d’évaluer la performance du réseau en termes de probabilité de rejet et de transfert entre hôpitaux. Dans la partie opérationnelle, nous avons étudié des politiques de pilotage d’admission optimales pour différentes tailles de réseaux de manière utiliser au mieux les ressources hospitalières. Finalement, nous avons construit un modèle de simulation couplant multi-agents et événements discrets permettant la validation des résultats précédents et l’évaluation de performance du système de manière réaliste.

In this thesis, by being motivated from the challenges in perinatal networks, we address design, evaluation and flow control of a stochastic healthcare network where there exist multiple levels of hospitals and different types of patients. Patients are supposed urgent; thus they can be rejected and overflow to another facility in the same network if no service capacity is available at their arrival. Rejection of patients due to the lack of service capacity is the common phenomenon in overflow networks. We approach the problem from both strategic and operational perspectives. In strategic part, we address a location & capacity planning problem for adjusting the network to better meet demographic changes. In operational part, we study the optimal patient admission control policies to increase flexibility in allocation of resources and improve the control of patient flow in the network. Finally, in order to evaluate the performance of the network, we develop new approximation methodologies that estimate the rejection probabilities in each hospital for each arriving patient group, thus the overflow probabilities among hospitals. Furthermore, an agent-based discrete-event simulation model is constructed to adequately represent our main applicationarea: Nord Hauts-de-Seine Perinatal Network. The simulation model is used to evaluate the performance of the complex network and more importantly evaluate the strength of the optimal results of our analytical models. The developed methodologies in this thesis are combined in a decision support tool, foreseen under the project “COVER”, which aims to assist health system managers to effectively plan strategic and operational decisions of a healthcare network and evaluate the performance of their decisions.