医疗专业人员需要使用可以对新技术或干预措施进行计划、测试和评估的工具进行辅助决策。医疗保健所涉及的复杂结构、相互作用和过程,使变革和创新成为一项持续的挑战。来自DWH仿真服务公司的Patrick Einzinger和维也纳工业大学的Christoph Urach与奥地利社会保险协会(AASI)合作,对公共数据进行分析,以便在未来做出关键的决策。
AASI收集了医疗服务提供者报销后的常规护理数据,包括处方药、提供的服务和诊断。典型的统计学和数学建模被认为是分析数据的工具,为了保证大量数据的充分利用所以选择了仿真的方法,从而提高了分析和结果的准确性。此外,AnyLogic还支持多方法建模。所建立的模型包括一个基于智能体的壁外医疗中多种报销方案的仿真,一个小组实践结果的系统动力学模型,以及一个用于腹主动脉瘤筛查(AAA)健康技术评估的微观仿真模型。
由于AASI目前的报销系统为医生单次报销服务,患者可能会接受不必要的程序。AASI正在考虑其他报销制度,如每次就诊、每次发病或每次护理,但在实施任何更改之前,必须对这些选项进行测试,以了解拟议报销制度所将会产生的影响。
顾问们使用AnyLogic仿真建模软件建立了一个模型,其中包括病人、医疗问题、医疗提供者、医疗服务和报销类型的数据导入。选择AnyLogic的原因在于其基于智能体的功能,该功能允许将模型分为大量的子组合并输入不同的参数,这与自上而下的方法不同,因为有必要将患者人群进行分组。在AnyLogic中,智能体只是具有决定子组和参数的属性。然后,通过多次仿真,可以得出每个报销系统的结果。
由于要考虑的疾病数量众多,不可能对每一种疾病进行广泛的文献检索和专家意见收集。所使用的方法说明了对常规医疗数据的分析,如何作为复杂而全面的模型结构的输入,因为这些数据可提供疾病的准确患病率和发病率。尽管假设对于研究的某些部分(即治疗途径)是有必要的,但选择最佳的服务组合提供者也会产生合理可信的结果。
该模型不仅可用于比较报销系统,还可用于测试假设,因为由于逻辑上固有的影响在仿真中会很快显示出来,但通常不会直接或立即变得明显,这将有助于制定新的报销系统。
AASI想知道不同专业的医生实施小组实践的效果,例如肺科医生和内科医生。由于病例数、咨询数和个人服务的复杂性,小组实践变得很复杂,根据医生的不同,可能会得到不同的报销结果。医生会根据他们的工作量和薪水增加或减少所提供服务的数量吗?小组实践的行为与作为单一实践的医生有何不同?
为了使AASI能够深入了解,顾问们使用AnyLogic仿真建模软件开发了一个系统动力学模型,其中几乎每个变量都是由4组医生(单次执业肺科医生、单次执业内科医生、组次执业肺科医生和组次执业内科医生)组成的数组变量。该模型的输入值包括固定参数(数据分析、OOEGKK和内科/肺科医生)的战略假设,并假设转诊和新病例的数量会增加。
该模型的参数已提交给AASI进行仿真,但由于隐私策略的原因,DWH无法查看结果。仿真的结果包括支付的总费用、案件数量、咨询次数、特别服务次数、双重服务次数和每个案件的价值。该模型还允许AASI更改输入变量并运行多个方案。
腹主动脉瘤(AAA)在65岁以上奥地利男性中很突出。如果被发现在早期,破裂的发生率和风险会显著降低,而在晚期发现,则需要进行昂贵和危险的手术。超声检查用于AAA的早期检测,无创且费用适中。
AASI雇用DWH来查明以下情况:
顾问使用AnyLogic软件中基于智能体的建模方法,对每个人的动脉诊疗进行建模,其直径增长取决于年龄、性别、吸烟习惯、病史和其他疾病。 此外,他们对多种筛选策略进行了仿真,以找到最佳解决方案。
如果对大约40%的人口实行65岁以上的定期筛查,死亡率将下降约三分之一。还考虑采取其他措施防止AAA。例如,将奥地利人口中的吸烟者数量从38%减少到20%,会减少AAA的数量,这与实施定期筛查过程中看到的减少相似。
它的模块化设计允许整合有关AAA的其他知识,以便在短时间内进一步分析和评估筛查策略或其他干预措施,并且疾病进展模块可以在不改变整个模型结构的情况下进行调整。
由于时间、逻辑、伦理或其他原因,对患者进行如此大规模的研究通常是不可能的。利用仿真模型可以洞悉干预措施可能产生的后果,这些结果可为医疗决策者提供决策帮助,此外,该设计还可用于评估其他进展相似的疾病。