本
文
摘
要
患者根据病情的严重程度进行分类，并根据医疗机构的诊疗能力进行分级。在大规模流行期间，当地医疗系统将经历大量患者涌入，其规模往往超出其能力，导致诸如挤出区域医疗资源等问题。重大疫情发生后，医疗需求激增，医院资源负担加重。
在此，霍尔斯智库专家指出，治疗未分类的患者往往需要过多的医疗资源，导致额外的医疗和社会问题。通过对患者和医疗资源进行分类，将患者分流到不同级别的医疗机构进行治疗，可以提高医疗激增能力。因此，当患者数量远远超出医疗系统的能力时，需要分诊原则来匹配患者与有效的医疗资源。分级诊疗是指将不同病情的患者转入相应的医疗机构进行治疗。
根据患者病情和医疗机构的治疗能力，开发一种有效的分级和分诊模型。该模型将优化患者与医疗资源的匹配度，减少医疗资源的枯竭，确定医疗网络中患者配置和医疗资源扩展的可行方案。
这项研究工作的贡献可归纳如下：
为医疗管理者提供了患者配置和医疗资源扩展方案，以将有限的医院资源分配给感染患者，并优化其重大疫情下的匹配程度。
本文将根据分级诊疗的概念，将患者与合适的医疗机构相匹配。考虑患者病情的严重程度、医疗机构的治疗能力以及不同类型患者所需的资源。
用于诊断和治疗的分层患者分配模型是通用的，可以针对不同的流行病或医疗结构进行调整。
相关研究可分为三大类：重大疫情下的患者配置、分级诊疗、医疗配置建模与仿真优化。
与重大大流行相关的研究涵盖范围很广，包括疫苗开发、流行病预测和缓解策略。后者是一个重要的研究领域，包括隔离、防护、预防和控制、疫苗接种。在发生大型突发公共卫生事件时，合理分配患者是重要的缓解策略。已有多项研究纳入了地震、飓风和其他灾害下患者的分配。涉及患者和医疗资源分配的问题也很常见，例如门诊手术分配和医疗设施分配。然而，一些研究集中在重大流行病期间的患者分配上。
分级诊疗是将患者分配到匹配医疗机构进行治疗的良好工具。1920年，英国引入了三级保健的概念。在美国和其他国家实施分级诊断和治疗取得了令人满意的结果。相关研究主要集中在现状分析、制度体系挑战和不同疾病的诊断策略。然而，重大疫情下分级诊疗的量化和优化尚未得到研究。
与医疗保健分配建模相关的研究主要在优化目标和方法方面有所不同。优化的目标包括距离、死亡人数、风险、成本和公平性。优化方法包括动态规划、随机规划和多目标规划。实际上，存在多个相互冲突的优化目标，即多目标优化。考虑三个目标，即最小化总行进距离、最大疏散率以及优化 ICU 和非 ICU 能力的风险;本研究还使用加权和法确定了解决方案。通过使用约束方法处理多目标问题，该方法将除一个主要目标之外的所有目标移动到约束集。将采用组合指数加权的多目标优化方法，得到医院住院病床分配的总体方案。这些研究将不同的目标结合成一个目标，导致一个单一的客观问题。
发生重大疫情后，地区大量确诊患者正在等待分级诊断，需要根据病情轻重，被派往定点医院治疗。我们假设在发生重大疫情的情况下，一个城市有疫区，其中患者按照病情程度分为p类，疫区周围存在指定医院，每个医院都有不同治疗能力的q类。发生重大疫情时，定点医院中心为各疫区各类患者提供配套的治疗手段。本文通过综合考虑患者病情的严重程度，根据医疗机构的治疗能力进行分类，设计了多目标的患者分配方案。
优化目标包括获得最高的匹配效益、最短的行驶距离和最优化的公平性。还考虑了疫情不同阶段的分配问题，通过扩大各医院的医疗能力来确保更多的患者入院。
霍尔斯医疗表示，发生重大流行病时，决策者往往要求在尽可能短的时间内治疗更多的患者。一般来说，患者到医院的距离越长，所需的运输时间就越长，治疗效率就越有可能降低。因此，将采取任何手段在附近收治患者，以缩短运输时间，提高治疗效率。
