🏥 Հիվանդանոցի վերակենդանացման գործառնություններ Կենդանի մոդել

Հիմք — թվերի հետևում գտնվող մոդելը

Սիմուլյատորի օգտագործած յուրաքանչյուր առնչություն՝ իր աղբյուրով։ Ենթադրություն նշված հաստատուններ պատկերավոր չափաբերումներ են։

Ծանր հիվանդները գալիս են պատահական կերպով և մնում պատահական ժամանակով (էքսպոնենցիալ, միջինը 72 h)։

arrivals ~ Poisson(λ·Δt); P(discharge in Δt) = 1 − e^(−Δt/LOS), LOS = 72 h[4][2]Ենթադրություն՝ մնալու տևողությունը, մահճակալների և բուժքույրերի թվերը, անձնակազմի բյուջեները, բաքի, գոլորշիացուցիչի և բալոնների չափերը, ինչպես նաև շտապ մատակարարի պայմանները միջին հիվանդանոցի համար պատկերավոր արժեքներ են։

Զբաղվածություն և հերթեր՝ պատահական ժամանումների դեպքում ուշացումները կտրուկ աճում են բաժանմունքը 100 % լցվելուց շատ առաջ։

occupancy = patients / open beds; queueing delay rises steeply as occupancy → 100 %[2][3]

Մահճակալը հաշվվում է միայն եթե սպասարկվում է անձնակազմով։

staffed beds = min(open beds, 2 × nurses)[4]Ենթադրություն՝ մնալու տևողությունը, մահճակալների և բուժքույրերի թվերը, անձնակազմի բյուջեները, բաքի, գոլորշիացուցիչի և բալոնների չափերը, ինչպես նաև շտապ մատակարարի պայմանները միջին հիվանդանոցի համար պատկերավոր արժեքներ են։

Անձնակազմի ծախս. պլանային հերթափոխից ավել յուրաքանչյուր բուժքույր-ժամ արտաժամյա կամ գործակալության ժամանակ է։ Լրացուցիչ մահճակալներին այդ բուժքույրերն են պետք, ուստի դրանք են կրում ծախսը։

overtime/agency nurse-hours = Σ max(0, nurses − 10) · ΔtԵնթադրություն՝ մնալու տևողությունը, մահճակալների և բուժքույրերի թվերը, անձնակազմի բյուջեները, բաքի, գոլորշիացուցիչի և բալոնների չափերը, ինչպես նաև շտապ մատակարարի պայմանները միջին հիվանդանոցի համար պատկերավոր արժեքներ են։

Շտապ օգնության բաժանմունքում ԻՔ մահճակալի ամենաերկար սպասումը։ Մեծ ռեգիստրային հետազոտությունում 6 h կամ ավելի սպասած ծանր հիվանդների մահացությունն ավելի բարձր էր։

longest ED wait = now − time the first waiting patient arrived (first come, first served); ≥ 6 h counts as a delayed transfer[6]

Թթվածնի պահանջարկը՝ ԱՀԿ պլանավորման հոսքերից՝ մեկ հիվանդի հաշվով։

demand = Σ flow(patient): severe 10 L/min, critical 30 L/min[1]

Գոլորշիացուցիչը սահմանափակում է, թե րոպեում որքան գազ կարող է տալ բաքը, բալոնները մի քիչ ավելի են ավելացնում։

delivered = min(demand, vaporizer 600 L/min, tank) + cylinders (≤150 L/min)[1]Ենթադրություն՝ մնալու տևողությունը, մահճակալների և բուժքույրերի թվերը, անձնակազմի բյուջեները, բաքի, գոլորշիացուցիչի և բալոնների չափերը, ինչպես նաև շտապ մատակարարի պայմանները միջին հիվանդանոցի համար պատկերավոր արժեքներ են։

Հեղուկ թթվածինը 15 °C-ում և 1 atm-ում գազի վերածվելիս ընդարձակվում է մոտ 843 անգամ (հաճախ նշվող 861-ը 21 °C-ի արժեքն է). բաքի ժամերը բխում են ընթացիկ օգտագործումից։

gas litres (15 °C, 1 atm) = liquid litres × 843; tank hours = gas / (use × 60)[5]

Մոդելի կողմից օգտագործվող այլ շահագործման հաստատուններ։

20 base beds + up to 10 surge · 10 rostered nurses · 40 % critical at baseline · tank 3,000 L liquid, deliveries fill it to capacity; a new interval moves the next truck no closer than 24 h · vaporizer 600 L/min · 2 cylinder banks on site, 120 m³ each at ≤150 L/min · one emergency load of up to 3,000 L, 18 h after the order · step-down push shortens stay by 25 %Ենթադրություն՝ մնալու տևողությունը, մահճակալների և բուժքույրերի թվերը, անձնակազմի բյուջեները, բաքի, գոլորշիացուցիչի և բալոնների չափերը, ինչպես նաև շտապ մատակարարի պայմանները միջին հիվանդանոցի համար պատկերավոր արժեքներ են։

Զգուշավոր տիտրումը որպես պահանջարկի գործոն։

demand × 0.8 when conservative titration is applied[7]Ենթադրություն՝ 20 % խնայողությունը պատկերավոր է։ Թթվածնի թիրախները կլինիկական որոշում են յուրաքանչյուր հիվանդի համար, այս սիմուլյատորը ցույց է տալիս միայն մատակարարման ազդեցությունը։

Պատահականություն՝ սերմով mulberry32 գեներատոր, օգտագործվող բաշխումներ՝ հավասարաչափ, էքսպոնենցիալ (հակադարձ CDF), նորմալ (Box–Muller), Պուասոն (Knuth)։ Սերմը ցուցադրվում է և կարող է կիսվել։

Աղբյուրներ

1. WHO — Oxygen sources and distribution for COVID-19 treatment centres (planning flows: severe 10 L/min, critical 30 L/min) — World Health Organization, 2020
2. A. Bagust, M. Place, J. W. Posnett — Dynamics of bed use in accommodating emergency admissions: stochastic simulation model — BMJ 319:155, 1999
3. N. Proudlove — The 85% bed occupancy fallacy: the use, misuse and insights of queuing theory — Health Services Management Research, 2020
4. D. Gross, C. M. Harris — Fundamentals of Queueing Theory (M/M/c, loss systems) — Wiley, 2008
5. NIST Chemistry WebBook, SRD 69 — Thermophysical properties of oxygen (saturated liquid at 1 atm: 1141.2 kg/m³; gas at 15 °C, 1 atm: 1.3544 kg/m³ → ≈ 843 L gas per L liquid; ≈ 861 at 21.1 °C) — National Institute of Standards and Technology
6. D. B. Chalfin, S. Trzeciak, A. Likourezos et al. — Impact of delayed transfer of critically ill patients from the emergency department to the intensive care unit (ED stay ≥ 6 h: higher ICU and hospital mortality) — Critical Care Medicine 35(6):1477–1483, 2007
7. BTS guideline for oxygen use in healthcare and emergency settings (target saturation ranges) — British Thoracic Society, Thorax 72, 2017