🏥 საავადმყოფოს ინტენსიური თერაპიის ოპერაციები ცოცხალი მოდელი

საფუძველი — რიცხვების უკან მდგომი მოდელი

ყველა დამოკიდებულება, რომელსაც სიმულატორი იყენებს, წყაროთურთ. დაშვებად მონიშნული მუდმივები საილუსტრაციო კალიბრაციებია.

კრიტიკული პაციენტები შემთხვევით ჩამოდიან და შემთხვევითი ხნით რჩებიან (ექსპონენციალური, საშუალო 72 h).

arrivals ~ Poisson(λ·Δt); P(discharge in Δt) = 1 − e^(−Δt/LOS), LOS = 72 h[4][2]დაშვება: დაყოვნების ხანგრძლივობა, საწოლებისა და ექთნების რაოდენობა, საკადრო ბიუჯეტები, ცისტერნის, ამაორთქლებლისა და ბალონების ზომები და გადაუდებელი მომწოდებლის პირობები საილუსტრაციო მნიშვნელობებია საშუალო ზომის საავადმყოფოსთვის.

დატვირთულობა და რიგები: შემთხვევითი ჩამოსვლებისას დაყოვნებები მკვეთრად იზრდება განყოფილების 100 %-ით შევსებამდე ბევრად ადრე.

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

საწოლი ითვლება მხოლოდ მაშინ, თუ მას მომსახურე პერსონალი ჰყავს.

staffed beds = min(open beds, 2 × nurses)[4]დაშვება: დაყოვნების ხანგრძლივობა, საწოლებისა და ექთნების რაოდენობა, საკადრო ბიუჯეტები, ცისტერნის, ამაორთქლებლისა და ბალონების ზომები და გადაუდებელი მომწოდებლის პირობები საილუსტრაციო მნიშვნელობებია საშუალო ზომის საავადმყოფოსთვის.

საკადრო ხარჯი: განრიგით გათვალისწინებულ ცვლაზე ზემოთ ყოველი ექთან-საათი ზეგანაკვეთური ან სააგენტო დროა. სარეზერვო საწოლებს ეს ექთნები სჭირდება, ამიტომ ხარჯიც მათზე მოდის.

overtime/agency nurse-hours = Σ max(0, nurses − 10) · Δtდაშვება: დაყოვნების ხანგრძლივობა, საწოლებისა და ექთნების რაოდენობა, საკადრო ბიუჯეტები, ცისტერნის, ამაორთქლებლისა და ბალონების ზომები და გადაუდებელი მომწოდებლის პირობები საილუსტრაციო მნიშვნელობებია საშუალო ზომის საავადმყოფოსთვის.

ყველაზე ხანგრძლივი ლოდინი გადაუდებელ განყოფილებაში ინტენსიური თერაპიის საწოლისთვის. დიდ რეესტრულ კვლევაში კრიტიკულ მდგომარეობაში მყოფ პაციენტებს, რომლებიც 6 h ან მეტხანს ელოდნენ, უფრო მაღალი სიკვდილიანობა ჰქონდათ.

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

ჟანგბადის მოთხოვნა ჯანმო-ს დაგეგმვის ნაკადებიდან ერთ პაციენტზე.

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

ამაორთქლებელი ზღუდავს, წუთში რამდენ გაზს გასცემს ცისტერნა; ბალონები ცოტა მეტს ამატებენ.

delivered = min(demand, vaporizer 600 L/min, tank) + cylinders (≤150 L/min)[1]დაშვება: დაყოვნების ხანგრძლივობა, საწოლებისა და ექთნების რაოდენობა, საკადრო ბიუჯეტები, ცისტერნის, ამაორთქლებლისა და ბალონების ზომები და გადაუდებელი მომწოდებლის პირობები საილუსტრაციო მნიშვნელობებია საშუალო ზომის საავადმყოფოსთვის.

თხევადი ჟანგბადი გაზად გადაქცევისას 15 °C-სა და 1 atm-ზე დაახლოებით 843-ჯერ ფართოვდება (ხშირად ნახსენები 861 21 °C-ის მნიშვნელობაა); ცისტერნის საათები მიმდინარე მოხმარებიდან გამომდინარეობს.

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

მოდელის მიერ გამოყენებული სხვა საექსპლუატაციო მუდმივები.

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 %დაშვება: დაყოვნების ხანგრძლივობა, საწოლებისა და ექთნების რაოდენობა, საკადრო ბიუჯეტები, ცისტერნის, ამაორთქლებლისა და ბალონების ზომები და გადაუდებელი მომწოდებლის პირობები საილუსტრაციო მნიშვნელობებია საშუალო ზომის საავადმყოფოსთვის.

კონსერვატიული ტიტრაცია, როგორც მოთხოვნის კოეფიციენტი.

demand × 0.8 when conservative titration is applied[7]დაშვება: 20 %-იანი დანაზოგი საილუსტრაციოა. ჟანგბადის მიზნობრივი მაჩვენებლები თითოეული პაციენტისთვის მიღებული კლინიკური გადაწყვეტილებაა; ეს სიმულატორი მხოლოდ მიწოდებაზე ზეგავლენას აჩვენებს.

შემთხვევითობა: სიდიანი mulberry32 გენერატორი; გამოყენებული განაწილებები — თანაბარი, ექსპონენციალური (შებრუნებული CDF), ნორმალური (ბოქს–მიულერი), პუასონის (კნუტი). სიდი ნაჩვენებია და გაზიარებადია.

წყაროები

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