Entscheidungsunterstützung im Healthcare-Bereich durch hybride Simulationsmethoden – Mobile Stroke Units

Problem




Um sowohl den medizinischen als auch den ökonomischen Nutzen neuer Gesundheitstechnologien zu ermitteln, ist es notwendig, diese bereits im Vorfeld der Design- und Entwicklungsphase zu evaluieren. Aus diesem Grund wurde ein Ansatz zur Entscheidungsunterstützung mittels hybrider Simulationstechniken entwickelt und für das Beispielszenario „Mobile Stroke Units (MSUs)“ angewandt.


Schlaganfall ist eine der wichtigsten Ursachen für Behinderung von Menschen und verursacht hohe Pflege- und Rehakosten. Aufgrund einer alternden Bevölkerung ist in der Zukunft außerdem mit einer steigenden Inzidenz zu rechen. Die meisten Schlaganfälle werden durch Verengungen in den hirnversorgenden Arterien verursacht und sollten, falls möglich, durch eine sogenannte „Thrombolyse“ behandelt werden (nicht beim hämorrhagischen Schlaganfall oder nach abgelaufenen 4,5 Stunden). Patienten verlieren außerdem viel Zeit beim Transport in das Krankenhaus und in internen Krankenhausprozessen.


MSUs wurden als eine neue Innovation zu Verbesserung dieser Problematik vorgeschlagen. Sie ermöglichen es, mit der Diagnose und Therapie bereits direkt bei den Patienten zu beginnen. Somit ist das Hauptziel, die Zeit zwischen dem Anruf beim Rettungsdienst und dem Therapiebeginn zu verkürzen und damit schwerwiegende Behinderungen zu verhindern sowie die Kosten zu reduzieren.


Ziele




Das Hauptziel dieser Fallstudie ist, den medizinischen und den ökonomischen Effekt von MSUs im Vergleich zur aktuellen Situation zu bewerten. Die wichtigsten Messfaktoren sind dabei Kosten, Alarm-to-Therapy-Decision-Time, sowie weitere relevante Parameter. Einerseits soll die Innovation in einer Metropolregion (hier in Berlin) bewertet werden, andererseits in einer ländlichen Umgebung mit nur wenigen Krankenhäusern. Zusätzlich soll die geographische Verteilung der MSUs evaluiert werden.

MSU
Abbildung 1: Illustration einer Mobile Stroke Unit.


MSU Simulation

Abbildung 2: MSU Szenario Animation Screenshot

Implementierung in AnyLogic




Die Fallstudie wurde in AnyLogic implementiert. Das Tool eignet sich besonders dafür, Modelle mittels verschiedener Simulationstechniken zu entwickeln, es ermöglicht eigenen Java-Code zu verwenden, um spezielle und individuelle Lösungsvarianten zu implementieren und es erlaubt die Erstellung illustrativer Animationen, die die Kommunikation mit Fachexperten erleichtern können.


Die Abbildung 2 zeigt ein Beispiel der MSU Animation. Die Fahrzeuge sind einer vordefinierten Startposition zugeordnet und können von der Notrufzentrale losgeschickt werden, sobald ein Schlaganfall auftritt. Falls keine freien MSUs zur Verfügung stehen, wird ein RTW (Rettungstransportwagen) eingesetzt, welcher den Patienten in das nächstgelegene Krankenhaus bringt. Fehlerhafte Entscheidungen und fälschliche MSU Einsätze (die es in der Wirklichkeit gibt) werden genauso berücksichtigt wie Kosten für verschiedene, dafür relevante Handlungen. Die Patienten werden bis zu 10 Jahre nach der Erkrankung beobachtet und ermöglichen damit eine vorausschauende Kosten-Analyse.


Excel-Tabellen mit unterschiedlichen Input-Parametern werden als Input-Dateien für verschiedene Jahre verwendet und während der Simulationsläufe dynamisch geladen. Für die Evaluierung weiterer entscheidungsunterstützender Szenarien im Gesundheitsbereich kann eine Bibliothek mit wiederverwendbaren Komponenten (z.B. Demografie) verwendet werden. Ein Positionierungstool ermöglicht es die MSUs vor einem Simulationslauf an bestimmte Orte auf einer Landkarte (durch interaktive Klicks) zu setzen. Weitere technische Details können den unten stehenden Publikationen entnommen werden.


Modellierungsansatz




Im Gesundheitsbereich und insbesondere bei entscheidungsunterstützenden Prozessen werden in der Regel sowohl Simulationen mit einer detaillierten Modellierungsstrategie, als auch die Makrosimulation eingesetzt. In solchen Fällen eignet sich die hybride Simulation besonders gut. System Dynamics kann dabei für die Modellierung aus einer „Vogelperspektive“ auf höherer Ebene verwendet werden. Die diskrete Ereignissimulation und der agentenbasierte Ansatz sind jedoch eher auf der individuellen Modellierungsebene relevant. Agenten repräsentieren dabei in den meisten Fällen Patienten. Arbeitsabläufe können in System Dynamics, bzw. Prozessmodellen eingebettet werden. Die zu evaluierende Technologie kann durch quantitative Parameter berücksichtigt werden.

MSU Models

Figure 3: Agent-Based, Discrete-Event and System Dynamics Model examples


Ergebnisse




Eines der wichtigsten Erkenntnisse aus diesem Beispiel ist, dass die MSU nicht automatisch zu mehr lysierten Patienten führt. Allerdings werden diejenigen, die überhaupt lysiert wurden können, früher behandelt. Dadurch wird die Wahrscheinlichkeit für Behinderungen vermindert. Außerdem konnte gezeigt werden, dass eine breitere Verteilung der Fahrzeuge zu besseren Ergebnissen führt als eine Zentralisierung auf wenige Positionen (z.B. Station, Krankenhaus). Des Weiteren führt der Einsatz der MSUs nicht direkt zu einer Verbesserung im ländlichen Gebiet, da in solchen oftmals nur wenige Fälle auftreten und der größte Teil der Bevölkerung in Ballungszentren mit einem Krankenhaus lebt. Allerdings könnte sich dies für Regionen mit einer anderen Struktur unterscheiden..


Fazit




AnyLogic ermöglicht es, detaillierte Modelle im Kontext der Entscheidungsunterstützung zu erstellen. Das konfigurierbare MSU Simulationsmodell konnte die wesentlichen medizinischen und ökonomischen Effekte aufzeigen. Die Ergebnisse könnten von Regulierungsbehörden, Medizintechnikunternehmen, Wissenschaftlern und weiteren Entscheidungsträgern dazu genutzt werden, eine Einführung von MSUs in unterschiedlichen Regionen zu optimieren und damit die Schlaganfallbehandlung zu verbessern. Der Vergleich der langfristigen Kosten kann außerdem bei der Investitionsentscheidung und der Ermittlung von relevanten Kostenträgern behilflich sein. Diese Arbeit wurde im Rahmen eines gemeinschaftlichen Projektes „Prospective HTA“ (finanziert durch das Bundesministerium für Bildung und Forschung) zusammen mit industriellen Partnern, Ärzten, Ingenieuren, sowie Gesundheitsökonomen durchgeführt.


Die Simulation großer und komplexer Systeme (z.B. für Healthcare, Automotive, Industrie und Energie) ist eines der wichtigsten Arbeitsgebiete des Lehrstuhls für Rechnernetze und Kommunikationssysteme der Friedrich-Alexander Universität Erlangen-Nürnberg. Bei weiteren Fragen wenden Sie sich bitte direkt an uns.


Ausgewählte Publikationen




  1. Djanatliev A. and German R. “Prospective Healthcare Decision-Making by Combined System Dynamics, Discrete-Event and Agent-Based Simulation”. Proceedings of the 2013 Winter Simulation Conference, Editors: R. Pasupathy, S.H. Kim, A. Tolk, R. Hill, M. Kuhl. Washington D.C./USA. December 8th – 11th, 2013, p. 270-281.
  2. Djanatliev A., Kolominsky-Rabas P., Hofmann B. M., Aisenbrey A., German R. “System Dynamics and Agent-Based Simulation for Prospective Health Technology Assessments”. Simulation and Modeling Methodologies, Technologies and Applications - Advances in Intelligent Systems and Computing. Edited by Obaidat, Mohammad; Filipe, Joaquim; Kacprzyk, Janusz; Pina, Nuno (Eds.). Volume 256, 2014, pp 85-96.
  3. Djanatliev A., German R. “Large Scale Healthcare Modeling by Hybrid Simulation Techniques using AnyLogic”. Proceedings of the 6th International ICST Conference on Simulation Tools and Techniques. Cannes/French Riviera. March 5th – 7th, 2013, p. 248-257.

More Case Studies

  • Simulationsmodellierung basierend auf Daten der Routineversorgung im Gesundheitswesen
    Entscheidungen von Fachleuten im Gesundheitswesen erfordern Tools für Planung, Tests und die Bewertung von neuen Technologien oder Eingriffen. Die komplexen Strukturen, Interaktionen und Abläufe im Gesundheitswesen machen Veränderungen und Innovationen zu einer kontinuierlichen Herausforderung.
  • Modellierung für pharmazeutische Distributionslager
    Cardinal Health, ein Milliarden-Dollar schwerer Arzneimittelvertrieb und Logistikunternehmen, vertreibt mehrere Produkte, von markengeschützten Arzneimitteln und Generika zu frei verkäuflichen Arzneimitteln, Artikel für Gesundheits - und Schönheitspflege und die eigene Hausmarke. Sie sind mit einer Vielzahl der typischen Herausforderungen eines Distributionslagers konfrontiert, die durch die Natur der pharmazeutischen Produkte viel komplizierter ist.
  • Simulation der Abläufe einer Entbindungsstation
    Das Modell simuliert die Entbindungsstation in einer Klinik, die zurzeit umgebaut wird. Ziel des Modells ist es, Diskussionen hinsichtlich der erforderlichen Ressourcen, Kapazität sowie der Arbeitsmethoden auf der neuen Station zu unterstützen. Das Projekt wurde für die Karolinska Universitätsklinik im Verwaltungsbezirk Stockholm, Schweden, ausgeführt.
  • Auswertung der Kapazität einer Klinik für stationäre Pflege
    Der Verwaltungsbezirk Stockholm in Schweden war dabei, eine neue hochspezialisierte Klinik zu bauen. Die Gesundheitsverwaltung des Verwaltungsbezirks hatte die Fragestellung, ob sie angesichts der aktuellen Investitionen und hinsichtlich verschiedener betrieblicher und strategischer Aspekte , ein akzeptables Level an Pflege erreichen würde.
  • Handling des gesamten Pflegebedarfs von Dialyse-Patienten
    Der Verwaltungsbezirk Stockholm (Schweden) ist wie jedes andere Land oder Region ständig gefordert, um die Bedürfnisse von verschiedenen Patientengruppen in der Gesundheitspflege zu bewältigen. Jede Gruppe kann als Teilkollektiv betrachtet werden, mit seinen eigenen Merkmalen, Eigenschaften und Herausforderungen.
  • Katastrophenschutz mit Hilfe der agentenbasierten Modellierung
    Battelle, weltweit die größte gemeinnützige, unabhängige Forschungs- und Entwicklungsorganisation suchte praktische operative Lösungen für Kriseninterventionen oder Einsätzen bei Naturkatastrophen und musste die Effektivität einer zum Schutz angeordneten Ausgangssperre für 48 Stunden, für das Szenario eines sogenannten Improvised Nuclear Device, d.h. einer improvisierten nuklearen Sprengvorrichtung feststellen. Ziel war die Eindämmung der Strahlendosis, die während einer unkoordinierten Massenevakuierung auf die Menschen einwirken würde; hierfür wurde die sofortige Evakuierung mit einer Ausgangssperre verglichen.
  • Auswertung von Programmen des Gesundheitswesens zur Reduzierung der Kaiserschnittrate
    Über die Jahre haben zahlreiche Forscher die Herausforderung erkannt, die Kaiserschnittrate zu reduzieren. Allan Mills, FSA MAAA ND, ein Versicherungsmathematiker in der Forschung, führte diese Forschung erstmals für den Staat Washington durch und seine Kollegen reproduzierten diesen Teil des Gesundheitswesens der Vereinigten Staaten in einem Simulationsmodell, das es den Interessenvertretern, insbesondere den Gesundheitsvertretern, Versicherern, Klinikern und Gesetzgebern ermöglicht, ihre Annahmen an einem Modell zu testen, um die richtigen Lösungen zu finden.
  • Gestaltung der Gesundheitspolitik mit Hilfe der Simulation
    Der Fachbereich Maschinen- und Anlagenbau der Universität Toronto, das Forschungszentrum für Technisches Gesundheitswesen (CRHE), reagierte auf den dringenden Wunsch nach Effizienz und Qualitätsverbesserungen im Kanadischen Gesundheitssystem.
  • Eine agentenbasierte Erklärung für die Änderung der Lebenssituation der psychisch kranken Bevölkerung
    Das Wohnumfeld der dauerhaft psychisch schwer kranken Bevölkerung in den Vereinigten Staaten hat sich über die letzten 60 Jahre stark verändert. Besonders deutlich wird das durch den prozentualen Anteil der Personen, die in Haft leben gegenüber dem prozentualen Anteil der Menschen, die in der Obhut des Gemeinwesens oder privaten Wohnungen leben.
  • Outpatient Appointment Scheduling Using Discrete Event Simulation Modeling
    Indiana University Health Arnett Hospital, consisting of a full-service acute care hospital and a multispecialty clinic, faced poor statistics because the number of no-show patients (those who don’t show up for their scheduled appointments) rose dramatically to 30%. This was primarily connected to the fact that clinic schedules were driven by individual preferences of the medical staff, which led to increased variations in scheduling rules. To eliminate the problem, the client wanted to develop a scheduling methodology that would benefit the clinic, doctors, and patients.