医院办公室分工安排技巧(医院运营管理方法和工具「医院管理 #2」)

引言

现代化医院是一个复杂系统。随着医疗技术不断进步以及运营模式专业化或联合化的发展，要使一个医院的各项工作在可控的情况下正常运转，不断提高医疗质量，没有科学管理的方法和工具是难以进行的。

如今在医院运营管理领域已经应用了许多方法并开发了许多分析工具，尤其是运筹学、系统模拟仿真和数据科学分析等方法能够帮助决策者更好地计划、组织、协调和控制医院运营系统。

一、运筹学

运筹学 (operations research, OR）是以系统为研究对象，利用数学模型将所要研究的问题模型化，以量化分析方法求得问题的最优解。

运筹学已经形成了包含规划论（线性规划、非线性规划、整数规划、动态规划、多目标规划）、 网络分析、排队论、对策论、决策论、存储论等分支庞大的理论与方法体系，并广泛地应用于医院运营管理实践之中。

1. 规划论：规划论是在一定约束条件下，寻求使目标极大化或极小化的最优解或满意解，即对有限资源进行合理计划以实现总效益的最大化。

具体而言，线性规划可以解决医疗物资调度、配送和医护人员分派问题；整数规划可以求解完成医疗工作所需的医护人数、医疗设备和医疗机构的选址等；动态规划可用来解决诸如最优路径、医疗资源分配、医疗资源储备和医疗设备更新等问题。

2. 网络分析：网络分析是以图论为基础，将复杂的问题转化成直观的图形，来研究各类网络结构和流量的优化分析方法。

最小生成树问题、最短路径问题、最大流、最小费用问题、网络规划都是网络分析中的重要组成部分。在医疗系统中最明显的应用是医疗物资的运输问题，在运输节点间进行医疗物资调度时运输路线的选择、医药配送中心的送货、医院内部医疗废弃物的回收等内容。

3. 排队论：排队论又称为随机服行系统理论，是针对系统拥挤现象和排队现象，研究系统的排队时长、排队等待时间及所提供的服务等各种参数，其目的是正确设计和有效运行各个服务系统，使之发挥最佳效益。

在医疗系统设计方面，排队论通常用于医疗系统的服务能力设计，例如，确定救护车数量、医护人员数量。在医疗系统运营方面，排队论主要应用于医院床位分配、医护人员排班以及病人预约就诊等问题在医疗系统分析方面，排队论主要用于分析系统的等待时间、成本等问题。

4. 对策论：对策论也称博弈论，是一种研究在竞争环境下决策者行为的数学理论和方法。

比如利用对策论可以探讨分级诊疗体系中各利益主体之间的博弈关系及其行为特征，并以不同方面提出实施分级诊疗的意见，加强医疗机构之间的分工协作，医疗资源合理配置，实现不同利益主体的 “双赢” 以及“多赢”局面。

5. 决策论：决策论是能够科学解决带有不确定性和风险性决策问题的一种系统分析方法，它根据系统的状态信息、可能选取的策略以及采取这些策略对系统状态所产生的后果进行研究，按照一定的衡量准则，对若干备选行动的方案进行抉择，选择一组最优策略。

在医疗系统中，往往利用多阶段决策、多目标决策等理论与方法，对医院运营管理进行综合评价。

6. 存储论：存储论又称库存论，主要是研究物资库存策略的理论，即确定物资库存量、进货量和进货时间点，以及系统需要在什么时间、以什么数量和供应来源补充这些储备，使得保持库存和补充采购的总费用最小。合理的库存是生产和生活顺利进行的必要保障，可以减少资金的占用、减少费用支出和不必要的周转环节、缩短物资流通周期、加速再生产的过程等。

在医院运营管理中，对于医用耗材的库存控制研究，主要以成本控制为出发点，也关注周转率问题。

二、系统模拟仿真

系统模拟仿真是指建立一个系统的数字逻辑模型，并且对该模型在计算机上进行试验处理，通过对系统动态特性的观测，以研究系统行为的过程。

根据系统状态随时间变化的特点可以将系统分为连续系统、离散系统以及连续—离散混合系统。在连续系统中，系统状态随时间连续变化。而在离散系统中，系统状态的变化仅在离散的时间点上发生变化。在连续—离散混合系统中，既有连续变化的成分，也有离散变化的因素。

系统模拟仿真技术在解决医院资源规划与配置的问题中得到了广泛应用，并且从公共卫生系统到私有治疗诊所，它的应用不尽相同。

目前应用于医院运营领域的仿真方法主要有4种类型，分别是离散事件仿真 (discrete event stimulation, DES)、系统动力学 (sstem dynamios, SD)、蒙特卡洛模型 (Monte Carlo simulasion, MCs)和基于智能体仿真 (agent-based simulation, ABS )。

1. 离散事件仿真：

离散事件系统是指受事件驱动、系统状态呈现跳跃式变化的动态系统，其系统状态在不确定的离散时间点上发生变化。离散事件系统仿真就是对某个离散事件系统原型加以分析、抽象后，应用计算机及仿真软件，对构建的相应离散事件系统模型进行仿真模拟，对仿真结果进行分析，进而实现对系统进行分析、设计及评价的目的。

离散事件仿真方法支持对复杂的、动态的医护人员及患者的行为进行模拟。通过建立描述医疗系统行为的仿真模型，分析仿真实验结果，最终为医院管理者提供决策支持。高散事件仿真方法可以被应用到门诊患者检查排队问题，也被大量运用到对医院科室服务能力的研究。

2. 系统动力学：

系统动力学是功能、结构和逻辑等方法的结合，其处理问题的过程就是寻找最佳方式的过程，根本目的是完善系统功能，探寻系统的较优结构。通过复杂动态反馈系统的行为模拟，对系统结构和功能进行分析，从而为制定决策提供科学依据。简言之，系统动力学就是利用计算机仿真技术来研究解决社会系统的动态行为。

医院运营系统是包含人力、资源等各因素的系统，系统内部关系错综复杂，且与外界环境之间也存在着广泛的信息交换。因此，属于开放的、动态的复杂系统，运用系统动力学方法来建立医院运营发展模型具有无可比拟的优势。

3. 蒙特卡洛模拟：

蒙特卡洛模拟亦称为随机模拟方法。它的基本思想是：首先建立一个概率模型或随机过程，使它的参数等于问题的解，然后通过对模型（或过程）的观察或抽样实验，来计算所求参数的统计量，最后给出所求解的近似值。

在医院运营中，经济的盈亏与服务设施的配置常常会遇到许多随机因素，例如，疾病的流行程度与药品的购置，门诊患者的数量对服务设施配置的影响，这类含有随机因素和动态过程的概率型决策问题无法用确定的数学公式求解，但是可以使用蒙特卡洛模拟的方法从数量上求得答案，预测它的解。

4. 基于智能体仿真：

基于智能体仿真技术能打破传统评估测量工具的限制，借助计算机复现出现医疗环境，再在仿真模型中进行措施干预实验以观察其效果，能够避免承担风险，以最节约成本的方式获取最优解决方案。

近年来，由于基于智能体仿真技术能反映出个体行为复杂性这一特点而致广泛应用于医疗领域。

三、数据科学分析

数据科学分析通过数据驱动进行决策分析主要基于3个基础技术：数据仓库 (data warehouse,DW)、联机分析处理 ( online analytical processing, OLAP）和数据挖掘 (data mining DM).

1.数据仓库：

数据仓库是为解决数据庞大，面向主体的、稳定的、集合的、用来解决一系列复杂的有关决策支撑和知识发现的体系结构。

数据仓库最根本的特点是物理的存放数据，但这些数据并不是最新的、专有的，而是来源于其他数据库。数据仓库的建立并不是要取代数据库，它要建立在一个较全面和完善的信息应用的基础上，用于支持高层决策分析。其中事务处理数据库在组织的信息环境中承担的是日常操作性的任务。

数据仓库技术的应用对医疗服务业来说是一种高效直观的患者医疗信息数据汇总方式和分析技术，可以为医院管理高层决策提供正确、快捷的医疗质量信息和医疗水平信息支持。对提升医院的管理水平、医疗质量和竞争能力具有重大的实际意义。

2.联机分析处理：

联机分析处理是使分析人员、管理人员或执行人员从多个角度，对从原始数据中转化出来的、能够真正为用户所理解并真实反映企业特性的信息进行快速、一致、交互的存取，从而获得对数据的更深入了解的一类软件技术。联机分析处理的目标是满足决策支持或多维环境特定的查询和报表需求，它的技术核心是 “维”这个概念。

因此，联机分析处理也可以说是多维数据分析工具的集合，是数据仓库中大容量数据得以有效利用的重要保障。其基本思想是：决策者应能灵活地操纵医院管理中获取的数据，以多维的形式从多方面和多角度来观察医院的运营状态、了解医院的变化。

首先，联机分析处理可以完成医疗档案中统计报表的填写。其次，联机分析处理能够利用一些统计工具，根据患者的特征确定诊疗模式，并采取相应的措施为患者服务。此外，联机分析处理能够对医疗费用结构进行分析，通过研究患者的病情、年龄、治疗方式及病种因素变化。

为医疗数据用结构的制定与调整提供依据。通过联机分析处理技术，广泛收集临床医护人员的信息需求，建立符合医院实际情况的数据仓库模式，更好为医护人员提供服务，提高医疗质量。

3.数据挖掘：

数据挖掘是从大量数据中挖掘出隐含的、先前未知的、对决策有潜在价值的知识和规则，为经营决策、市场策划、金融预测等提供依据，使大型数据库作为一个丰富可靠的资源为知识归纳服务。数据挖掘技术涉及数据库、人工智能、机器学习、神经网络计算和统计分析等多种技术。

实际上联机分析处理就是一种广义的、简化了的、较浅层次的数据挖掘。而数据挖掘是联机分析处理的扩展，是使这一过程尽可能自动化的分析过程。将数据挖掘技术应用到医院运营管理中，不仅可以进一步实现对医护人员、医疗物资以及医疗资金的优化分配，也有助于疾病的预防与治疗。

通过数据挖掘进行疾病诊断，从海量的治疗报告数据中选取医生对患者的诊断结果并进行分析处理，可以得到医院的主要病种数据与该疾病病因数据记录。在疾病预测方面，基于人工神经网络建立疾病预测模型，能够有效提高疾病预测准确率。

在疾病相关因素分析中，运用数据挖掘的方法对疾病相关信息进行频繁项集和关联规则的挖掘，能够发现疾病的 “证－症－法一方－药”之间的关联。

此外，通过软件建立机器学习模型，并解决大规模线性、二次曲线和混合整数优化问题。这些进步导致了数据分析这一新兴领域的发展，该领域研究主要使用数据创建模型，从而做出能够创造价值的决策，可以具体应用在医疗健康政策层面、医院层面和患者层面。在医疗健康领域内，数据驱动决策研究已在临床辅助决策、医疗质量监控、疾病项检测模型、临床药物不良反应分析、个性化治疗 等研究方面发挥巨大作用。

结语

医院运营管理涉及的范围十分广泛，从计划、组织、领导和控制的方方面面都会用到不同的方法和工具。针对不同的运营管理内容存在着具体的研究方法和工具，后续更新文章将会一一阐述。

文章参考文献

[1] 张伟.从开源到节流一一华西医院后勤管理创新 [M〕．北京：人民卫生出版社， 2012. [2] 周莉，吴琴琴，廖邦华，等。互联网医院运行现状与发展思路L了]：中国医院管理， a2019,39 (11）：58-60. [3] Adam Smith. The Wealth of Nations [ J J. London: Harriman House, 2019: 1776.