Gestion des ressources humaines d'un service d'urgence en période épidémique

Human resource capacity planning of an emergence department during epidemic season

• Auteur / Autrice : Omar El Rifai Sierra
• Direction : Xiaolan Xie
• Type : Thèse de doctorat
• Discipline(s) : Génie Industriel
• Date : Soutenance le 24/11/2015
• Etablissement(s) : Saint-Etienne, EMSE
• Ecole(s) doctorale(s) : Ed Sis 488
• Partenaire(s) de recherche : Laboratoire : Ingénierie des systèmes de soins et des services de santé
• Jury : Président / Présidente : Alain Quilliot
• Jury : Examinateurs / Examinatrices : Xiaolan Xie, Alain Quilliot, Slim Hammadi, Christian Artigues, Nabil Absi, Thierry Garaix
• Jury : Rapporteurs / Rapporteuses : Slim Hammadi, Christian Artigues

Mots clés

Mots clés contrôlés

Recherche opérationnelle

Optimisation combinatoire

Épidémies

Services d'urgence médicale

Main-d'oeuvre -- Planification

Mots clés libres

Urgences

Epidémie

Planification

Ressources humaines

Optimisation stochastique

Recherche opérationnelle

Optimisation combinatoire

Emergency Departments

Epidemics

Human Ressources

Stochastic Optimization

Scheduling

Operations Research

Combinatorials optimization

Résumé

Cette thèse s'inscrit dans le cadre du projet ANR HOST (Hôpital : Optimisation, Simulation et évitement des Tensions) qui vise à étudier et résoudre le problème de tension aux urgences hospitalières. Le projet cherche premièrement à définir rigoureusement la notion de tension et puis d'utiliser des outils mathématiques pour proposer des solutions qui prennent en compte la complexité du système de santé. Malgré la récurrence des phénomènes de tension, ils sont limités dans le temps et sollicitent par conséquent des solutions à court terme. La difficulté de trouver des solutions efficaces est principalement due à l'incertitude et au dynamisme caractéristique du service des urgences. D'une année à une autre, l'intensité de l'épidémie, et donc le nombre de patients se présentant aux urgences peut varier drastiquement. De plus, pour un même nombre de patients, il est difficile d'estimer correctement la charge de travail qu'il représente. L'objectif de cette thèse est donc de proposer des solutions stratégiques, tactiques et opérationnelles de gestion des ressources en prenant en compte les aléas caractéristiques des urgences. D'un point de vue stratégique nous étudions la distribution optimale de la capacité de travail sur une période épidémique. Ensuite, nous traitons le problème de confection des postes de travail journalier en fonction de la dynamique de la demande. Nous étudions également la possibilité d'affecter des postes d'astreinte aux médecins pendant les périodes épidémiques. Finalement, nous traitons le problème d'affectation des heures supplémentaires aux ressources dans un contexte plus opérationnel.

In France, the problem of overcrowding in Emergency Departments (ED) is particularly relevant today because of increasing admissions and budget restrictions in health establishments. Formally, overcrowding can be defined as a situation where the demand surpasses the service capacity. Studies that have dealt with ED overcrowding have mostly dealt with issues of patient flow management and resource management.Our work focuses on resource management and more particularly on the impact that human resources have on ED overcrowding. In the first part of the study, we formulate the capacity allocation problem in a generic form. As such, we examine the capacity management problem and derive interesting properties for a general demand distribution and a normal demand distribution. Then, we examine the cyclic shift scheduling problem as it exists in ED. This research allows us to examine different cyclic scheduling strategies and answer the question of whether lack of flexibility in the schedules has an impact on the waiting time of patients. We propose an original stochastic linear formulation for the problem that accounts for the non-stationary work demand. After that we evaluate two scheduling mechanisms to reduce overcrowding in EDs: on-call duties and overtime hours. We study the conditions under which these mechanisms can be beneficial. The on-call duties problem is modeled as a two-stage stochastic optimization problem and the overtime management problem as a Markov decision problem.