Une perspective de gestion des opérations pour l’analyse des blocs opératoires d’urgence : Analyse de gestion des flux et prédiction de ses variables clés

An operations management perspective on Non-elective Surgical Theaters : Flow management analysis and predicting their key variables

• Auteur / Autrice : Gustavo Santamaria-Acevedo
• Direction : Oualid Jouini, Benjamin Legros, Ziad Jemai
• Type : Thèse de doctorat
• Discipline(s) : Ingéniérie des systèmes complexes
• Date : Soutenance le 11/10/2021
• Etablissement(s) : université Paris-Saclay
• Ecole(s) doctorale(s) : École doctorale INTERFACES : approches interdisciplinaires, fondements, applications et innovation
• Partenaire(s) de recherche : Laboratoire : Laboratoire génie industriel (Gif-sur-Yvette, Essonne)
• Partenaire(s) de recherche : référent : CentraleSupélec (2015-....)
• Partenaire(s) de recherche : graduate school : Université Paris-Saclay. Graduate School Sciences de l'ingénierie et des systèmes (2020-....)
• Jury : Président / Présidente : Marija Jankovic
• Jury : Examinateurs / Examinatrices : Oualid Jouini, Faicel Hnaien, Francesco Schiavone, Vincent Augusto, Mathieu Raux
• Jury : Rapporteurs / Rapporteuses : Faicel Hnaien, Francesco Schiavone

Mots clés

Mots clés contrôlés

Apprentissage automatique

Hospitalisés

Services de santé

Mots clés libres

Gestion des flux de patients

Systèmes de santé

Salles de chirurgie d’urgence

Synchronisation des ressources

Saturation

Simulation d’événements discrets

Analyses prédictives

Apprentissage automatique

Patient flow management

Healthcare systems

Emergency surgery theaters

Resource synchronization

Saturation

Discrete-event-simulation

Predictive analytics

Machine learning

Résumé

La saturation des salles de chirurgied’urgence devient un sujet critique dans lesecteur de la santé. Parmi les principalescauses de cette saturation figurent la demandecroissante de services chirurgicaux, l’âge moyencroissant de la population et la fermeture desservices de chirurgie dans certains hôpitauxpour réduire les coûts globaux du système.Dans certains cas, lorsque les niveaux de saturationdeviennent trop élevés, les hôpitauxpeuvent cesser de recevoir des patients urgents.De plus, la variabilité élevée des arrivéeset le déroulement imprévisible des chirurgiesd’urgence rendent les salles de chirurgied’urgence extrêmement complexes à gérer.Dans cette thèse, nous visons à analyser età comprendre la gestion du problème des sallesde chirurgie d’urgence dans une perspective degestion des opérations. Nous étudions le problèmed’ordonnancement des patients non électif,un sujet d’étude croissant dans la littérature surla gestion des soins de santé et l’analysons sousplusieurs angles. Nous abordons les lacunes desdifférentes méthodologies utilisées pour prédireet planifier les patients chirurgicaux non électifset nous étendons l’analyse du système etles fonctionnalités et ressources considérées afinde construire une meilleure représentation dusystème en utilisant des méthodes de rechercheopérationnelle quantitative.Tout d’abord, nous présentons une revuecomplète de la littérature et une classificationde l’état actuel de la recherche sur la questionde savoir comment les hôpitaux classent, planifientet évaluent les patients en chirurgie nonélective et comment ces problèmes sont traitéspar les chercheurs. Nous avons classé le corpusrécent de la littérature sur les patients enchirurgie non élective en fonction de leurs caractéristiqueset de leur classification, de la manièredont leurs flux sont gérés et inclus dans le calendrierdu bloc opératoire, de la méthodologiede recherche utilisée pour répondre aux différentesquestions de recherche et des mesuresdu rendement qui ont déterminé le succès etla portée des différentes approches. Ensuite,nous utilisons la simulation d’événements discretspour modéliser et analyser un véritablethéâtre de chirurgie d’urgence. Nous intégronsla plupart des fonctionnalités réelles des sallesde chirurgie d’urgence au modèle de simulationafin d’en tirer des informations utiles. Noustestons ce qui se passe lorsque plusieurs typesde ressources, à la fois humaines (infirmières,anesthésiologistes, etc.) et physiques (sallesd’opération), sont ajoutées au système, et quantifionsles effets sur la réponse des systèmes.Nous testons également des modifications surles processus et les décisions, telles que le transportinterne des patients. Enfin, à l’aide detechniques d’apprentissage automatique, nousproposons différents modèles pour prédire demanière plus précise la durée des chirurgies nonélectives à l’hôpital. Le modèle est utilisé pourétudier la précision des valeurs prédites pourles différentes spécialités chirurgicales, et déterminequelle approche est la meilleure pour chacuned’entre elles.Les modèles proposés dans cette thèse peuventaider les décideurs de l’hôpital en quantifiantles effets de l’adoption de mesures pour réduirel’impact de la saturation, et peut en outrecontribuer à une meilleure performance du systèmeen réduisant son incertitude. Ils peuventégalement accompagner la direction de l’hôpitalet des agences régionales de santé en analysantles effets possibles de leurs différentes décisionsavant qu’elles ne soient prises.

The saturation of emergencysurgery theaters (EST) is becoming a criticaltopic in the healthcare sector. Amongst themain causes for this saturation are the growingdemand for surgical services, the increasingaverage age of the population in societiesaround the world, and the closure of the surgerywards in some hospitals to reduce overall systemcosts. In some cases, when the saturationlevels become too high, hospitals may stop receivingemergency surgery patients, which leadsto a decreased healthcare access for surgicalpatients. Additionally, the high variability levelsand unpredictable behavior of emergencysurgeries makes emergency surgery theaters extremelycomplex to manage.In this Ph.D. thesis we aim to analyzeand comprehend the management of emergencysurgery theaters problem from an operationsmanagement perspective. We study the nonelectivepatient scheduling problem, a growingtopic of study in the healthcare managementliterature and analyze it from several perspectives.We address the deficiencies of the differentmethodologies used to predict and schedulenon-elective surgical patients and we extend thesystem analysis and the considered features andresources in order to build a better representationof the system through using quantitativeoperations research methods.First, we provide a comprehensive literaturereview and classification of the current state ofresearch on the question of how hospitals classify,schedule, and measure non-elective surgerypatients and how these problems are addressedby researchers. We have classified the recentbody of literature on non-elective surgical patientsin terms of their characteristics and classification,how their flows are managed and theyare included in the operating theater schedule,the research methodology used to addressthe different research questions, and the performancemeasures that determined the successand reaches of the different approaches. Second,we use discrete-event simulation to model andanalyze a real emergency surgery theater. Weintegrate most real-life features of an EST tothe simulation model in order to obtain usefulinsights from it. We test what happens whenseveral types of resources, both human (nurses,anesthesiologists, etc.) and physical (operatingrooms), are added to the system, and quantifythe effects on the systems’ response. Wealso test modifications on processes and decisions,such as such as the internal transportationof patients or the fastness on calling thenext patient. Finally, using machine learningtechniques, we propose different models to predictin a more accurate manner the durationof non-elective surgeries at the hospital. Themodel is used to study the accuracy of the predictedvalues for the different surgical specialties,and determines which approach is betterfor each one of them.The proposed models in this Ph.D. can supportthe decision makers at the hospital byquantifying the effects of adopting measures toreduce the impact of saturation, and additionallycan contribute to better performance of thesystem by reducing its uncertainty. They canalso support the management of the hospitaland regional healthcare agencies by analyzingthe possible effects of their different decisionsbefore these are taken.