Modélisation de la congestion du système de santé : une application aux services d’urgences

Modelization of congestion in the healthcare system : an application to Emergency Department

• Auteur / Autrice : Adrien Wartelle
• Direction : Farah Mourad-Chehade, Farouk Yalaoui
• Type : Thèse de doctorat
• Discipline(s) : Optimisation et Sûreté des Systèmes
• Date : Soutenance le 27/09/2022
• Etablissement(s) : Troyes
• Ecole(s) doctorale(s) : École doctorale Sciences pour l'Ingénieur (Troyes, Aube)
• Partenaire(s) de recherche : Organisations Pluralistes Publiques - OPP : Centre Hospitalier de Troyes
• Partenaire(s) de recherche : Laboratoire : Laboratoire Informatique et Société Numérique / LIST3N
• Jury : Président / Présidente : Alice Yalaoui
• Jury : Examinateurs / Examinatrices : Farah Mourad-Chehade, Farouk Yalaoui, Alice Yalaoui, Olga Battaïa, Amir Nakib, Alexandre Dolgui
• Jury : Rapporteur / Rapporteuse : Olga Battaïa, Amir Nakib

Mots clés

Mots clés contrôlés

Simulation par ordinateur

Processus stochastiques

Hôpitaux -- Services des urgences

Analyse de régression

Modélisation des données (informatique)

Mots clés libres

Modélisation des données (informatique)

Analyse de régression

Hôpitaux -- Services des urgences

Processus stochastiques

Simulation par ordinateur

Data modeling

Regression Analysis

Emergency Service, Hospital

Stochastic processes

Computer simulation

Résumé

Les phénomènes d’engorgement sont des problématiques majeures dans la gestion de la tension des systèmes de soins pour la prise en charge adéquate de la santé populationnelle à toutes les échelles. Dans ce cadre, cette thèse montre une démarche générale et généralisable de modélisation et d’évaluation de l’engorgement des systèmes, en particulier du système de santé avec une application aux services d’urgences. La quantification de l’engorgement constitue le premier point adressé à travers la caractérisation des processus d’arrivée et de départ d’un système. Une nouvelle mesure de congestion sur un ratio entre charge d’arrivée et de départ est alors introduite puis comparée à d’autres mesures comme l’occupation ou le temps d’attente moyen. La modélisation de cette congestion est ensuite étudiée par une approche de file d’attente axée sur les données du système réel. L’ensemble des processus stochastiques d’arrivée, de transitions et de départs de stations avec la variable centrale de probabilité de départ instantané des patients, est alors modélisé selon différentes méthodes d’estimation. Le modèle alors conçu est appliqué dans une étude de simulation de l’impact d’ouverture de cliniques sur la congestion des urgences où le flux patient impacté est identifié à l’aide d’une méthode de clustering et d’étude temporelle. Par une démarche de recherche opérationnelle fondée sur les données, cette thèse offre alors de nouvelles opportunités d’étude comportementale, de prévision et d’optimisation de la congestion.

Crowding phenomena are key problematics in the management of the health care system for the adequate care of population health at all scales. In this context, this thesis shows a general and generalizable approach to modeling and evaluating the congestion of systems, in particular the health system with an application to the emergency department. The quantification of congestion is the first point addressed through the characterization of the arrival and departure processes of a system. A new congestion measurement on a ratio between arrival and departure load is introduced and then compared to other measures such as occupancy or average waiting time. The modeling of this congestion is then studied by a data-driven queuing model real system data. Consequently, the set of stochastic processes of arrival, transition, and departure of stations with the key variable of instant patient departure probability, are modeled according to different estimation methods. The patient flow model created is then applied in a simulation study of the impact of the opening of unscheduled care clinics on the crowding of the emergency department, with its congestion, where the impacted patient flow is identified using a clustering and temporal study method. Finally, using a data-driven operational research approach, this thesis offers new opportunities for behavioral study, prediction, and optimization of congestion.