Ordonnancement dynamique des patients dans les services d'urgence.

Dynamic scheduling of patients in emergency departments.

• Auteur / Autrice : Seifeddine Abdelhak
• Direction : Gilles Goncalves, Saoussen Krichen
• Type : Projet de thèse
• Discipline(s) : Génie Informatique et Automatique
• Date : Inscription en doctorat le ; Soutenance le 07/04/2021
• Etablissement(s) : Artois en cotutelle avec Institut Supérieur de Gestion de Tunis
• Ecole(s) doctorale(s) : École doctorale Sciences, technologie et santé (Amiens)
• Partenaire(s) de recherche : Laboratoire : LGI2A - Laboratoire de Génie Informatique et d'Automatique de l'Artois
• Jury : Président / Présidente : Nahla Ben amor
• Jury : Examinateurs / Examinatrices : Gilles Goncalves, Saoussen Krichen, Jouhaina Siala, Vincent Augusto, Sondes Chaabane, Lamjed Ben said, Issam Nouaouri
• Jury : Rapporteur / Rapporteuse : Jouhaina Siala, Vincent Augusto

Mots clés

Mots clés libres

Optimisation

Ordonnancement

Services d'urgence

Job shop hybride

Algorithme génétique

Recherche locale

Optimization

Scheduling

Emergency departments

Hybrid job shop

Genetic algorithm

Local search

Résumé

Un service d'urgence (SU) représente la porte d'entrée de chaque établissement de soins. Il est ouvert 24 heures sur 24 et 7 jours sur 7. Au cours des dernières années, les SU bénéficient d'une attention particulière de la part des décideurs. L'objectif est d'améliorer la qualité des services fournis aux patients. Cette thèse se concentre sur la planification des patients au SU. Après une revue de la littérature détaillée, le problème que nous traitons peut être considéré comme un problème de Job Shop Hybride (HJSP). L'objectif est de trouver un planning qui minimise le temps total d'achèvement ou le makespan. Il s'agit d'un problème d'optimisation combinatoire NP-hard. Ainsi, nous avons développé et validé un algorithme génétique (GA) et un algorithme génétique hybride (HGA) en les testant sur des benchmarks de la littérature issus du domaine industriel. Les performances obtenues ont été comparées avec celles des approches HJSP existantes. Ensuite, nous avons adapté et appliqué les deux algorithmes pour planifier les patients dans un service d'urgence d'un hôpital tunisien, dans lequel nous avons collecté des données. L'objectif est de minimiser le temps d'attente des patients en tenant compte de leur catégorie d'urgence. Une attention particulière est portée aux catégories de patients critiques qui doivent être rapidement pris en charge par une équipe médicale. Dans un premier temps, nous n'avons considéré que les patients programmés à l'avance et nous avons simulé plusieurs scénarios pour vérifier et mesurer l'efficacité de nos approches, en supposant que toutes les données sont parfaitement connues. Dans un second temps, compte tenu de toute la réalité d'un service d'urgence (c'est-à-dire avec des événements dynamiques), nous avons pris en compte les incertitudes liées à l'arrivée des patients et à la durée du traitement dispensé par les soignants. Enfin, nous avons considéré des patients non-programmés dont les arrivées sont imprévisibles. Pour faire face à ces événements dynamiques, nous avons étudié une stratégie de planification prédictive et réactive basée sur les algorithmes développés. Toutes les approches ont été testées par rapport à la stratégie existante basée sur le principe du «premier arrivé, premier servi» combiné à une règle de priorité de catégorie que l'on retrouve généralement dans les services d'urgence. Les résultats montrent que nos approches proposées améliorent la stratégie adoptée par l'hôpital lorsque le taux de patients dynamiques est inférieure à 50%.

An Emergency Department (ED) represents the gateway to every health care center. It opens 24 hours per day and 7 days per week. During the last years, the ED have benefited special attention. The goal is to offer a better quality of service to the patient. In fact, the number of visits to EDs has greatly increased causing overcrowding and dissatisfaction of patients. Improving its efficiency as well as patients' treatment is a significant challenge. This thesis focus on the scheduling of patients in ED. The problem is considered as a Hybrid Job Shop Problem (HJSP). The objective is to find a schedule that minimizes the total completion time or the makespan. This problem is an NP-hard combinatorial optimization problem. So, we developed and validated a Genetic Algorithm (GA) and a Hybrid Genetic Algorithm (HGA) by testing them on benchmarks found in the literature on manufacturing systems. The performances obtained were compared to existing HJSP approaches of the literature. Then, we adapted and applied both algorithms to plan patient journeys in a Tunisian hospital ED, in which, we collected data. In ED, the objective is to minimize patient waiting times in order to reduce the problem of overcrowding while taking into account the categories of patients. Particular attention must be paid to the categories of critical patients who must be quickly taken care of by a team. Initially, we only considered the expected patients and we simulated several scenarios to verify and measure the effectiveness of an approach based on patient categories, assuming that all data are perfectly known. Then, in a second step, considering all the reality of an emergency (i.e. with dynamics events), we took into account the uncertainties related to the patient arrivals and the duration of treatment provided by caregivers. Finally, we considered unexpected patients whose arrivals are unpredictable. To deal with these dynamic events, we studied a predictive and reactive planning strategy based on the previous algorithms. All the approaches were tested compared to the existing strategy based on the principle of ''first come, first served'' combined with a category priority rule which is usually found in emergency services. Results show that our approaches can improve the usual strategy when the rate of dynamic patients is under 50%.