Simulation du flux de patients en clinique externe

Au Canada, nous avons la chance de profiter d'un système de santé public gratuit lors des consultations et pour la grande majorité des traitements. Cependant, cette méthode de fonctionnement est très coûteuse pour les contribuables ce qui limite l'augmentation du nombre de centres, de ressources matérielles et qui ne permet pas d'engager du personnel supplémentaire. Avec tous les progrès technologiques qui permettent aux médecins de réduire les temps de traitement ou de suivi, nous constatons encore la présence de listes d'attente pour la majeure partie des spécialités médicales. En clinique externe, les gestionnaires cherchent à augmenter le débit de patients vus en une journée, mais il est difficile de prévoir le temps exact de consultation, les délais d'arrivée des patients, le taux d'absentéisme aux rendez-vous, etc. Ainsi, créer un horaire qui permet de voir un maximum de patients sans toutefois engendrer des heures supplémentaires pour les ressources devient une tâche complexe. Encore aujourd'hui, la plupart des séquences de traitement sont fixées par une agente administrative lorsqu'une place est disponible. Les plages de traitements sont de durées fixes et parfois sont toutes en début de journée ce qui engendre une attente très importante pour les patients. Nous avons donc développé un modèle de simulation qui permet d'exécuter des milliers de scénarios pour analyser l'impact de changements dans l'horaire et ainsi bâtir des horaires plus robustes. Ce modèle nous a permis d'étudier les gains dans l'attente indirecte, c'est-à-dire entre les rendez-vous d'un patient à l'hôpital, pour une clinique de radiothérapie et l'attente directe, celle encourue lors d'une visite à l'hôpital. La structure de ce modèle permet d'être adapté à plusieurs types de cliniques externes et pourrait être utilisée par un gestionnaire d'unité afin de créer des créneaux pour différents types de cliniques ou d'analyser en temps réel l'impact de l'ajout d'un patient dans une certaine plage horaire. Ce gestionnaire pourrait donc estimer le temps total qu'un patient passerait dans l'unité, le temps qu'il mettrait avant d'obtenir son traitement, le temps supplémentaire effectué par le personnel ainsi que le taux d'utilisation de chacune des ressources.

Abstract

In Canada, we are lucky to have a public health system in which all the consultations and most of the treatments are free. The principal downside of this system is that it is costly so it is impossible to expand the centers, buy new equipment or hire extra personnel. With all the technologic developments that helped physicians reduce the treatment times or follow up delays, we still encounter large queues for an appointment with a specialist. In the outpatient clinics, managers are looking to increase the rate of patients seen daily, but it is really hard to predict the exact time of consultation, the time of arrival of the patients, the no-show rate to the appointment, etc. Therefore, it is almost impossible to build a patient schedule in which a maximum number of patients are seen without creating overtime for the personnel and waiting time for the patients. There are many aspects someone has to consider while building a patient schedule and even nowadays most of these schedules are hand made by a resource of the unit. The first available slot is given to the patient currently asking for an appointment in a template where all slots are of mostly equal length. Some units also book all patients at the beginning of the day to minimize the idle time of physicians, strategy that creates an important wait time for most of the patients. During this project, we developed a simulation model that allowed us to replicate thousands of scenarios in a short time to analyze the impact of movement in the schedule and to build more robust schedules. This model allowed us to see potential reduction in the wait experienced between two separate appointments (indirect wait), and in the wait endured during one hospital visit (direct wait). We built this model so it can be adapted to multiple types of outpatient clinics and so it could be used by a unit manager to make a real time analysis of the impact of adding a particular patient at a certain time during the day. The manager could estimate the total length of the clinic, the overtime of the personnel, the utilization rate of all the resources, the total time spent by a patient in the unit and the time elapsed between the first consultation and the end of the last treatment in the unit.