Scheduling of Physicians to Minimize Patients' Waiting Time

Chaque phase du processus de soins en radiothérapie se compose de plusieurs étapes. Le patient est d'abord référé au centre de radiothérapie. Après une consultation avec le médecin, un scan permettra de délimiter les contours de la tumeur à soigner afin d'établir le plan de traitement. Les doses sont calculées par des dosimétristes et ensuite validées par le médecin. La phase de prétraitement commence donc par la consultation avec le médecin et se termine lorsque le traitement en tant que tel peut commencer. Dans cette étude, notre objectif est de minimiser la durée de la phase de prétraitement. Bien que plusieurs ressources (humaines et matérielles) soient impliquées dans la phase de prétraitement, nous nous concentrons dans ce projet sur les médecins. En effet, à chacune des étapes du prétraitement le médecin est impliqué et doit donner son aval avant de passer à l'étape suivante. Notre objectif est de déterminer un horaire cyclique et hebdomadaire des tâches à affecter aux médecins, dans le but d'améliorer le flux des patients et de réduire la durée de la phase de prétraitement des patients. Bien que cet objectif soit primordial, nous incluons la satisfaction des médecins quant au choix des tâches affectées chaque jour lors de l'élaboration de l'horaire. Le défi de ce problème réside dans l'incorporation d'éléments incertains (tels que l'arrivée des patients au centre de radiothérapie et leur profil). L'horaire des médecins est identique semaine après semaine tandis que la distribution de l'arrivée des patients varie au courant de l'année. Deux types de patients sont traités par le centre : les patients curatifs et palliatifs. Ces patients n'ont pas le même objectif de traitement, et surtout n'ont pas les mêmes délais d'attente. Afin de résoudre ce problème nous avons développé une méthode de recherche Tabou basée sur trois types de mouvements. Dans un premier temps nous validons la performance de notre algorithme en nous basant sur des instances déterministes. Nous montrons qu'en moyenne, notre méthode est à 0.67% de la solution obtenue par CPLEX dans un temps de calcul raisonnable. Dans un deuxième temps nous incluons les paramètres stochastiques du problème. La fonction d'évaluation du coût des mouvements dans l'algorithme tient désormais compte du fait que l'arrivée et le profil des patients ne sont pas connus d'avance. Nous montrons que l'horaire obtenu par notre algorithme est de meilleure qualité que celui utilisé en pratique sur une cinquantaine de scénarios générés.

Abstract

Patients are interacting with many different types of healthcare resources. At the same time, new technologies in laboratories, radiology departments and surgeries have increased the number of procedures in diagnosing and curing diseases. Due to financial issues, healthcare organizations are trying to provide the best quality services with reasonable cost by improving the utilization of existing resources. The variability in demand and uncertainty in treatment as well as test duration can cause situations that some resources may not be available at the time they are required which create bottlenecks. Various factors, such as the lack of physical capacity, staff, proper scheduling method, equipment, supplies and sometimes even information, can cause bottlenecks which result in a delay for patients who are receiving the treatment. According to the Canadian Cancer Society reports, every three minutes one person is diagnosed and every seven minutes one person dies from cancer, Canadian Cancer Society (2013). Besides, long waiting times for radiotherapy treatments can cause serious effects on the treatment process. In Quebec, the waiting time for radiation oncology (the time between the patient becomes ready for the treatment and the starting day of treatment) is 4 weeks, Ministère de la santé et des services sociaux (2010). However, time has a major impact on the treatment process and delay in starting radiotherapy has negative effects on treatment progress. The optimal use of existing resources along with keeping the quality of treatment can be the best possible option. In cancer facilities and radiotherapy centers, the sooner the disease is recognized and the treatment is started, strengthen the chance of success in treatment. Since a patient is referred to a radiotherapy center till the start of the treatment, the patient should go through a sequence of tasks. Therefore, reducing the time for the pre-treatment phase becomes crucial, which again explains the importance of this study in making the patient ready for the treatment, thus shortening the pre-treatment phase to less than a week. The objective of this study is Determining a task schedule for physicians in a radiotherapy center. Attempts were made to find a scheme for physicians in order to minimize the pretreatment phase for patients, which would help them to start their treatment earlier by preventing physicians from being bottleneck. Satisfaction of physicians was also considered. To reach this objective, some uncertainty items such as arrival rate of patients and their profiles were considered. A meta-heuristic approach, Tabu Search algorithm, was developed and then compared with two mathematical models, one based on patterns and the other based on tasks of physicians. Due to the size of the problem and different conditions, either task-based model or patternbased one could be used. It is shown that the method developed in this project is compatible with different situations. In addition, two heuristic approaches were developed based on physicians' tasks.