Utilisation de la simulation pour améliorer les horaires des médecins et des équipements dans un département de Radio-Oncologie

En 2000, le cancer est devenu la première cause de mortalité au Québec. Depuis, le nombre de mortalités liées au cancer ne cesse de croître. À ce facteur s'ajoute le vieillissement de la population, la pénurie des spécialistes et les coûts croissants des opérations, représentant des défis de taille pour les départements de Radio-Oncologie. Ces derniers, malgré ces différents facteurs, ont l'obligation d'offrir un service de qualité à la population. À ce titre, la radiothérapie est de plus en plus utilisée comme traitement contre le cancer. Cependant, la réussite de ce type de traitement dépend du délai d'attente des patients avant de recevoir leur traitement, délai encadré par le ministère de la santé et des services sociaux, et de la capacité à réaliser des sessions de traitements aux patients sans interruptions. Ce dernier point est un enjeu majeur pour les départements de Radiothérapie qui y parviennent difficilement. Une des causes de cette difficulté réside dans la gestion des priorités des patients. Les départements traitent principalement des patients palliatifs et des patients curatifs. Les patients palliatifs, prioritaires, ont un délai court pour recevoir les sessions de traitement. Ceci conduit souvent à des bouleversements importants dans la planification des traitements engendrant même des reports de début de traitement pour des patients curatifs et énormément d'activités à non-valeur ajoutées sans compter les frustrations au sein des équipes. Cette présente recherche s'applique à résoudre les problèmes d'organisation des départements de Radio-Oncologie afin d'optimiser le nombre de patients traités et maximiser l'utilisation des ressources humaines et matérielles tout en fournissant un haut niveau de service dans le respect des différentes normes. L'analyse touche aux différents aspects du processus de traitement des patients atteints de cancer, à commencer par une rencontre avec le radio-oncologue, spécialisé selon le type de cancer, pour déterminer la pertinence de suivre un traitement de radiothérapie. Si le traitement est approuvé, les étapes qui suivent sont la localisation de la zone à traiter à l'aide d'un CT-Scan, la planification du traitement par l'unité de dosimétrie et les vérifications du traitement par une simulation. La complexité de ce processus pousse à l'utilisation d'outil avancé tel que la simulation à évènement discret. Le modèle développé dans cette recherche a permis de tester divers scénarios « What-if » afin d'étudier les façons de réduire au maximum le délai entre l'approbation du médecin lors de la consultation et le premier traitement du patient. Plusieurs défis ont été rencontrés durant le développement du modèle. Ce dernier est basé sur le fonctionnement futur d'un département de Radio-Oncologie situé à Laval mais qui n'était pas encore fonctionnel. La stratégie de collecte de données a permis de pallier à ce problème grâce à des rencontres avec divers spécialistes du milieu et des analyses de données en provenance d'autres hôpitaux. D'un point de vue technique, les frontières larges du modèle pour représenter toute la chaîne des opérations, soit depuis la consultation jusqu'au dernier traitement, ont poussé à développer une réflexion importante sur les stratégies de modélisation. Au final, le modèle inclut 4 accélérateurs linéaires et plus de 30 professionnels de la santé ayant divers spécialités. Or la clé du succès dans la gestion des opérations est la coordination entre ces différents professionnels. Ces derniers ont le choix de réaliser à un moment donné différentes tâches. Au niveau du simulateur, les prises de décisions ont été modélisées sous forme d'arbre de décision permettant de prioriser les différentes tâches selon plusieurs conditions en utilisant l'approche « agent-based model ». Le modèle offre trois applications majeures. D'abord, une analyse des flux de patients qui, pour le département de radio-oncologie en question, a permis de cibler avec précision le goulot dans le processus, comme par exemple le manque de dosimétristes, et d'amener des solutions viables. Des résultats sur le respect de la norme provinciale et de la grille de classification des types de cancer ont permis à l'administration d'ajuster leur stratégie de gestion et ceci avant l'ouverture du département. Une autre application de ce modèle consiste en la standardisation des tâches des médecins qui a également été testée pour le département étudié. Le principal bénéfice de cette standardisation est de pouvoir préparer un patient en 5 jours versus 20 jours. Finalement, pour que les traitements palliatifs n'interfèrent pas sur les traitements curatifs, le modèle a permis d'analyser la faisabilité de réserver des plages des accélérateurs linéaires exclusivement aux traitements palliatifs. Il est à souligner qu'une validation des résultats obtenus par la simulation a été effectuée après l'ouverture du département. Cette validation a permis de constater la robustesse du modèle. La principale faiblesse réside dans le nombre de plages à réserver pour les patients palliatifs. Le modèle a sous-évalué ce nombre mais la taille de l'échantillon reste encore faible pour conclure. Enfin, des recommandations génériques sont proposées pour l'ensemble des départements de Radio-Oncologie sur le calcul de capacité des accélérateurs en prenant en compte la variabilité des traitements, sur la gestion des ressources humaines en considérant leur productivité et sur la politiques des rendez-vous pour les CT-Scan et sur les accélérateurs linéaires. La première recommandation est la détermination du nombre de patients pouvant être traité annuellement. L'approche actuelle est une moyenne du nombre de traitements pour les patients curatifs et les patients palliatifs conduisant à une surestimation de la capacité des accélérateurs. L'approche proposée considère la variabilité du nombre de traitements donnant un portrait plus juste de la capacité des accélérateurs linéaires. La deuxième recommandation est la gestion des rendez-vous pour les patients curatifs. L'approche actuelle est de réserver la première plage disponible aux patients. Cette approche pose des problèmes sur la priorisation au sein des patients curatifs. Deux solutions sont proposées mais non testées. La première est de systématiquement retarder le rendez-vous des patients curatifs moins prioritaires pour assigner des plages libres aux patients plus prioritaires et la deuxième solution est de développer un modèle de recherche opérationnelle. La troisième recommandation est de réserver au moins 3 plages par accélérateur linéaire pour les patients palliatifs pour une proportion de 27% de patients palliatifs demandant un traitement de radiothérapie. La quatrième recommandation est la standardisation des tâches des médecins en développant un calendrier hebdomadaire pour 7 médecins. Ceci permettrait de préparer un patient en 5 jours. La cinquième recommandation est le balancement des ressources pour 4 accélérateurs linéaires. Différents scénarios ont permis de déterminer le nombre idéal de ressources pour les différentes tâches. Au final, le modèle ainsi développé peut servir d'outil stratégique de planification pour les administrations, afin d'analyser par exemple l'impact des différentes arrivées de patients à partir des données collectées, ce qui permettra de prendre rapidement des décisions stratégiques sans requis d'investissements pour la mise en place de tests pilotes.