Operating Rooms Planning Under uncertainties
Planification des blocs opératoires avec prise en compte des aléas
Résumé
Facing ever increasing health care demand, limited government support and increasing competition, hospitals are more and more aware of the need to use their resources as efficiently as possible. Operating Rooms (ORs) are among the most critical resources that generate highest costs for a hospital. For these reasons, planning OR activities has become one of the major priorities for hospitals. The planning problem consists of determining a plan that specifies the set of elective patients that would be operated in each OR in each period over a planning horizon. This problem has been addressed in the health care literature and several approaches for OR planning have been proposed. However, most existing approaches are based on deterministic models that do not consider uncertainty related to the ORs' environment. Yet, uncertainty is inherent to the world of health care; it concerns essentially emergency patients' arrivals, surgery durations, and equipments and medical staff availability. The goal of our research is to develop optimization models and solution approaches (algorithms) for ORs planning under uncertainties. In this thesis, we proposed several OR planning models that (i) capture essential factors relevant to surgical activities planning, (ii) explicitly take into account several kinds of uncertainties such as random demand for emergency surgery and random surgery durations, and (iii) can be easily extended to consider other real world constraints. We have also developed several solution methods and approaches for the stochastic ORs planning problem. Using numerical experiments, we have evaluated the performances of the different solution approaches and showed their efficiency. Numerical experiments also show the importance of explicit modeling of uncertainties. Compared with deterministic OR planning models, those neglect uncertainty, our stochastic planning methods yield to significant cost reductions.
Le bloc opératoire constitue l'un des secteurs les plus coûteux et les plus importants dans un établissement hospitalier. Afin, d'utiliser de manière efficace et rationnelle les ressources (humaines et matérielles) disponibles tout en assurant une bonne qualité de service vis-à-vis des patients, la planification du bloc opératoire est devenue l'une des premières préoccupations des établissements hospitaliers. Le problème de planification du bloc opératoire consiste à déterminer pour un horizon de plusieurs jours, l'ensemble d'interventions qui seront réalisées dans chaque salle opératoire. Ce problème a été traité dans la littérature et plusieurs approches de planification ont été proposées. Toutefois, les approches existantes sont essentiellement basées sur des modèles déterministes qui font abstraction de toutes sortes d'aléas. Or, le bloc opératoire est sujet à nombreuses formes d'aléas qui concernent essentiellement la chirurgie d'urgence et les durées d'interventions. À ce titre, l'objectif de notre travail de recherche est de développer des modèles et méthodes pour la planification des activités chirurgicales dans le bloc opératoire tout en tenant compte des aléas importants. Dans le cadre de cette thèse, nous avons proposé des modèles stochastiques qui (i) capturent les éléments essentiels à considérer lors de la planification des activités chirurgicales, (ii) permettent de modéliser de manière explicite différentes formes d'aléas tels que les incertitudes relatives aux durées des interventions et à la chirurgie d'urgence, et (iii) peuvent être facilement étendus pour modéliser d'autres contraintes dues aux pratiques du terrain. Nous avons aussi développé plusieurs approches et méthodes d'optimisation complètes et complémentaires pour la planification stochastique du bloc opératoire. Moyennant des expérimentations numériques, nous avons évalué les performances de ces différentes approches et nous avons montré leurs efficacités. En particulier, nous avons montré que des gains considérables peuvent être réalisés moyennant une modélisation stochastique du problème de planification du bloc opératoire.
Loading...