[論文レビュー] Hospital Capacity Planning Using Discrete Event Simulation Under Special Consideration of the COVID-19 Pandemic

Thomas Bartz–Beielstein, Frederik Rehbach+2 more|arXiv (Cornell University)|Dec 14, 2020

Simulation Techniques and Applications参考文献 5被引用数 10

ひとこと要約

本論文では、COVID-19パンデミック期における病院の能力計画を目的とした、オープンソースのRベースの離散イベントシミュレーションツールbabsim.hospitalを提示する。このツールは、シミュレーション、最適化（SPOTを介して）、および特に切断・平行移動されたガンマ分布を含むカスタム統計分布を統合し、年齢・性別に特化したリスクプロファイルを反映させることで、患者の流れ、滞在期間、遷移確率をモデル化する。これにより、ICUベッド、呼吸器、スタッフのリソース最適化を可能にするシナリオ分析が実現される。

ABSTRACT

We present a resource-planning tool for hospitals under special consideration of the COVID-19 pandemic, called babsim.hospital. It provides many advantages for crisis teams, e.g., comparison with their own local planning, simulation of local events, simulation of several scenarios (worst / best case). There are benefits for medical professionals, e.g, analysis of the pandemic at local, regional, state and federal level, the consideration of special risk groups, tools for validating the length of stays and transition probabilities. Finally, there are potential advantages for administration, management, e.g., assessment of the situation of individual hospitals taking local events into account, consideration of relevant resources such as beds, ventilators, rooms, protective clothing, and personnel planning, e.g., medical and nursing staff. babsim.hospital combines simulation, optimization, statistics, and artificial intelligence processes in a very efficient way. The core is a discrete, event-based simulation model.

研究の動機と目的

• COVID-19パンデミックの動的かつ不確実な状況下における病院リソースおよび能力計画の課題に対処すること。
• 危機チームが現地のシナリオと対応を評価できる標準的で柔軟なシミュレーションフレームワークを提供すること。
• 医療専門家が行政レベル（地域から連邦レベルまで）でパンデミックの影響をリスクグループに分類して分析できるようにすること。
• 病院管理者やマネージャーが、データ駆動型シミュレーションを用いてベッド、呼吸器、病室、人員計画を最適化できるようにすること。
• 合成データ生成と滞在期間・遷移確率パラメータの妥当性検証をサポートする、柔軟で拡張可能なシミュレーションツールの開発

提案手法

• 患者が病院の段階（例：感染から入院、ICU受入、回復、死亡）を通過するプロセスをモデル化するため、Rパッケージ'simmer'を用いた離散イベントシミュレーションモデルを実装する。
• 状態遷移確率、滞在期間、分布的性質などの重要なパラメータをキャリブレーションするため、逐次的パrameter最適化（SPOT）を用いる。
• 特に重篤な患者の滞在期間を現実的にモデル化するため、カスタムの切断・平行移動されたガンマ分布を開発する。
• 年齢・性別に特化したリスクプロファイルを統合し、感染および重症度の結果に差を反映させる。
• モデルの妥当性確認およびシナリオ構成のため、Robert Koch-Institute（RKI）およびDIVI集中治療ライブラリからの実世界データを統合する。
• 実データが入手できない環境でも、シナリオテストおよびパラメータ感度分析を可能にするために、合成データ生成を可能にする。

実験結果

リサーチクエスチョン

• RQ1 離散イベントシミュレーションは、COVID-19のようなパンデミック期における病院リソースの利用状況を効果的にモデル化できるか？
• RQ2 SPOTに基づく最適化は、病院シミュレーションモデルにおける滞在期間および遷移確率パラメータのキャリブレーションをどの程度改善できるか？
• RQ3 年齢・性別に特化したリスクプロファイルは、さまざまなパンデミックシナリオ下でのシミュレートされたICUベッド需要とリソースの負荷にどのように影響を与えるか？
• RQ4 babsim.hospitalのようなシミュレーションツールは、異なる現地条件を有する病院間で標準的かつ局所的な危機計画を支援できるか？
• RQ5 データ品質および可用性は、シミュレーションベースの病院能力計画の信頼性と実用性にどのような影響を与えるか？

主な発見

• babsim.hospitalモデルは、特にカスタムの切断・平行移動されたガンマ分布の活用により、現実的な滞在期間分布を有する患者の流れを効果的にシミュレートした。
• SPOTに基づく最適化により、パラメータキャリブレーションが顕著に改善され、最終モデルの決定係数R²は0.3807に達し、有意なF統計量（p値：1.307e-09）を示しており、強い説明力を持つことが示された。
• 回帰スクリーニングにより、'AmntDaysInfectedToHospital'および'AmntDaysNormalToHealthy'がICUベッド需要に最も影響を与える主要なパラメータであることが同定された。
• モデルは異なる地域的文脈への高い適応性を示し、ドイツの設定で開発されたが、英国のデータを用いたシミュレーションでも成功を収めた。
• 妥当性確認された出力が実際の現場データ（DIVI集中治療ライブラリ）と一致するため、包括的なシナリオ分析が可能であり、最悪シナリオおよび最良シナリオのパンデミック予測が実現された。
• 合成データ生成の統合により、データが乏しい環境でも信頼性のあるシミュレーションが可能となり、準備計画におけるツールの実用性が向上した。