Spelling suggestions: "subject:"permanence dess soils"" "subject:"permanence dess moins""
1 |
Effecteurs mobiles de la permanence des soins ambulatoires missionnés par le SAMU-Centre 15 : intérêt d'un modèle numérique des trajets. Application dans le Val-de-Marne / Mobile general pratictioners for out-of-hours home visits missionned by the SAMU-Centre 15 : interest of a digital optimization model. Application in the French Val-de-Marne districtHeidet, Matthieu 27 May 2019 (has links)
En-dehors des horaires d’ouverture des cabinets de médecine générale, la permanence des soins ambulatoires (PDSA) est assurée par des médecins effecteurs mobiles (MPDSA), missionnés par le SAMU – Centre 15 et effectuant des visites au domicile des patients. L’ordre de réalisation de ces visites est basé sur un modèle intuitif, défini selon le degré d’urgence établi lors de l’appel au SAMU – Centre 15 et la connaissance du secteur par le MPDSA. Cette méthode intuitive est le plus souvent dictée par la problématique du plus court chemin entre les visites. Le maintien de délais compatibles avec le besoin médical dépend ainsi du flux de visites et du temps d’acheminement des MPDSA. Or, ce temps d’acheminement dépend notamment des effectifs de MPDSA de garde et des conditions de trafic. Les modèles existants d’optimisation des trajets sont inapplicables à la PDSA, en raison de la réactualisation continue de la liste des visites à effectuer, ainsi que de la pondération du délai cible par le degré d’urgence.Nous proposons donc de créer un modèle spécifique d’optimisation des trajets des MPDSA missionnés par le SAMU–Centre 15. Nous développons une méta-heuristique évolutionnaire de type algorithme génétique, dont nous comparons d’abord les performances calculatoires à celles d’une méthode exacte d’optimisation linéaire en nombres entiers (méthode d’optimisation combinatoire non évolutionnaire), sur données théoriques, intégrant les données cliniques (3 degrés de priorité de visite), opérationnelles (taille de la flotte des MPDSA) et les objectifs temporels (3 délais d’effection cible). Les objectifs de ce travail sont de montrer que l’algorithme génétique, comparativement à la méthode linéaire en nombres entiers, conduit à une réduction des délais d’effection des visites MPDSA, donc à un plus grand respect des délais d’effection cibles ainsi qu’à une augmentation du nombre de patients vus par unité de temps (plage horaire de PDSA). Les résultats obtenus suggèrent que l’algorithme génétique est à la fois plus performant que la méthode linéaire en nombres entiers sur tous les critères établis, et que ses performances s’améliorent avec la complexité du problème à résoudre (nombre de patients à visiter, taille de la flotte des MPDSA).L’utilisation de la méthode d’optimisation développée dans ce travail pourrait permettre aux SAMU-Centres 15 d’améliorer le service rendu à la population, en termes d’accès au juste soin et de sécurité du patient. / During out-of-hours times, mobile general practitioners (GPs), appointed by the SAMU - Centre 15 (French public emergency call center), can provide out-of-hours home visits (OOH-HV).The order in which these visits are carried out is based on an intuitive model, i.e. the shortest path problem, and determined according to the degree of urgency established at the time of the call to the SAMU - Centre 15 and the knowledge of the sector by the mobile GP. Maintaining timelines consistent with the medical need thus depends on the flow of visits and the GP’s response times. However, this transit time depends in particular on the number of available GPs and traffic conditions. Existing models for routing optimization are inapplicable to OOH-HV, due to the continuous updating of the list of visits to be carried out, as well as the weighting of the target time by the degree of urgency.We therefore propose to create a specific model for the optimization of the mobile GPs’ sent by the SAMU-Centre 15. We develop an evolutionary meta-heuristic of the genetic algorithm type, whose computational performances we first compare with those of an exact method of integer linear optimization (non evolutionary combinatorial optimization method), on theoretical data, integrating the clinical data (3 degrees of priority of visit), operational constraints data (mobile GPs’ fleet size) and response times objectives (3 target effection times). The objectives of this work are to show that the genetic algorithm, compared to the integer linear method, leads to a reduction in mobile GPs visit completion times, to a greater respect of the deadlines of target outcomes, as well as an increase in the number of patients seen per time unit (GPs time slot).Our results suggest that the genetic algorithm is more efficient than the integer linear method on all established criteria, and that its performances improve with the complexity of the problem to be solved (number of patients to visit, size of mobile GPs’ fleet).The use of the optimization method developed in this work could enable the SAMU-Centres 15 to improve the service provided to the population, in terms of efficiency, safety and quality of access to care.
|
Page generated in 0.0503 seconds